首页
学习
活动
专区
工具
TVP
发布

AI研习社

专栏成员
1755
文章
2199216
阅读量
197
订阅数
腾讯开源项目Angel从LF AI基金会毕业
12月20日,Linux基金会旗下面向AI领域的顶级基金会——LF AI基金会(Linux Foundation Artificial Intelligence Foundation) 宣布,腾讯开源项目Angel从LF AI基金会毕业,也是中国首个从LF AI基金会毕业的开源项目。这意味着,Angel得到全球技术专家的认可,成为世界顶级的AI开源项目之一。
AI研习社
2019-12-23
6730
阿里开源新一代人机对话模型 ESIM:准确率打破世界纪录,提升至 94.1%!
近日,阿里 AI 开源了新一代人机对话模型 Enhanced Sequential Inference Model(ESIM)。ESIM 是一种专为自然语言推断而生的加强版 LSTM,据阿里介绍,该算法模型自 2017 年被提出之后,已被谷歌、facebook 在内的国际学术界在论文中引用 200 多次,更曾在国际顶级对话系统评测大赛(DSTC7)上获得双料冠军,并将人机对话准确率的世界纪录提升至 94.1%。
AI研习社
2019-08-06
8550
Python小技巧:3个处理文件路径的简单方法
几乎所有计算机在文件夹名称间使用的都是正斜杠,但微软Windows使用的是却反斜杠, 这不免造成了编程的一个小烦恼。
AI研习社
2019-08-05
1.7K0
CVPR 2019 | 37篇!Facebook今年被CVPR收录的论文都说了啥?
AI 科技评论按:CVPR 2019 已于 6 月 16 日至 20 日在美国加利福利亚州长滩市盛大举办,吸引了超过万人参加,AI 科技评论的记者也前往现场为大家带来了精彩的大会报道。作为工业界的学术实力干将之一,Facebook AI 研究院在本次大会上的成果也备受瞩目。而 Facebook AI 研究院也对自己今年的战绩进行了统计:共有 37 篇论文被收录,其中包括 15 篇 Oral 论文。下面就让我们一起来看看这些成果吧。
AI研习社
2019-07-04
8720
300篇 CVPR 2019 Oral 论文精选汇总,值得一看的 CV 论文都在这里
CVPR 2019 即将在美国长滩召开。今年有超过 5165 篇的大会论文投稿,最终录取 1299 篇,其中 Oral 论文近 300 篇。为了方便社区开发者和学术青年查找和阅读高价值论文,AI 研习社从入选的 Oral 论文中,按应用方向挑选了部分精华论文,贴在本文。
AI研习社
2019-06-19
1.3K0
博客 | 过去10年NIPS顶会强化学习论文(100多篇)汇总(2008-2018年)
本文原载于微信公众号:深度强化学习算法 ,AI研习社经授权转载。欢迎关注 深度学习强化算法 微信公众号、及 AI研习社博客专栏。
AI研习社
2019-05-22
1.3K0
CVPR2019 | 15篇论文速递(涵盖目标检测、语义分割和姿态估计等方向)
【导读】CVPR 2019 接收论文列表已经出来了,但只是一些索引号,所以并没有完整的论文合集。CVer 最近也在整理收集,今天一文涵盖15篇 CVPR 2019 论文速递,内容涵盖目标检测、语义分割和姿态估计等方向。
AI研习社
2019-05-15
9360
Github项目推荐 | AutoML与轻量模型列表
本项目旨在为自动化研究(特别是轻量级模型)提供信息。有兴趣的同学可以进行收藏或者在Github中推荐/提交项目(论文、项目仓库等)。
AI研习社
2019-05-14
2.3K0
利用神经网络进行序列到序列转换的学习
深度神经网络是在困难的学习任务中取得卓越性能的强大模型。尽管拥有大量的标记训练集,DNN就能很好地工作,但是它们并不能用于将序列映射到序列。在本文中,我们提出了一种通用的端到端序列学习方法,它对序列结构作出最小的假设。我们的方法使用多层长短期记忆网络(LSTM)将输入序列映射到一个固定维度的向量,然后使用另一个深层LSTM从向量中解码目标序列。我们的主要结果是,在WMT 14数据集的英法翻译任务中,LSTM的翻译在整个测试集中获得了34.8分的BLEU分数,而LSTM的BLEU分数在词汇外的单词上被扣分。此外,LSTM人在长句上没有困难。相比之下,基于短语的SMT在同一数据集上的BLEU得分为33.3。当我们使用LSTM对上述系统产生的1000个假设进行重新排序时,它的BLEU分数增加到36.5,这接近于之前在这项任务中的最佳结果。LSTM还学会了对词序敏感、并且对主动语态和被动语态相对不变的有意义的短语和句子表达。最后,我们发现颠倒所有源句(而不是目标句)中单词的顺序显著提高了LSTM的表现,因为这样做在源句和目标句之间引入了许多短期依赖性,使得优化问题变得更容易。
AI研习社
2019-05-13
1.5K0
Github项目推荐 | Cheetah - 基于深度学习的设备端语音转文本引擎
Cheetah - On-device speech-to-text engine powered by deep learning
AI研习社
2019-05-08
2.1K0
Github项目推荐 | 机器学习系统研究相关资源大列表
这是在机器学习系统研究的时候整理的列表。如果有代码的话会添加链接。有些比较有趣的论文我也将其进行了整理。
AI研习社
2019-05-08
7490
Github项目推荐 | 语义分割、实例分割、全景分割和视频分割的论文和基准列表
Segmentation.X - Papers and Benchmarks about semantic segmentation, instance segmentation, panoptic segmentation and video segmentation
AI研习社
2019-05-08
2.5K0
Github项目推荐 | 最优控制、强化学习和运动规划等主题参考文献集锦
References on Optimal Control, Reinforcement Learning and Motion Planning
AI研习社
2019-05-08
2.1K0
博客 | 一文看懂任务型对话中的对话策略学习(DPL)
前面写了对话系统中的SLU之领域分类和意图识别、槽填充、上下文LU和结构化LU、对话状态追踪(DST)、以及NLG,今天更新任务型对话系统中的DPL。DPL也叫DPO(对话策略优化),跟DST一样,DPL也是对话管理(DM)的一部分,而DM是任务型对话中至关重要的一部分。说个非严格的对比:如果把对话系统比作计算机的话,SLU相当于输入,NLG相当于输出设备,而DM相当于CPU(运算器+控制器)。
AI研习社
2019-05-08
4.6K0
博客 | 常见32项NLP任务及其评价指标和对应达到SOTA的paper
对于初学NLP的人,了解NLP的各项技术非常重要;对于想进阶的人,了解各项技术的评测指标、数据集很重要;对于想做学术和研究的人,了解各项技术在对应的评测数据集上达到SOTA效果的Paper非常重要,因为了解评测数据集、评测指标和目前最好的结果是NLP研究工作的基础。因此,本文整理了常见的32项NLP任务以及对应的评测数据、评测指标、目前的SOTA结果以及对应的Paper。
AI研习社
2019-05-08
4.5K0
Github项目推荐 | PlotJuggler:时序数据可视化工具
PlotJuggler是一款值得好好享受的时间序列可视化工具,https://www.plotjuggler.io
AI研习社
2019-03-14
6.7K0
Github 项目推荐 | Windows 10上的 GPU 加速深度学习工具
有很多工具能够帮助开发者在 Linux 和 Mac 上构建深度学习环境(比如 Tensorflow,不幸的是,TensorFlow 无法在 Windows 上轻松安装),但是很少人关注如何在 Win10 设备上有效构建深度学习环境。大多数人关注的是如何让深度学习框架运行在 Win10 设备的 Ubuntu VM 上,这不是最优的解决方案。
AI研习社
2018-07-26
1.6K0
一张图看懂数据科学;惊曝英特尔 72 核 Xeon Phi 处理速度 | 开发者头条
一张图看懂数据科学 72 核的英特尔 Xeon Phi,数据处理速度赶上 GPU? Linux 4.10 的三大改进之处 GitHub 邀请更多开发者参与其开源指南 每日推荐文章: 如何设置 Lin
AI研习社
2018-03-29
1.1K0
百度发布 PaddlePaddle 新 API;微软更新 Linux 平台虚拟机 DSVM 等 | 开发者头条
百度发布 PaddlePaddle 新 API,以及免费手册《使用 PaddlePaddle 进行深度学习》 微软更新 Linux 平台的数据科学虚拟机(DSVM) 谷歌发布机器学习数据清理服务 Cloud Dataprep 每日推荐阅读 什么是数据虚拟化:一个数据大超市 █ 百度发布 PaddlePaddle 新 API 昨日,百度宣布已完成 PaddlePaddle 新 API 的内测版本。PaddlePaddle 是百度研发的深度学习开源平台,于去年 9 月对公众开放,称得上是国内机器学习开源项目的
AI研习社
2018-03-29
7360
Bash 老司机也可能忽视的 10 大编程细节
AI 研习社按:Bash,作为大部分 Linux 发行版的出厂预设 Shell,因其晦涩难懂的语法设置,以及需要特别留心的编程细节,几乎成为 Linux 区别于其他操作系统的代名词。针对 Bash 中一些极容易出错的细节,我们在这里总结了 10 条编程注意事项,希望对各位泛 Linux 环境的开发者有所裨益。原文来自一位名叫 Julia Evans 的开发者博客,AI 研习社编译。 作为一名 Bash 脚本编写经验超过 10 年的老程序员,我通常不用 Bash 处理复杂的编程任务。但作为一款我们在日常
AI研习社
2018-03-29
8730
点击加载更多
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
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
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档