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
大龄程序员的人工智能之路
专栏成员
举报
239
文章
333523
阅读量
37
订阅数
订阅专栏
申请加入专栏
全部文章（239）
深度学习（60）
神经网络（57）
编程算法（53）
tensorflow（50）
机器学习（48）
人工智能（39）
https（29）
python（20）
api（20）
android（18）
javascript（17）
网络安全（17）
小程序（16）
开源（15）
打包（14）
github（14）
keras（13）
linux（12）
windows（12）
模型（12）
SSL 证书（11）
卷积神经网络（11）
c++（10）
系统（10）
ide（9）
git（9）
图像识别（9）
java（7）
缓存（7）
开发（7）
ubuntu（6）
数据加密服务（6）
http（6）
微信（6）
chromium（6）
编译（6）
浏览器（6）
node.js（5）
硬件开发（5）
腾讯云测试服务（5）
数据分析（5）
视频（5）
html（4）
json（4）
图像处理（4）
存储（4）
numpy（4）
线性回归（4）
迁移学习（4）
anaconda（4）
安全（4）
机器人（4）
rust（4）
部署（4）
程序员（4）
工具（4）
工作流（4）
搜索（4）
源码（4）
c 语言（3）
go（3）
bash（3）
qt（3）
搜索引擎（3）
bash 指令（3）
网站（3）
容器（3）
自动化（3）
kernel（3）
数据结构（3）
webgl（3）
腾讯云开发者社区（3）
编码（3）
插件（3）
工作（3）
互联网（3）
架构（3）
设计（3）
优化（3）
人脸识别（2）
android studio（2）
嵌入式（2）
makefile（2）
容器镜像服务（2）
文件存储（2）
访问管理（2）
企业（2）
渲染（2）
面向对象编程（2）
监督学习（2）
决策树（2）
npm（2）
验证码（2）
gpt（2）
产品（2）
程序（2）
对象（2）
服务器（2）
框架（2）
软件（2）
视频编码（2）
数据（2）
音频（2）
音视频（2）
硬件（2）
内容分发网络 CDN（1）
官方文档（1）
腾讯云学堂（1）
ios（1）
ajax（1）
webview（1）
汇编语言（1）
arm（1）
数据库（1）
sql（1）
unix（1）
nginx（1）
批量计算（1）
命令行工具（1）
全站加速网络（1）
智能鉴黄（1）
文字识别（1）
机器翻译（1）
express（1）
yarn（1）
游戏（1）
html5（1）
ssh（1）
gui（1）
unity（1）
grep（1）
pytorch（1）
tcp/ip（1）
flash（1）
udp（1）
powershell（1）
物联网（1）
虚拟化（1）
jupyter notebook（1）
5g（1）
sdk（1）
迁移（1）
bug（1）
chatgpt（1）
cpu（1）
display（1）
event（1）
fortran（1）
gpu（1）
image（1）
invoke（1）
it（1）
map（1）
medium（1）
text（1）
video（1）
百度（1）
编程（1）
编程语言（1）
编译器（1）
操作系统（1）
测试（1）
创业（1）
代理（1）
地图（1）
翻译（1）
服务（1）
函数（1）
行业（1）
继承（1）
基础（1）
加密（1）
接口（1）
开发者（1）
客户端（1）
蓝牙（1）
流媒体（1）
乱码（1）
内存（1）
配置（1）
日志（1）
软件架构（1）
事件（1）
算法（1）
通信（1）
网络（1）
协议（1）
芯片（1）
性能（1）
语法（1）
语音（1）
云服务（1）
指针（1）
字符串（1）
搜索文章
搜索
搜索
关闭
2019年机器学习方面的最新研究
编程算法
机器学习
迁移学习
监督学习
神经网络
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
545
0
站在巨人的肩膀上：迁移学习
迁移学习
深度学习
机器学习
神经网络
人工智能
在上一篇文章《使用数据增强技术提升模型泛化能力》中，我们针对训练数据不足的问题，提出采用数据增强（data augmentation）技术，提升模型的准确率。最终结果是：在17flowers数据集上，我们将准确率从60%多增加到70%，取得了不错的效果。然而，对于一个商业应用来说，70%多的准确率还是有些拿不出手。我们还有更好的手段吗？
云水木石
2019-07-02
536
0
提高模型准确率：组合模型
迁移学习
深度学习
机器学习
图像处理
神经网络
各位朋友，新年好! 随着春节假期的结束，想必大家陆陆续续返回工作岗位，开始新的一年的拼搏。我也会继续努力，争取在深度学习方面更进一步，接下来，我将继续聊一聊深度学习在计算机视觉中的应用。
云水木石
2019-07-01
560
0
再谈迁移学习：微调网络
神经网络
卷积神经网络
迁移学习
在《站在巨人的肩膀上：迁移学习》一文中，我们谈到了一种迁移学习方法：将预训练的卷积神经网络作为特征提取器，然后使用一个标准的机器学习分类模型（比如Logistic回归），以所提取的特征进行训练，得到分类器，这个过程相当于用预训练的网络取代上一代的手工特征提取方法。这种迁移学习方法，在较小的数据集（比如17flowers）上也能取得不错的准确率。
云水木石
2019-07-01
2K
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
