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

专栏成员
239
文章
333362
阅读量
37
订阅数
ChatGPT 帮你写作
之前写过一篇文章,提到过我现在编程基本上靠 ChatGPT。对我而言,ChatGPT 并非一个用来调侃的机器人玩具,而是实打实的生产力工具。
云水木石
2023-11-22
2530
2023,AI 技能学起来
这段时间,ChatGPT 算是火出圈了。不仅朋友圈转发各种 ChatGPT 的文章,连我夫人这种从来不关注科技新闻的人也问我 ChatGPT 是怎么回事。其实我算是比较早知道并关注 ChatGPT 的,去年 12 月份还写了一篇文章 AI 也会写代码了,但我并不担心。
云水木石
2023-02-27
3340
AI 也会写代码了,但我并不担心
如果你比较关注人工智能,可能会注意到最近圈子的人都在刷屏一个 AI 玩意,叫 ChatGPT 。我一直关注的和菜头在他的公众号槽边往事上就接连写了几篇文章。
云水木石
2023-02-27
6010
根据中国古诗词作画,AI 可以做到吗?
AI 作画工具 DD (Disco Diffusion)面市后,不少大神做出了惊艳的作品。玩家以外国人居多,网上的资料也是英文资料较多。现在国内也有人尝试,比如和菜头在他的「槽边往事」微信公众号就写了好几篇关于 AI 作画的文章,现在他的公众号配图也使用自己生成的图。西乔在她的「神秘的程序员们」微信公众号也写了好几篇教程,值得一看。
云水木石
2022-08-30
1.3K0
AI会抢夺修图师的工作吗?
作为一名业余摄影爱好者,在发图之前通常会使用软件处理一下,也就是俗称的 P 图。如果时间比较紧张、或者不重要的图,不会花费多长时间,加个滤镜,调一下色调,几十秒钟的时间就可以完成。修图软件五花八门,特别是手机上,我安装的图像处理软件就有十几款,这些软件各有所长,好像还没有哪款软件一统天下,会根据不同的需要选择相应的软件。
云水木石
2020-05-25
6230
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
9990
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
7670
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
5910
使用Google AI Open Images进行对象检测
作者:Atindra Bandi, Alyson Brown, Sagar Chadha, Amy Dang, Jason Su,翻译:云水木石
云水木石
2019-09-09
1.1K0
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
7680
[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
6470
[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
6760
[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
5850
[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
7220
深度学习中超大规模数据集的处理
在机器学习项目中,如果使用的是比较小的数据集,数据集的处理上可以非常简单:加载每个单独的图像,对其进行预处理,然后输送给神经网络。但是,对于大规模数据集(例如ImageNet),我们需要创建一次只访问一部分数据集的数据生成器(比如mini batch),然后将小批量数据传递给网络。其实,这种方法在我们之前的示例中也有所涉及,在使用数据增强技术提升模型泛化能力一文中,我就介绍了通过数据增强技术批量扩充数据集,虽然那里并没有使用到超大规模的数据集。Keras提供的方法允许使用磁盘上的原始文件路径作为训练输入,而不必将整个数据集存储在内存中。
云水木石
2019-07-02
1.4K0
浏览器中的机器学习:使用预训练模型
在上一篇文章《浏览器中的手写数字识别》中,讲到在浏览器中训练出一个卷积神经网络模型,用来识别手写数字。值得注意的是,这个训练过程是在浏览器中完成的,使用的是客户端的资源。
云水木石
2019-07-02
1.2K0
实战生成对抗网络[1]:简介
2016年3月,AlphaGO横空出世,击败人类顶尖职业棋手,引爆了人工智能热潮。之后AlphaGO Master和AlphaGO Zero更是无情的碾压人类棋手,人们终于认识到,人类迎来了可怕的对手。在这之前,人类还抱有一点幻想,某个英雄会应运而生,为人类而战,然而现实很残酷。人工智能最可怕的地方在于,其进步神速,在突破了一个瓶颈后,会引起裂变。
云水木石
2019-07-02
8330
一步步提高手写数字的识别率(3)
在前面的两篇文章《一步步提高手写数字的识别率(1)》和《一步步提高手写数字的识别率(2)》中,我们分别介绍了使用Softmax回归和神经网络来实现手写数字识别,其准确率分别在92和98%左右,这在机器学习领域是一个非常不错的准确率,如果我们采用卷积神经网络,准确率还可以进一步提升。
云水木石
2019-07-02
7000
[机器学习实战札记] k-近邻算法
《机器学习实战》一书介绍的第一个算法是k-近邻算法。简单的说,k-近邻算法采用测量不同特征值之间的距离方法进行分类。其工作机制非常简单:给定测试样本,基于某种距离度量找出训练集中与其最靠近的k个训练样本,然后基于这k个“邻居”的信息来进行预测。
云水木石
2019-07-02
7060
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