首页
学习
活动
专区
工具
TVP
发布

大龄程序员的人工智能之路

专栏作者
223
文章
302402
阅读量
37
订阅数
Android Studio新特性:使用TFLite模型更简单
Android Studio仍然在疯狂更新中,隔一段时间打开Android Studio,就会提示有新版本,对此我已经见怪不怪。一般而言,我会顺手点击一下升级。今天我又点击了升级,粗略看了一下新版本4.1的特性说明,其中有一项是:使用TensorFlow Lite模型。出于对机器学习的兴趣,于是就研究了一番这个新特性。
云水木石
2020-11-03
2.2K0
TensorFlow.js 为何引入 WASM 后端
在前面的一篇文章《TensorFlow.js 微信小程序插件开始支持 WebAssembly》中,我们谈到了 Tensorflow.js(tfjs) 的新后端 WebAssembly(WASM)。这篇文章进一步挖掘 tfjs WASM 后端的更多信息,并探讨一下 tfjs 为何要引入 WASM 后端。
云水木石
2020-06-17
3.2K0
手把手教你开发人工智能微信小程序(4): 训练手写数字识别模型
在上篇文章《手把手教你开发人工智能微信小程序(3):加载数据》中,我给大家演示了如何通过fetch加载网络数据并进行数据归范化,出于演示的目的,例子做了简化处理,本文中将给大家介绍一个稍微复杂一点的例子:手写数字识别。很多机器学习的教程都以手写数字识别作为上手的示例,我在之前的文章也写过几篇:
云水木石
2020-02-18
9250
手把手教你开发人工智能微信小程序(1):线性回归模型
谈到人工智能、机器学习,我们可能会觉得很神秘,其实机器学习背后的理论并不复杂。就如同原子弹这么尖端的科技,其背后的理论就是一个很简单的公式:
云水木石
2020-01-02
6980
深度学习的JavaScript基础:从浏览器中提取数据
在python语言中,通过文件、摄像头获取数据,并不是什么难事。但对于浏览器来说,出于安全的考虑,并不能直接访问本地文件,至于访问摄像头、麦克风这样的硬件设备,只是从HTML5才开始得到支持。本文就如果获取数据展开讨论,看看在浏览器中提取数据有哪些方法。
云水木石
2019-12-16
1.7K0
三种Javascript深度学习框架介绍
谈到机器学习,我们脑海首先蹦出的编程语言是什么?一定是python。其实除了python,Javascript也是不错的选择。都说现在是大前端时代,从移动开发、服务器端,甚至桌面软件开发(比如大名鼎鼎的VS Code),都有Javascript的身影。
云水木石
2019-11-20
1.1K0
智能八段锦 app 中的身体动作识别
OliveX是一家总部位于香港的公司,致力于健身相关软件的开发,自2018年首次推出以来,已为200万用户提供服务。我们的许多用户都是老年人,智能八段锦应用程序可帮助他们练习八段锦,同时最大程度地减少受伤的可能性。为此,我们在应用程序中利用最新的人工智能技术来自动检测八段锦的练习动作并向用户提供相应的反馈。
云水木石
2019-09-26
2K0
TensorFlow助力微信小程序,来自谷歌开发者大会上的商用案例
前段时间一直在研究微信小程序中的 TensorFlow.js 开发,并开发了若干示例小程序,详情请查看之前的文章:
云水木石
2019-09-17
1.1K0
人工智能将改变5亿个白领工作岗位
很明显,人工智能已经影响了我们的生活方式。每次我们请求 Siri 做基本的数学运算或呼叫 Alexa 来调节温度时,我们都用上了AI。
云水木石
2019-09-17
5560
Github上的5个高赞机器学习项目
对于程序员而言,Github无疑是一个巨大的宝库,其全球注册用户超过3100万,仓库数量突破一个亿。(2018年年底统计数据)
云水木石
2019-08-29
7090
AIDog改造手记:使用TensorFlow 2.0
之前开发过一款人工智能的微信小程序,其功能是拍一张狗狗的照片,识别出狗狗的类别。程序虽小,功能虽然单一,但五脏俱全,涉及到机器学习的各个方面,以及微信小程序的开发,非常适合作为机器学习的上手项目。这个项目是一边学习,一边写出来的,在这个过程中,进一步掌握了机器学习的知识,具体情况请参考我之前写的文章:
云水木石
2019-07-30
8870
2019年机器学习方面的最新研究
机器学习的用途正在迅速扩大。到了2019年,在探索使用该技术新方向上已经进行了大量研究。下面收集的是迄今为止在机器学习领域所进行的一些最激动人心的研究。
云水木石
2019-07-12
5040
[序列模型] Natural Language Processing & Word Embeddings习题解析
通常词语向量的维度小于词汇表的大小,绝大部分词语向量的大小在50~400,所以答案是False。
云水木石
2019-07-02
4680
[序列模型] Recurrent Neural Networks习题解析
圆括号(i)代表第i个样本,尖括号<j>代表第j个词,考虑到主次,第(i)个样本是主,第<j>个词是次,所以答案是选项1。
云水木石
2019-07-02
6080
[机器学习实战札记] 线性回归
在前面的时间,我学习了Logistic回归,这是用来进行二分类学习的一种算法。虽然按照书上的介绍,编写了算法实现代码,但对其原理并不清楚,总感觉没有理解透。于是我又找到吴恩达的Marchine Learning课程,再次学习了线性回归和Logistic回归。
云水木石
2019-07-02
6310
不服?来跑个分!
如今,手机厂商发布新品,跑分环节一定是少不了的。就连拍照这种很难量化的指标,也要整出一个DxOMark得分,分出高下。我们对数字是如此迷恋,以至于《小王子》里面就有这样一段话:
云水木石
2019-07-02
1.1K0
[译]GPU加持,TensorFlow Lite更快了
由于处理器性能和电池容量有限,在移动设备上使用计算密集的机器学习模型进行推断是非常耗资源的。 虽然可以采用一种加速途径:转换为定点数模型,但用户已经要求作为一种选项,为加速原始浮点模型推理提供GPU支持,而不会产生额外的复杂性和潜在的量化精度损失。
云水木石
2019-07-02
1.2K0
[机器学习实战札记] Logistic回归
这段时间里,我一直在尝试将open_nsfw加入到手机,给手机浏览器增加色情图片检测功能,这个分阶段进行,在前面的几篇文章中,都谈到了这方面的尝试:
云水木石
2019-07-02
5620
[译]写给初学者的Tensorflow介绍(2)
在上一部分中,我写了一些非常重要的关于使用Tensorflow构建机器学习模型的核心理论概念。
云水木石
2019-07-02
3690
[译] 调试神经网络的清单
众所周知,机器学习代码很难调试。就连简单的前馈神经网络,您也经常需要围绕网络架构、权重值初始化和网络优化做出决策 - 所有这些都可能导致机器学习代码中隐藏BUG。
云水木石
2019-07-02
6970
点击加载更多
社区活动
Python精品学习库
代码在线跑,知识轻松学
【玩转EdgeOne】征文进行中
限时免费体验,发文即有奖~
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·干货材料·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