腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

人人都是极客

专栏作者

495

文章

818805

阅读量

173

订阅数

一文读懂深度学习：从神经元到BERT

机器学习深度学习人工智能神经网络

一个神经网络结构通常包含输入层、隐藏层、输出层。输入层是我们的 features (特征)，输出层是我们的预测 (prediction)。神经网络的目的是拟合一个函数 f*：features -> prediction。在训练期间，通过减小 prediction 和实际 label 的差异的这种方式，来更改网络参数，使当前的网络能逼近于理想的函数 f*。

2019-05-28

9700

嵌入式AI —— 6. 为糖葫芦加糖，浅谈深度学习中的数据增广

神经网络深度学习机器学习人工智能

又和大家见面了，上次本程序猿介绍了CMSIS-NN，一晃过去了两个月。。。。闲话不多说，开始正题，小编这次带来的是，进行深度学习部署时的一段比较有用的小插曲：浅谈深度学习中的数据增广。

2019-05-22

5950

四大关键助力，AI+IoT重新定义未来的可能性

物联网数据分析 NLP 服务机器学习

随着科技的不断发展，一些在功能上具有相互补充作用的技术正在不可避免地发生结合——例如，人工智能（AI）和物联网（IoT）。

2019-05-17

4770

人人都能看懂的AIoT开发

企业编程算法机器学习 NLP 服务物联网

自2017年开始，“AIoT”一词便开始频频刷屏，成为物联网的行业热词。“AIoT”即“AI+IoT”，指的是人工智能技术与物联网在实际应用中的落地融合。当前，已经有越来越多的人将AI与IoT结合到一起来看，AIoT作为各大传统行业智能化升级的最佳通道，已经成为物联网发展的必然趋势。本场chat我们一起学习什么是AIoT，如何入门AIoT开发，在人工智能物联网时代来临之前做好知识储备。

2019-05-17

1.4K0

TensorFlow Lite 2019 年发展蓝图

api ios tensorflow 机器学习神经网络

TensorFlow Lite 2019 年发展分为四个关键部分：易用性、性能、优化和可移植性。

2019-05-17

6520

i.MX RT助您跨界AI ——5. 从穿糖葫芦到织深度神经网络

神经网络深度学习机器学习人工智能

CMSIS-NN作为在i.MX RT上运行深度神经网络的关键幕后英雄，在上期中终于闪亮登场，并且在i.MX RT强大算力的支持下，分类10样物体只是小试牛刀——每秒能识别多达50次！

2019-05-13

5910

谷歌携手恩智浦发布发布：端到端开源机器学习平台

tensorflow linux pytorch 机器学习深度学习

今天凌晨，谷歌一年一度的TensorFlow开发者大会在加州举行。明明应该是一场软件盛会，却被生生开出了硬件发布会的味道。

2019-05-08

4950

无人驾驶技术课——感知（2）

神经网络卷积神经网络机器学习

在感知部分的课程中，我们将首先介绍计算机视觉的基本应用领域；再进一步了解机器学习、神经网络和卷积神经网络的基础知识；随后我们将讨论感知模块在无人车中的具体任务；最后了解 Apollo 感知模块的体系结构和传感器融合的相关内容。

2018-12-25

4650

图解最常用的10个机器学习算法！

机器学习编程算法

在机器学习领域，有种说法叫做“世上没有免费的午餐”，简而言之，它是指没有任何一种算法能在每个问题上都能有最好的效果，这个理论在监督学习方面体现得尤为重要。

2018-12-24

6380

Arm为何明年Q1才发布AI处理器？

AI热潮来势汹汹，即便算法还不成熟，处理器算力还不足够，但大部分手机厂商已经让其旗舰手机用户或多或少地享受到了所谓的AI功能。其中，苹果和华为更是用集成NPU的自研处理器增强其手机的AI功能作为一大卖点。有意思的是，无论是手机处理器市场市占最高的高通还是目前移动设备处理器IP最重要的提供方Arm，都迟迟没有推出集成NPU的处理器，这究竟是为什么？

2018-12-07

3440

Peter教你谈情说AI | 06朴素贝叶斯分类器

第五节开始我们谈到回归问题和分类问题，其中回归问题可以用梯度下降法求出其模型，那么分类模型可以通过什么方法可以求出呢？

2018-11-22

5400

Peter教你谈情说AI | 04梯度下降法

编程算法线性回归机器学习

上一节我们知道了算法是训练出来的，训练过程需要依据某种算法进行运算，这一节我们一起看下线性回归中最常用的优化算法——梯度下降法。

2018-10-24

6680

Peter教你谈情说AI | 01导读

机器学习 api 深度学习编程算法监督学习

机器学习已经慢慢演变成了根据已知模型 + 框架运用的开发，用不了多久机器学习就会变成像多媒体，图形开发等一样，只要根据已知的 api 开发相应的 AI app 就行了，但是不了解机器学习的根本原理很难优化模型计算，也就很难发挥出 AI 专有场景的性能。

2018-10-24

3970

如何为你的机器学习问题选择合适的算法？

机器学习编程算法监督学习无监督学习强化学习

随着机器学习越来越流行，也出现了越来越多能很好地处理任务的算法。但是，你不可能预先知道哪个算法对你的问题是最优的。如果你有足够的时间，你可以尝试所有的算法来找出最优的算法。本文介绍了如何依靠已有的方法（模型选择和超参数调节）去指导你更好地去选择算法。本文作者为华盛顿大学 eScience Institute 和 Institute for Neuroengineering 的数据科学博士后 Michael Beyeler。

2018-09-25

1K0

【免费教学】Tensorflow Lite极简入门

tensorflow 嵌入式机器学习

边缘计算时代离我们越来越近，当前嵌入式设备的智能框架还是 TensorFlow Lite比较成熟，这里我准备用一系列免费课程和大家一起讨论下 TensorFlow Lite在移动设备上的应用，让我们的设备智能起来。

2018-07-26

1.2K0

剖析自动驾驶双目视觉解决方案

自动驾驶安全机器学习编程算法

未来十年，为了完成从感知+预警到决策+执行的进化之路，高级辅助驾驶系统（ADAS）将接入更多的传感器，实现更为复杂的计算，同时具备更高的安全性。双目视觉简介相比于单目视觉，双目视觉（Stereo Vision）的关键区别在于可以利用双摄像头从不同角度对同一目标成像，从而获取视差信息，推算目标距离。具体到视觉ADAS应用来说，如果采用单目摄像头，为了识别行人和车辆等目标，通常需要大规模的数据采集和训练来完成机器学习算法，并且难以识别不规则物体；而利用毫米波雷达和激光雷达进行测距的精度虽然较高，但是成本

2018-04-08

2.2K0

干货 | 目标检测入门，看这篇就够了（上）

机器学习神经网络深度学习人工智能图像识别

作者 | 李家丞（同济大学数学系本科在读，现格灵深瞳算法部实习生）近年来，深度学习模型逐渐取代传统机器视觉方法而成为目标检测领域的主流算法，本系列文章将回顾早期的经典工作，并对较新的趋势做一个全景式的介绍，帮助读者对这一领域建立基本的认识。（营长注：因本文篇幅较长，营长将其分为上、下两部分。）导言：目标检测的任务表述如何从图像中解析出可供计算机理解的信息，是机器视觉的中心问题。深度学习模型由于其强大的表示能力，加之数据量的积累和计算力的进步，成为机器视觉的热点研究方向。那么，如何理解一张图片？

2018-04-08

1.2K0

干货 | 目标检测入门，看这篇就够了（下）

图像识别机器学习神经网络深度学习人工智能

作者 | 李家丞（同济大学数学系本科在读，现格灵深瞳算法部实习生）近年来，深度学习模型逐渐取代传统机器视觉方法而成为目标检测领域的主流算法，本系列文章将回顾早期的经典工作，并对较新的趋势做一个全景式的介绍，帮助读者对这一领域建立基本的认识。（因本文篇幅较长，营长将其分为上（点击查看）、下两部分。）导言：目标检测的任务表述如何从图像中解析出可供计算机理解的信息，是机器视觉的中心问题。深度学习模型由于其强大的表示能力，加之数据量的积累和计算力的进步，成为机器视觉的热点研究方向。那么，如何理解一张图片？

2018-04-08

1K0

3.训练模型之在GPU上训练的环境安装

tensorflow 机器学习深度学习

一般来说我们会在笔记本或者 PC 端编写模型和训练代码，准备一些数据，配置训练之后会在笔记本或者 PC 端做一个简单验证，如果这些代码数据都 OK 的话，然后真正的训练放在计算力更强的的计算机上面执行，一般来说至少有一块或者多块 GPU，有相当好的显存和内存，接下来实验一下。选择一个支持 TensorFlow GPU 的计算机当务之急是找到一块可以用于 TensorFlow 的显卡，TensorFlow 只支持在 NVIDIA 的部分高端显卡上面进行 GPU 加速，在 NVIDIA 开发者中心可以找到

2018-03-16

3K0

1.训练模型之准备工作

嵌入式人工智能机器学习监督学习

经常关注我公众号的读者应该还记得之前写了5课关于嵌入式人工智能的文章，可以点击这里查看（文章末尾有前4节课时的推荐），前5节课时都在讲一个主题，即如何识别物体。照着这5节课时学习相信初学人工智能的你已经掌握了如何在嵌入式端利用已有的模型去识别物体。这里将手把手和大家分享第二个主题---如何训练模型。针对这一主题暂时准备5节课，分别是：《训练之前的简单机器学习的知识点准备工作》《运行一个demo》《在GPU上如何训练》《准备训练数据》《利用训练的模型识别物体》下面开始如何训练模型这一主题的第一节

2018-03-16

1.8K0

点击加载更多

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态