首页
学习
活动
专区
工具
TVP
发布

计算机视觉战队

专栏作者
814
文章
727781
阅读量
103
订阅数
谷歌官方回应:TensorFlow没有被放弃,未来与JAX并肩发展
关注并星标 从此不迷路 计算机视觉研究院 公众号ID|ComputerVisionGzq 学习群|扫码在主页获取加入方式 计算机视觉研究院专栏 作者:Edison_G TensorFlow 不是谷歌的一枚「弃子」,将会继续开发。 转自《机器之心》 前段时间,AI 界流传着这样一种说法,大概意思就是说,TensorFlow 已经成为了谷歌的一枚「弃子」。 更是有外媒 Business Insider 采访了一系列开发人员、硬件专家、云供应商以及与谷歌机器学习工作关系密切的人,获得了同样的观点:201
计算机视觉研究院
2022-07-04
3160
2022年,PyTorch在AI顶会的占比已经上80%了
欢迎关注“ 计算机视觉研究院 ” 计算机视觉研究院专栏 作者:Edison_G 扫描二维码 关注我们 微信公众号 : 计算机视觉研究院 机器之心报道 编辑:蛋酱 在2021年的各大顶会中,使用PyTorch的论文数量已经是使用TensorFlow的至少3倍以上,而这一差距还在持续扩大。 从早期的学术框架 Caffe、Theano,到后来的PyTorch、TensorFlow,自 2012 年深度学习再度成为焦点以来,很多机器学习框架成为研究者和业界工作者的新宠。 2018 年底,谷歌推出了全新的J
计算机视觉研究院
2022-03-16
5110
浙大博士整理的计算机视觉学习路线(含时间建议分配)
AI 显然是最近几年非常火的一个新技术方向,从几年前大家认识到 AI 的能力,到现在产业里已经在普遍的探讨 AI 如何落地了。 我们可以预言未来在很多的领域,很多的行业,AI 都会在里边起到重要的作用。 目前在商业中有所应用,而且能够创收的只有搜索推荐和计算机视觉,因此,这两个方向的人力缺口很大。目前入门CV的常用套路就是: 看吴恩达《机器学习》《深度学习》课程,学一点机器学习的知识。 读几篇CV模型的文章,了解一下经典的Alexnet、R-CNN系列、YOLO等。 在github上找几个tensorflo
计算机视觉研究院
2022-03-04
6350
OneFlow | 新深度学习框架后浪(附源代码)
随着深度学习的发展,用户越来越依赖 GPU 或者其他加速器进行大规模运算。人工智能(Artificial Intelligence)需要更优秀的软件来释放硬件的能量已成业界共识。一方面,各种框架需要进一步降低编写深度学习分布式训练程序的门槛;另一方面,用户期待系统可以支持不同的深度学习网络模型,并实现线性加速。各知名深度学习框架正在朝这方面努力,但用户在使用这些框架时仍会遇到横向扩展性的难题,或者是投入很多计算资源但没有看到效率收益,或者是问题规模超过 GPU 显存限制而无法求解。
计算机视觉研究院
2020-08-06
9170
需重视! | 深度学习网络环境搭建大全(下)
人工智能突然火了起来,至今已经有无数的智能化产品别大家认识及使用。比如:之前的李世石与AlphaGo大战、无人驾驶、无人超市,以及现在的无人酒店(阿里)、智慧小区,乃至于现在的仿人机器人等产品,都在不断实现科幻片中我们觉得不可能的技术,现在都在一一实现。
计算机视觉研究院
2019-05-06
5190
新年福利 | 2019深度学习工具汇总
深度学习的进步也严重依赖于软件基础架构的进展。软件库如:Torch(2011), Theano(2012), DistBelief(2012), PyLearn2 (2013), Caffe(2013), MXNet (2015) 和 TensorFlow(2015) 都能支持重要的研究项目或商业产品。
计算机视觉研究院
2019-03-07
5680
每日一学——TensorFlow的学习
什么是TensorFlow? TensorFlow 是一个采用数据流图(data flow graphs),用于数值计算的开源软件库。节点(Nodes)在图中表示数学操作,图中的线(edges)则表示在节点间相互联系的多维数据数组,即张量(tensor)。它灵活的架构让你可以在多种平台上展开计算,例如台式计算机中的一个或多个CPU(或GPU)、服务器、移动设备等等。TensorFlow 最初由Google Brain 小组(隶属于Google机器智能研究机构)的研究员和工程师们开发出来,用于机器学习和深
计算机视觉研究院
2018-04-17
1.3K0
DL框架的未来发展,TensorFlow/MXNet/Torch, 选哪个?
DL framework的学习成本还是不小的,以后未来的发展来看,你建议选哪个? 请主要对比分析下4个方面吧: 1. 实现新计算单元(layer)和网络结构的便利性 如:RNN, bidirectional RNN, LSTM, GRU, attention机制, skip connections等。 2. 实现不同学习任务的便利性 classification和regression自不用说,其他的: multi-label, multi-task, adversarial learning, reinfo
计算机视觉研究院
2018-04-17
1.4K0
没有更多了
社区活动
RAG七天入门训练营
鹅厂大牛手把手带你上手实战,赢鹅厂证书、公仔好礼!
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