编者按:本文内容来自微软美国总部机器学习科学家彭河森博士在雷锋网硬创公开课的分享。 正如程序语言一样,深度学习开源框架同样各有优劣和适用的场景,那么 AI 从业者该如何有针对性地选择这些平台来玩转深度学习? 这期的公开课特邀了先后在谷歌、亚马逊、微软供职的机器学习科学家彭河森博士为大家讲述《MXNet火了,AI从业者该如何选择深度学习开源框架》。彭河森博士亲眼见证并深入参与了这三家巨头布局深度学习的这一过程。 嘉宾介绍 彭河森,埃默里大学统计学博士。现担任微软美国总部的机器学习科学家、微软必应广告部应用资深
作者 | 黄波,何沧平 责编 | 何永灿 随着人工神经网络算法的成熟、GPU计算能力的提升,深度学习在众多领域都取得了重大突破。本文介绍了微博引入深度学习和搭建深度学习平台的经验,特别是机器学习工作流、控制中心、深度学习模型训练集群、模型在线预测服务等核心部分的设计、架构经验。微博深度学习平台极大地提升了深度学习开发效率和业务迭代速度,提高了深度学习模型效果和业务效果。 深度学习平台介绍 人工智能和深度学习 人工智能为机器赋予人的智能。随着计算机计算能力越来越强,在重复性劳动和数学计算方面很快超过了
简介 近日重温了《深度学习在腾讯的平台化和应用实践(全)》,感兴趣可以在这里阅读 https://zhuanlan.zhihu.com/p/21852266 ,里面介绍了腾讯在深度学习平台基础架构上细致的工作,本人在2016 C++及系统软件大会上也分享了小米cloud machine learning平台的细节,在此给大家总结和对比一下。 腾讯Mariana平台 在前面提到的文章中,已经详细介绍了腾讯深度学习平台,也就是Mariana项目的实现细节了,这是一个真正意义上的平台。在参考文献上也体现出来,腾讯
导读:深度学习技术已经在互联网的诸多方向产生影响,每天科技新闻中关于深度学习和神经网络的讨论越来越多。深度学习技术在近两年飞速发展,各种互联网产品都争相应用深度学习技术,产品对深度学习的引入也将进一步影响人们的生活。
除了“技术炫”,人工智能的另一大特征是“开会多”,然而,专门针对“深度学习”的开发者大会却少之又少。
机器之心报道 作者:杜伟 在百度 Create AI 开发者大会上,百度 CTO 王海峰提出「深度学习 +」概念,它预示着人工智能的技术创新和产业发展进入深度学习驱动的新阶段。 自人类进入工业社会以来,每次工业革命的背后都离不开核心技术的驱动,正如机械技术、电气技术和信息技术之于前三次工业革命。如今在第四次工业革命进程中,AI 正成为核心驱动力,而深度学习是关键核心技术。 深度学习具有很强的通用性,它呈现出的标准化、自动化和模块化特征,逐渐推动 AI 进入工业大生产阶段。作为快速便捷构建、训练和部署 A
现在深度学习非常热门,而深度学习的库也如雨后春笋般涌现出来。
内容来源:2017年11月19日,饿了么资深后端工程师江骏在“11.19上海 | K8S Sail!系列技术沙龙”进行《饿了么Docker&K8S实践经验分享》演讲分享。IT 大咖说(微信id:itd
TensorFlow是一个基于数据流编程(dataflow programming)的符号数学系统,被广泛应用于各类机器学习(machine learning)算法的编程实现,其前身是谷歌的神经网络算法库DistBelief 。 Tensorflow拥有多层级结构,可部署于各类服务器、PC终端和网页并支持GPU和TPU高性能数值计算,被广泛应用于谷歌内部的产品开发和各领域的科学研究 。
“深度学习框架是智能时代的操作系统。百度飞桨深度学习平台正在推动人工智能的快速发展,加快中国的产业智能化进程。”6月28日,百度首席技术官王海峰应邀参加2019中国国际软件博览会,发表了题为《飞桨深度学习平台加速产业智能化》的演讲。王海峰在演讲中分享了深度学习技术推动人工智能发展的思考,介绍了百度飞桨(PaddlePaddle)深度学习平台的优势以及助力产业智能化的成果。
机器之心原创 作者:高静宜 3 月 28 日,腾讯云宣布推出深度学习平台 DI-X(Data Intelligence X),为机器学习、深度学习用户提供一站式服务,为其在 AI 领域的探索降低门槛并提供最流畅的体验。DI-X 平台基于腾讯云的大数据存储与处理能力,集成 Caffe、TensorFlow、Torch 主流深度学习框架,主打行云流水的拖拽式操作,具备强大的业内开源及腾讯自研算法库和模型库。DI-X 平台的推出是腾讯在 AI 领域长线布局中不可缺少的一环,也宣告腾讯云在 AI 布局的全面加速。
哪些是值得学习的、好的专业库,而哪些又是应该避免的边缘项目,我们应该如何区分。
深度学习(Deep Learning)在这两年风靡全球,大数据和高性能计算平台的推动作用功不可没,可谓深度学习的“燃料”和“引擎”,GPU则是引擎的引擎,基本所有的深度学习计算平台都采用GPU加速。同时,深度学习已成为GPU提供商NVIDIA的一个新的战略方向,以及3月份的GTC 2015的绝对主角。 那么,GPU用于深度学习的最新进展如何?这些进展对深度学习框架有哪些影响?深度学习开发者应该如何发挥GPU的潜力?GPU与深度学习结合的前景以及未来技术趋势到底是怎么样的?在日前的NVIDIA深度学习中
据罗伯特·J·索耶在《计算中的上帝》描述,在我们创造的人工智能体眼中,我们就是上帝。那么,作为无所不能的上帝,我们又需要多么完美的计算机? 答案可以脱口而出,速度无穷快,存储无穷大,接口无穷智能……
引言:深度学习是近年机器学习领域的重大突破,有着广泛的应用前景。随着Google公开Google Brain计划,业界对深度学习的热情高涨。百度成立深度学习研究院,腾讯也启动了深度学习的研究。腾讯在深度学习领域持续投入,获得了实际落地的产出。本文是腾讯深度学习系列文章的第一篇。我们准备了四篇文章,阐述深度学习的原理和在腾讯的实践。 2014年6月22日,腾讯深度学习平台(Tencent Deep Learning Platform)于国际机器学习领域顶级会议ICML2014上首次公开亮相,揭秘了腾讯深度学习
根据 GitHub 活跃数、开发人员使用人数、在招聘描述中出现的频率等综合数据分析,Google的 TensorFlow 仍稳居第一,被广大网友一致认为非常适合入门学习的 Keras 、人气涨势迅速的 PyTorch 、还有 Caffe 、Theano、MXNet 、CNTK 、Caffe 2.0、FastAi 等框架都紧随其后,受到越来越来多开发者和企业的关注。
在深度学习领域,有许多深度学习框架可以让开发者和研究者用于设计模型,每个框架具备各自独特的网络结构定义和模型保存格式。AI 工程师和研究者希望自己的模型能够在不同的框架之间转换,但框架之间的差距阻碍了模型之间的交互操作。
AI 科技评论按:作为人工智能时代的基础,深度学习一直是人工智能最热门的、企业投入最多的研究领域之一。近日,百度宣布成立深度学习技术平台部,汇聚更多的 AI 科学家和架构师,进行深度学习框架 PaddlePaddle 的研发和推广。
对于不同学习阶段和不同岗位的开发者来说,什么样的深度学习框架才是适合自己的呢?为此,AI 前线邀请了来自BAT的深度学习框架专家解答这个疑问。
AI圈推特红人,Keras框架的作者François Chollet又搞大新闻了!近日François Chollet在推特上发推称:“深度学习研究已经进入了瓶颈期。将深度学习应用于解决现实生活问题的
近年来,随着大数据在互联网的蓬勃发展,很多人工智能的技术、应用像雨后春笋般涌现出来,如谷歌、Facebook、阿里、腾讯、百度等用得非常广泛,且各种应用都通过深度学习的方法推出。阿里巴巴这几年在深度学习方面颇有建树,特在“2015杭州·云栖大会”开设了深度学习专场,邀请七位专家从图形、图像、安全、声音、语音等方面全面介绍了利用深度学习技术、应用,以及分析包装深度学习技术的经验方法。 华先胜:基于深度学习的大规模图像搜索、理解和人脸识别技术 阿里巴巴搜索事业部研究员华先胜在“2015杭州·云栖大会”深度学习
近年来,随着大数据在互联网的蓬勃发展,很多人工智能的技术、应用像雨后春笋般涌现出来,如谷歌、Facebook、阿里、腾讯、百度等用得非常广泛,且各种应用都通过深度学习的方法推出。阿里巴巴这几年在深度学习方面颇有建树,特在“2015杭州·云栖大会”开设了深度学习专场,邀请七位专家从图形、图像、安全、声音、语音等方面全面介绍了阿里巴巴利用深度学习技术、应用,以及分析包装深度学习技术的经验方法。 华先胜:基于深度学习的大规模图像搜索、理解和人脸识别技术 阿里巴巴搜索事业部研究员华先胜在“2015杭州·云栖大会”
2016年DeepMind开发的AlphaGo在围棋对决中战胜了韩国九段选手李世石,一时成为轰动全球的重大新闻,被全球多家媒体大肆报道。AlphaGo之所以取得这么大的成功,这其中最重要的技术之一是深度学习技术。经过这几年的发展,深度学习技术已经在图像分类、语音识别、自然语言处理等领域取得突破性进展,甚至在某些方面(如图像分类等)超越了人类专家的水平。深度学习技术驱动了第三次人工智能浪潮的到来。
深度学习其实就是神经网络模型,一般来说,隐含层数量大于等于2层就认为是深度学习(神经网络)模型。神经网络不是什么新鲜概念,在好几十年前就被提出来了,最早可追溯到1943年McCulloch与Pitts合作的一篇论文(参考文献1),神经网络是模拟人的大脑中神经元与突触之间进行信息处理与交互的过程而提出的。神经网络的一般结构如下图,一般分为输入层、隐含层和输出层三层,其中隐含层可以有多层,各层中的圆形是对应的节点(模拟神经元的对应物),节点之间通过有向边(模拟神经元之间的突触)连接,所以神经网络也是一种有向图模型。
2018 年 1 月 19 日,极客公园创新大会 IF 2018 在北京召开,Google Brain 首席工程师陈智峰分享了《寻找答案从定义问题开始——TensorFlow 可以用来做什么?》的演讲。 深度学习的演变过程 📷 深度学习这几年非常流行,在上面这张图中,我们可以看到在 Google 上搜索“深度学习”的请求在过去 7、8 年间大约增长了 100 倍。从这个侧面也反映出业界对这个技术的关注程度迅速提高。大家都想知道,深度学习是什么?它能够为我们做什么?我们可以怎么来应用它? 其实,深度学习并不是
【导读】你是否曾为选择TensorFlow或Keras而感到纠结?又是否认深度学习编程费时费力而感到苦恼?本文带大家领略一下DeepCognition.ai,其致力于克服深度学习向大众化应用中遇到的障
当今社会是科技的社会,是算力快速发展的时代。随着数据中心、东数西算、高性能计算、数据分析、数据挖掘的快速发展,大模型得到了快速地发展。大模型是“大算力+强算法”相结合的产物,是人工智能的发展趋势和未来。目前,大规模的生态已初具规模。其可以实现从“手工作坊”到“工厂模式”的AI转型。大模型通常在大规模无标记数据上进行训练,以学习某种特征和规则。基于大模型开发应用时,可以对大模型进行微调,或者不进行微调,就可以完成多个应用场景的任务;更重要的是,大模型具有自监督学习能力,不需要或很少需要人工标注数据进行训练,降低训练成本,从而可以加快AI产业化进程,降低AI应用门槛。
【新智元导读】Facebook今天宣布开源深度学习平台 Torchnet。Torchnet 基于广泛使用的开源深度学习框架 Torch 7 搭建,支持模块化编程方法,能减少程序员工作量、降低错误率,简化深度学习模型训练过程。相比其他巨头自己搭建的深度学习平台,Torchnet 更加开放,也将大幅推进深度学习的应用普及。 2016 年 6 月 24 日,Facebook 宣布开源深度学习平台 Torchnet,简化研究和开发人员建立深度学习系统过程。 Torchnet 以目前广泛使用的深度学习框架 Torch
公报更进一步强调了科技的自立自强,并明确提出到2035年关键核心技术要实现重大突破。这表明,“十四五”期间,科技创新会被提升到一个更高的战略位置,以改变当前对美国技术依赖性强的被动局面,并成为拉动未来经济发展的重要力量。
大数据文摘作品,转载要求见文末 作者 | Vishnu Subramanian 编译 | 糖竹子,元元,钱天培 今天是9月2日,在一片欢(ai)声(sheng)笑(tan)语(qi)中,我们又迎来了快乐的新学年!小伙伴们,开学季快跟文摘菌一起闭着眼睛念:“我爱学习,学习使我快乐!” 今天,对AI有兴趣,又不知道如何开始的胖友们可是有福气啦!我们为大家带来了一篇关于机器学习课程推荐的文章,将从授课人、课程内容、课程亮点、课程局限和费用,等5个角度,对市面上热度较高的三门课程进行剖析。 深度学习课程不知道何
进行深度学习的训练向来不被认为是CPU的强项,但是以CPU研发见长的英特尔并不甘心屈服于这个定位,在过去的几年里,英特尔及其合作伙伴一直在探索用CPU来进行快速有效的深度学习开发的方法。代号KNL的Xeon Phi至强芯片是英特尔的努力尝试之一,同时在深度学习算法的改进上,英特尔也做了一些努力。 近日,在美国旧金山举行的IDF16大会上,与英特尔联合宣布启动了KNL试用体验计划的浪潮集团副总裁、技术总监胡雷钧做了基于英特尔至强融合处理器KNL和FPGA上的深度学习的试用体验报告。报告介绍了高性能计算和深度学
GPU 成为在构建深度学习系统时必不可少的需要关注的方向,但是诸如如何选择一款 GPU 来搭建深度学习平台,如何升级自己的 GPU 之类的问题一直困扰着开发者。现在,这些问题都将由来自英伟达的深度学习专家为你解答。 GPU 成为每一家企业在构建深度学习系统时必不可少的需要关注的方向,与此同时英伟达每一年在推出新的 GPU 架构和依托于此的新的产品,其最推先推出的 Volta 架构,比起当前 Pascal 的性能提升了 5 倍,优于两年前推出的 Maxwell 架构 15 倍,远远超过摩尔定理的预测,在此
如果说算法模型是果实,那么开发它的环境和框架就是培育果树的土壤。尽管平时在开发中,框架和底层环境没有那么引人瞩目,但没有这些底层技术的支持,优秀的思路和创意也就无从实现。当前,深度学习社区基本上被 TensorFlow 和 PyTorch 两大框架垄断。开源框架固然具有很高的人气和易用性,但是在国际环境变幻莫测的大背景下,是否依赖这些框架就足够保险呢?同时,如果企业有新的想法和业务需求,开源框架能否完美实现?是否能够无缝嵌入业务之中?这些都是 AI 企业需要思考的问题。
新智元推荐 来源:OneFlow 【新智元导读】近日,袁进辉(老师木)代表OneFlow团队在全球互联网架构大会上海站做了《深度学习平台技术演进》的报告。报告包括深度学习的计算力问题、硬件基础、软件挑战、传统大数据架构、深度学习软件平台的技术演化等。 2017年12月22日,袁进辉(老师木)代表OneFlow团队在全球互联网架构大会上海站做了《深度学习平台技术演进》的报告,小编对报告内容作简要梳理注解,以飨读者。 此次报告的主要观点为:(1)计算力是神经网络/深度学习复兴的最大推动力之一;(2)面对
作为推动 AI 应用大规模落地的关键力量,深度学习平台的重要性日益凸显。近年来,全球人工智能学术界以及产业界各研发主体陆续开源旗下自主研发深度学习技术,搭建人工智能开放平台,推动人工智能产业生态的建立。 据 2021 年 IDC 报告显示,中国首个自主研发、开源开放的产业级深度学习平台百度飞桨,在中国深度学习平台市场综合份额位列第一。以飞桨为代表的深度学习平台正在发展成为更适合产业需求、更受中国开发者欢迎的 AI 新型基础设施。 11 月 30 日,由深度学习技术及应用国家工程研究中心主办的 WAVE S
允中 发自 凹非寺 量子位 | 公众号 QbitAI 人工智能的技术创新和产业发展,进入“深度学习+”阶段。 这是来自百度CTO王海峰的最新判断。 没错,不是很多人已熟知的“人工智能+”或是“智能+”。 而是把范围直接缩小到了它们的子集:深度学习。 有何区别? 类似于此前更早的“互联网+交通”催生打车软件、网上购票改变人们出行的方式,符号的前后二者绝不是简单的求和关系,而是需要它们进行深度融合。 而人工智能技术,在当今被普遍视为第四次工业革命的核心驱动力;因此,作为人工智能关键核心的深度学习该如何做“+”
人工智能兼具技术属性和社会属性高度融合特点,是新时代经济发展新引擎、社会发展加速器。为加快建设创新型国家,深入实施创新驱动发展,理当精准把握人工智能领域的发展大势。 常言道:“功以才成,业由才广。”抢占顶尖人才制高点,也便意味着具备了占据该领域的先机。不过,当面对人工智能领域顶尖人才的匮乏现状和日甚一日的渴求心理,是花费巨资普遍撒网争夺引进还是着眼于长远可持续培养,University AI 选择了 hard way 模式,即花费大量心血从人才本身出发的长远可持续性培养,和百度 AI 的目标非常契合,随即大
选自DataScienceCentral 作者:William Vorhies 机器之心编译 参与:Panda 深度学习技术往往比较复杂,从头开发的难度较大,但现在有一些公司提供了能帮助开发者轻松使用深度学习的自动化深度学习(ADL)平台,比如微软的 CustomVision.AI、谷歌的 Cloud AutoML、OneClick.AI。Data Science Central 近日发文对这三个平台进行了比较和盘点,机器之心对该文做了编译介绍。 阻碍我们使用深度学习方法的原因有很多,其中最主要的是深度学习
数据科学领域有一部分研究者和开发者已经选择学习这些新技术了,但在预测性和规范性建模的问题类型和技术方面(我们 90% 的工作就是这些),学习深度学习技术却与我们的大部分工作方向背道而驰。
《西部世界》中的 AI 机器人引发了人们对于 AI 技术的惶恐——因为它描绘出了一个机器人拥有意识和意志的世界。埃隆·马斯克不止一次在公开场合重申了他对超级 AI 潜在崛起的担忧。他说:“请记住我的话,AI 比核武器危险得多。”
深度学习三巨头Yann LeCun、Yoshua Bengio和Geoffrey Hinton于2015年5月底发表于《Nature》杂志的综述文章“Deep Learning”表明,深度学习算法已经成为解决各种行业问题、赋予应用智能的关键技术之一,即便从整个自然科学界来看,深度学习对人类未来的发展也是影响深远。 当然,Yoshua Bengio也在最近的博文中表示,AI光靠几个媒体明星是远远不够的,需要成千上万科学家和工程师的工作,才能达成更大的进步并实现更多的应用。在深度学习领域,我们平日关注的更多是在
摘要 深度学习的概念源于人工神经网络的研究,含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。 机器学习与深度学习应用
去年 3 月 22 号,华为 HiAI 首席架构师杨鋆源第一次听到 PaddlePaddle 这个名字。当时,他的内心想法是,「业界深度学习框架已经很多了,开发者已经是选择困难,百度还有必要再做一个吗?」
当前人工智能领域最热门的技术,无疑是大数据+深度学习。实验环境下,深度学习的性能在语音识别、图象分类和检索、人脸识别、文字识别以及智能交通等领域,都大幅超过了传统的方法。但从商业化的角度来看,深度学习的应用才刚刚开始,挑战依然巨大。深度学习如何才能有用、好用,依然困扰许多企业和开发者。在9月24日下午的2015高性能计算用户大会 (HPCUF2015)深度学习分论坛上,来自 工业界和学术界的六位专家分享了深度学习技术在智能语音、搜索、广告、视觉分析、流量识别等不同领域的应用,以及为如何构建高性能计算平台来支
如果你浏览 AI 相关的新闻,不难发现「高薪」、「百万年薪」等极具诱惑力的词汇的出现频率非常高。同样,在知乎中搜索「如何转型 AI?」、「AI 领域需要怎样的人才?」、「普通程序员如何学习 AI 知识?」等问题,也总会发现各种各样的答案和衍生的话题。在人工智能浪潮的助推下,不少科技公司开高薪求良才,更有不少开发者前赴后继地投身进 AI 的风口中。
领取专属 10元无门槛券
手把手带您无忧上云