腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
专知
专栏成员
举报
835
文章
1416673
阅读量
397
订阅数
订阅专栏
申请加入专栏
全部文章(835)
人工智能(391)
机器学习(180)
其他(176)
深度学习(147)
编程算法(113)
神经网络(68)
NLP 服务(36)
tensorflow(33)
python(26)
强化学习(26)
大数据(26)
图像处理(23)
开源(21)
pytorch(20)
卷积神经网络(18)
自动化(17)
推荐系统(14)
https(14)
github(12)
自动驾驶(10)
图像识别(10)
无监督学习(10)
安全(10)
人脸识别(9)
java(9)
数据库(9)
分布式(9)
监督学习(9)
微信(9)
机器人(9)
数据挖掘(8)
html(8)
http(7)
线性回归(7)
区块链(5)
apache(5)
存储(5)
无人驾驶(5)
模式识别(5)
迁移学习(5)
数据处理(5)
nat(5)
linux(4)
网络安全(4)
决策树(4)
keras(4)
二叉树(4)
node.js(3)
sql(3)
api(3)
搜索引擎(3)
spark(3)
数据可视化(3)
ios(2)
爬虫(2)
scikit-learn(2)
数据分析(2)
数据结构(2)
系统架构(2)
数据万象(1)
swift(1)
go(1)
lua(1)
.net(1)
arm(1)
嵌入式(1)
硬件开发(1)
access(1)
ide(1)
git(1)
spring(1)
tornado(1)
网站(1)
电商(1)
游戏(1)
gui(1)
numpy(1)
面向对象编程(1)
unity(1)
asp(1)
anaconda(1)
windows(1)
物联网(1)
架构设计(1)
腾讯云开发者社区(1)
processing(1)
云计算(1)
5g(1)
智能客服机器人(1)
智能制造(1)
communication(1)
data(1)
date(1)
leetcode(1)
output(1)
pascal(1)
return(1)
row(1)
time(1)
搜索文章
搜索
搜索
关闭
【干货】使用Pytorch实现卷积神经网络
pytorch
卷积神经网络
【导读】图像识别是深度学习取得重要成功的领域,特别是卷积神经网络在图像识别和图像分类中取得了超过人类的好成绩。本文详细介绍了卷积神经网络(CNN)的基本结构,对卷积神经网络中的重要部分进行详细讲解,如卷积、非线性函数ReLU、Max-Pooling、全连接等。另外,本文通过对 CIFAR-10 的10类图像分类来加深读者对CNN的理解和Pytorch的使用,列举了如何使用Pytorch收集和加载数据集、设计神经网络、进行网络训练、调参和准确度量。总的来讲,这篇文章偏重概念理解和动手实现,相信对您的入门会有帮
WZEARW
2018-06-05
8K
0
理解多层CNN中转置卷积的反向传播(附代码)
卷积神经网络
【导读】转置卷积一直不太好理解,今天我们通过详细的推导示例及代码了解简单的两层CNN中转置卷积的反向传播。 编译 | 专知 参与 | Yingying, Xiaowen 今天,我们要训练一个简单的有两
WZEARW
2018-06-05
3.6K
0
【论文推荐】最新八篇图像检索相关论文—三元组、深度特征图、判别式、卷积特征聚合、视觉-关系知识图谱、大规模图像检索
卷积神经网络
图像识别
【导读】既昨天推出七篇图像检索(Image Retrieval)文章,专知内容组今天又推出最近八篇图像检索相关文章,为大家进行介绍,欢迎查看! 1. Improving Deep Binary Embedding Networks by Order-aware Reweighting of Triplets(通过对三元组阶感知重加权来提高深层二进制嵌入网络) ---- ---- 作者:Jikai Chen,Hanjiang Lai,Libing Geng,Yan Pan 机构:Sun Yat-sen Uni
WZEARW
2018-06-05
1.2K
0
【干货】卷积神经网络中的四种基本组件
卷积神经网络
人工智能
神经网络
【导读】当今,卷积神经网络在图像识别等领域取得巨大的成功,那么是什么使其高效而快速呢?本文整理John Olafenwa的一篇博文,主要介绍了卷积神经网络采用的四种基本组件:Pooling、Dropo
WZEARW
2018-04-16
2.1K
0
【论文推荐】最新五篇图像分割相关论文—R2U-Net、ScatterNet混合深度学习、分离卷积编解码、控制、Embedding
深度学习
卷积神经网络
【导读】专知内容组整理了最近五篇图像分割(Image Segmentation)相关文章,为大家进行介绍,欢迎查看! 1. Recurrent Residual Convolutional Neural Network based on U-Net (R2U-Net) for Medical Image Segmentation(基于U-Net (R2U-Net)循环残差卷积神经网络的医学图像分割) ---- ---- 作者:Md Zahangir Alom,Mahmudul Hasan,Chris Yak
WZEARW
2018-04-13
1.7K
0
【论文读书笔记】无监督视频物体分割新思路:实例嵌入迁移
卷积神经网络
【导读】 近日,针对视频物体分割中缺乏训练样本和准确率较低的问题,来自美国南加州大学、谷歌公司的学者发表论文提出基于实例嵌入迁移的无监督视频物体分割方法。其通过迁移封装在基于图像的实例嵌入网络(instance embedding network)中的知识来实现。 实例嵌入网络为每个像素生成一个嵌入向量,可以识别属于同一个物体的所有像素。本文将在静态图像上训练的实例网络迁移到视频对象分割上,将嵌入向量与物体和光流特征结合,而无需模型再训练或在线微调。 所提出的方法优于DAVIS数据集和FBMS数据集中最先进
WZEARW
2018-04-13
1.6K
0
人人都能读懂卷积神经网络:Convolutional Networks for everyone
卷积神经网络
神经网络
python
【导读】近日,Rohan Thomas发布一篇博文,通俗地讲解了卷积神经网络的结构、原理等各种知识。首先介绍了卷积神经网络(CNN)和人工神经网络(ANN)的不同,然后详细解释了卷积神经网络的各种概念
WZEARW
2018-04-13
1.2K
0
春节充电系列:李宏毅2017机器学习课程学习笔记10之卷积神经网络
机器学习
卷积神经网络
【导读】我们在上一节的内容中已经为大家介绍了台大李宏毅老师的机器学习课程的训练DNN的技巧,这一节将主要针对讨论卷积神经网络。本文内容涉及机器学习中CNN的若干主要问题:图像的特性,卷积,池化,flatten以及CNN在keras中的实现。话不多说,让我们一起学习这些内容吧。 春节充电系列:李宏毅2017机器学习课程学习笔记01之简介 春节充电系列:李宏毅2017机器学习课程学习笔记02之Regression 春节充电系列:李宏毅2017机器学习课程学习笔记03之梯度下降 春节充电系列:李宏毅2017机器学
WZEARW
2018-04-13
737
0
Yann LeCun卸任FAIR主管:FaceBook背后的AI走向
人工智能
卷积神经网络
机器学习
【导读】1月24日,卷积神经网络之父杨立昆(Yann LeCun)卸任了Facebook人工智能研究实验室(简称FAIR)院长职务,继续任职首席科学家,更加专注于科学研究。而空缺的职位将有Jérôme Pesenti接棒,同时领导应用机器学习小组(Applied Machine Learning)团队,偏向将AI技术应用到FaceBook News Feed推送及其他产品中。 Yann LeCun专注研究,FaceBook追逐AI产品化。在我看来,这次的LeCun卸任看来不论对LeCun本人还是Facebo
WZEARW
2018-04-12
907
0
【AAAI2018 Oral】基于Self-attention的文本向量表示方法,悉尼科技大学和华盛顿大学最新工作(附代码)
神经网络
卷积神经网络
NLP 服务
人工智能
【导读】循环神经网络(RNN)与卷积神经网络(CNN)被广泛使用在深度神经网络里来解决不同的自然语言处理(NLP)任务,但是受限于各自的缺点(即,RNN效果较好但参数较多效率较低,CNN效率高参数少但效果欠佳)。最近,来自悉尼科技大学(UTS)与华盛顿大学(UW)的科研人员提出了一种Self-attention网络用于生成Sentence Encoding(句子向量化)。在不使用任何RNN和CNN结构的情况下,此网络使用较少的参数同样可以在多个数据集上达到state-of-the-art的性能。此文章已被A
WZEARW
2018-04-12
1.9K
0
【干货】基于TensorFlow卷积神经网络的短期股票预测
tensorflow
卷积神经网络
【导读】近期,意大利公数据科学家Mattia Brusamento撰写了基于Tensorflow卷积网络的 短期股票预测教程,在这篇博文中,你将会看到使用卷积神经网络进行股票市场预测的一个应用案例,主要是使用CNN将股票价格与情感分析结合,来进行股票市场预测,CNN网络通过TensorFlow实现。博文一步步展示了从数据集创建、CNN训练以及对模型评估等等入手,带你进入基于TensorFlow实现的股票市场预测分析。 ▌摘要 ---- 在机器学习中,卷积神经网络(CNN)是已经成功地应用于计算机视觉任务中
WZEARW
2018-04-11
2.8K
0
基于 word2vec 和 CNN 的文本分类 :综述 &实践
分布式
深度学习
卷积神经网络
▌导语 ---- 传统的向量空间模型(VSM)假设特征项之间相互独立,这与实际情况是不相符的,为了解决这个问题,可以采用文本的分布式表示方式(例如 word embedding形式),通过文本的分布式表示,把文本表示成类似图像和语音的连续、稠密的数据。 这样我们就可以把深度学习方法迁移到文本分类领域了。基于词向量和卷积神经网络的文本分类方法不仅考虑了词语之间的相关性,而且还考虑了词语在文本中的相对位置,这无疑会提升在分类任务中的准确率。 经过实验,该方法在验证数据集上的F1-score值达到了0.937
WZEARW
2018-04-10
1.9K
1
【业界】DeepMind提出速度提高千倍的并行WaveNet语音合成方法
卷积神经网络
【导读】DeepMind提出速度提高千倍的并行WaveNet语音合成方法。我们来一览这篇文章。(DeepMind Blog) ▌正文内容 在十月份,我们公布了迄今为止最先进的语音合成模型WaveNet
WZEARW
2018-04-10
1.2K
0
【深度学习最精炼中文讲义】前馈与卷积神经网络详解,复旦邱锡鹏老师《神经网络与深度学习》报告分享02(附报告pdf下载)
深度学习
卷积神经网络
神经网络
开源
NLP 服务
【导读】复旦大学副教授、博士生导师、开源自然语言处理工具FudanNLP的主要开发者邱锡鹏(http://nlp.fudan.edu.cn/xpqiu/)老师撰写的《神经网络与深度学习》书册,是国内为数不多的深度学习中文基础教程之一,每一章都是干货,非常精炼。邱老师在今年中国中文信息学会《前沿技术讲习班》做了题为《深度学习基础》的精彩报告,报告非常精彩,深入浅出地介绍了神经网络与深度学习的一系列相关知识,基本上围绕着邱老师的《神经网络与深度学习》一书进行讲解。专知希望把如此精华知识资料分发给更多AI从业者,
WZEARW
2018-04-10
4.2K
0
【最新TensorFlow1.4.0教程03】利用Eager Execution构建和训练卷积神经网络(CNN)
tensorflow
卷积神经网络
人工智能
机器学习
【导读】主题链路知识是我们专知的核心功能之一,为用户提供AI领域系统性的知识学习服务,一站式学习人工智能的知识,包含人工智能( 机器学习、自然语言处理、计算机视觉等)、大数据、编程语言、系统架构。使用请访问专知 进行主题搜索查看 - 桌面电脑访问http://www.zhuanzhi.ai, 手机端访问http://www.zhuanzhi.ai 或关注微信公众号后台回复" 专知"进入专知,搜索主题查看。随着TensorFlow 1.4 Eager Execution的出现,TensorFlow的使用出现了
WZEARW
2018-04-10
1.1K
0
【专知-Java Deeplearning4j深度学习教程06】用卷积神经网络CNN进行图像分类
java
深度学习
卷积神经网络
人工智能
【导读】主题链路知识是我们专知的核心功能之一,为用户提供AI领域系统性的知识学习服务,一站式学习人工智能的知识,包含人工智能( 机器学习、自然语言处理、计算机视觉等)、大数据、编程语言、系统架构。使用请访问专知 进行主题搜索查看 - 桌面电脑访问www.zhuanzhi.ai, 手机端访问www.zhuanzhi.ai 或关注微信公众号后台回复" 专知"进入专知,搜索主题查看。继Pytorch教程后,我们推出面向Java程序员的深度学习教程DeepLearning4J。Deeplearning4j的案例和
WZEARW
2018-04-10
3.6K
0
Tensorflow实战系列:手把手教你使用CNN进行图像分类(附完整代码)
tensorflow
卷积神经网络
github
https
【导读】专知小组计划近期推出Tensorflow实战系列,计划教大家手把手实战各项子任务。本教程旨在手把手教大家使用Tensorflow构建卷积神经网络(CNN)进行图像分类。教程并没有使用MNIST数据集,而是使用了真实的图片文件,并且教程代码包含了模型的保存、加载等功能,因此希望在日常项目中使用Tensorflow的朋友可以参考这篇教程。完整代码可在专知成员Hujun的Github中下载。 https://github.com/hujunxianligong/Tensorflow-CNN-Tutoria
WZEARW
2018-04-08
15.5K
1
【读书笔记】基于知识库的问答:生成查询图进行语义分析
存储
数据库
卷积神经网络
【导读】将DBPedia和Freebase这样的大规模知识库组织并存储在一个结构化的数据库,这已成为支持开放领域问题问答的重要资源。 KB-QA的大多数方法基于语义解析,其中问题被映射到其形式表示(例如,逻辑形式),然后被翻译成KB查询。 问题的答案可以很容易地通过查询语句得到。语义解析还提供了对问题的更深入的理解,不仅可以得到答案,而且可以为开发人员提供易于解释的信息以进行错误分析。本文通过应用实体链接系统和匹配问题和谓词序列的深度卷积神经网络模型,大大优于以前的方法,并在WEBQUESTIONS数据集上
WZEARW
2018-04-08
2.1K
0
没有更多了
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
立即查看
Python精品学习库
代码在线跑,知识轻松学
立即查看
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
立即体验
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
立即查看
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