首页
学习
活动
专区
工具
TVP
发布

皮皮鲁的AI星球

专栏作者
79
文章
179436
阅读量
34
订阅数
什么是词向量?如何得到词向量?Embedding 快速解读
我第一次接触 Embedding 是在 Word2Vec 时期,那时候还没有 Transformer 和 BERT 。Embedding 给我的印象是,可以将词映射成一个数值向量,而且语义相近的词,在向量空间上具有相似的位置。
PP鲁
2022-09-20
2K0
TensorFlow被废了,谷歌家的新王储JAX到底是啥?
这几天各大科技媒体都在唱衰TensorFlow,鼓吹JAX。恰好前两个月我都在用JAX,算是从JAX新人进阶为小白,过来吹吹牛。
PP鲁
2022-09-20
6420
浅谈Linux的动态链接库
上一篇我们分析了Hello World是如何编译的,即使一个非常简单的程序,也需要依赖C标准库和系统库,链接其实就是把其他第三方库和自己源代码生成的二进制目标文件融合在一起的过程。经过链接之后,那些第三方库中定义的函数就能被调用执行了。早期的一些操作系统一般使用静态链接的方式,现在基本上都在使用动态链接的方式。
PP鲁
2020-09-15
8.6K0
人工智能研究者应该选择哪款显卡?
我在自己的网站中专门介绍过GPU的一些硬件基础知识:https://lulaoshi.info/gpu/gpu-basic/gpu.html。英伟达为优化深度学习的矩阵运算,在较新的微架构中,专门设计了Tensor Core这样的混合精度核心,因此,人工智能训练最好选择带有Tensor Core的GPU。
PP鲁
2020-06-29
3K0
前馈神经网络
在生物神经网络中,一个神经元(Neuron,又被称为Unit)会和多个神经元相连,当神经元兴奋时,它会向相连的神经元发送化学物质,进而改变相连神经元的电位;如果某个神经元的电位超过了阈值(Threshold),这个神经元被激活为兴奋状态,再进而向其他神经元发送化学物质。机器学习领域的神经网络(Neural Network)模型借鉴了生物学的一些思想。
PP鲁
2020-06-29
1.4K0
Logistic Regression:互联网行业应用最广的模型
我的网站公示显示效果更好,欢迎访问:https://lulaoshi.info/machine-learning/linear-model/logistic-regression.html
PP鲁
2020-06-02
5270
最大似然估计:从概率角度理解线性回归的优化目标
我的网站公式显示效果更好:https://lulaoshi.info/machine-learning/linear-model/maximum-likelihood-estimation.html,欢迎访问。
PP鲁
2020-05-26
1.4K0
线性回归的求解:矩阵方程和梯度下降、数学推导及NumPy实现
我的网站公式显示效果更好:https://lulaoshi.info/machine-learning/linear-model/minimise-loss-function.html,欢迎访问。
PP鲁
2020-05-26
1.9K0
机器学习 | 线性回归的数学表示
线性回归对已有数据进行建模,可以对未来数据进行预测。有些人觉得线性回归太过简单,甚至不屑于称之为机器学习;另外一些人觉得很多编程库已经对线性回归做了封装,使用时调用一下函数就好,不必了解太多数学推导过程。实际上,线性回归是所有机器学习技术的一个最好起点,很多复杂的机器学习技术以及当前大火的深度神经网络都或多或少基于线性回归。
PP鲁
2020-05-26
6170
斯坦福MacroBase:实时端到端的异常点检测和解释系统
本文和大家分享一个来自Stanford的开源大数据和机器学习系统:MacroBase。
PP鲁
2020-05-08
7230
机器学习 | K-Means聚类算法原理及Python实践
“聚类”(Clustering)试图将数据集中的样本划分为若干个不相交的子集,每个子集被称为一个“簇”或者“类”,英文名为Cluster。比如鸢尾花数据集(Iris Dataset)中有多个不同的子品种:Setosa、Versicolor、Virginica,不同品种的一些观测数据是具有明显差异的,我们希望根据这些观测数据将其进行聚类。
PP鲁
2020-04-24
1.4K0
信息时代,我们可能离真相越来越远。
之前的两年我一直在做新闻平台上的大数据分析和用户阅读行为研究,对于新闻资讯有一些了解和认识。本文想结合本次疫情谈谈我对新闻媒体的认识。
PP鲁
2020-03-26
1.2K0
GPU加速04:将CUDA应用于金融领域,使用Python Numba加速B-S期权估值模型
本文为英伟达GPU计算加速系列的第四篇,主要基于前三篇文章的内容,以金融领域期权估值案例来进行实战练习。前三篇文章为:
PP鲁
2019-12-26
1.7K0
GPU加速03:多流和共享内存—让你的CUDA程序如虎添翼的优化技术!
阅读完前两篇文章后,相信读者应该能够将一些简单的CPU代码修改成GPU并行代码,但是对计算密集型任务,仅仅使用前文的方法还是远远不够的,GPU的并行计算能力未能充分利用。本文将主要介绍一些常用性能优化的进阶技术,这部分对编程技能和硬件知识都有更高的要求,建议读者先阅读本系列的前两篇文章,甚至阅读英伟达官方的编程手册,熟悉CUDA编程的底层知识。当然,将这些优化技巧应用之后,程序将获得更大的加速比,这对于需要跑数小时甚至数天的程序来说,收益非常之大。
PP鲁
2019-12-26
4.1K1
GPU加速02:超详细Python Cuda零基础入门教程,没有显卡也能学!
Python是当前最流行的编程语言,被广泛应用在深度学习、金融建模、科学和工程计算上。作为一门解释型语言,它运行速度慢也常常被用户诟病。著名Python发行商Anaconda公司开发的Numba库为程序员提供了Python版CPU和GPU编程工具,速度比原生Python快数十倍甚至更多。使用Numba进行GPU编程,你可以享受:
PP鲁
2019-12-26
6.3K0
GPU计算加速01 : AI时代人人都应该了解的GPU知识
金融建模、自动驾驶、智能机器人、新材料发现、脑神经科学、医学影像分析...人工智能时代的科学研究极度依赖计算力的支持。提供算力的各家硬件芯片厂商中,最抢镜的当属英伟达Nvidia了。这家做显卡起家的芯片公司在深度学习兴起后可谓红得发紫,如果不聊几句GPU和英伟达,都不好意思跟别人说自己是做人工智能的。
PP鲁
2019-12-26
1.4K0
机器学习必备 | 最大似然估计:从统计角度理解机器学习
本专栏之前的文章介绍了线性回归以及最小二乘法的数学推导过程。对于一组训练数据,使用线性回归建模,可以有不同的模型参数来描述数据,这时候可以用最小二乘法来选择最优参数来拟合训练数据,即使用误差的平方作为损失函数。机器学习求解参数的过程被称为参数估计,机器学习问题也变成求使损失函数最小的最优化问题。最小二乘法比较直观,很容易解释,但不具有普遍意义,对于更多其他机器学习问题,比如二分类和多分类问题,最小二乘法就难以派上用场了。本文将给大家介绍一个具有普遍意义的参数估计方法:最大似然估计。
PP鲁
2019-12-26
4.1K0
想学人工智能,有必要出国读本科或硕士吗?
笔者硕士毕业于北京大学计算机专业,期间有幸申请到了澳洲国立大学(Australian National University,简称ANU)的交换机会,对国内外人工智能教育均有所体验。毕业后,有四年一线大数据和人工智能从业经验,对AI行业形成了一些个人理解。
PP鲁
2019-12-26
2.3K0
人工智能专业高考志愿填报指南
在给大家分享我的建议之前,皮皮鲁先介绍一下自己的背景。我本科考入北京邮电大学计算机学院的网络工程,硕士期间在北京大学继续攻读AI方向,并有半年澳洲国立大学出国交流经历,体验了发达国家的计算机教育。毕业后,四年一线大数据和人工智能从业经验让我对于AI行业形成了一些个人的思考和理解。可以说,笔者对于人工智能专业的所需知识和就业前景都比较了解。
PP鲁
2019-12-26
1.1K0
没有更多了
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
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