机器之心报道 编辑:泽南、陈萍 什么也阻止不了我去学习。 春天到了,斯坦福大学计算机科学系又迎来了一批博士新生。 该校的 CS 专业每年会收到上千份申请,招收约 80 名新人,其中一半会进入专注于人工智能研究的斯坦福人工智能实验室 SAIL。 对于这所美国名校而言,每个人都是百里挑一的精英。但仍让人始料未及的是,今年新生行列中出现了这样一个人,Google Scholar 统计显示,他的论文被引用数量竟已接近 4 万: 一个刚入学的新生,论文被引数比斯坦福很多助理教授还要高很多,这就不禁让人产生疑问,大
【新智元导读】本文从算法、市场及硬件三个角度观察深度学习对计算机视觉的影响,并补充完整视频。谷歌TensorFlow移动端和嵌入式应用团队负责人Pete Warden介绍了如何用TensorFlow框架开发不同的低能耗深度学习产品。调研公司Tractica首席分析师表示,到2024年,深度学习服务业产值将超过500亿美元。IEEE Fellow Chris Rowen预测,神经网络将催生出新的价值链,全新的IP、工具和数据服务也会应运而生。 嵌入式视觉联盟主编Brian Dipert今天发布博文,介绍了2
【新智元导读】本文从算法、市场及硬件三个角度观察深度学习对计算机视觉的影响。以下三个视频中,谷歌TensorFlow移动端和嵌入式应用团队负责人Pete Warden介绍了如何用TensorFlow框架开发不同的低能耗深度学习产品。调研公司Tractica首席分析师表示,到2024年,深度学习服务业产值将超过500亿美元。IEEE Fellow Chris Rowen预测,神经网络将催生出新的价值链,全新的IP、工具和数据服务也会应运而生。 嵌入式视觉联盟主编Brian Dipert今天发布博文,介绍了2
安装Bosh 安装 VirtualBox 略 $ VBoxManage --version 5.1.22r115126 安装Bosh $ wget -c https://s3.amazonaws.com/bosh-cli-artifacts/bosh-cli-2.0.48-linux-amd64 $ chmod +x bosh-cli-* $ sudo mv bosh-cli-* /usr/local/bin/bosh 安装完成后运行下面命令确认安装成功 $ bosh -v version 2.0.48-e
原作 Pete Warden 夏乙 编译自 Pete Warden’s blog 量子位 出品 | 公众号 QbitAI △ Pete Warden 周末,特斯拉AI负责人Andrej Karpat
「离开大厂,回归学术界」在近两年似乎已经成为了一种趋势,尤其是对于 AI 产业界而言,更是如此。
安装 VirtualBox 略 $ VBoxManage --version 5.1.22r115126 安装Bosh $ wget -c https://s3.amazonaws.com/bosh-cli-artifacts/bosh-cli-2.0.48-linux-amd64 $ chmod +x bosh-cli-* $ sudo mv bosh-cli-* /usr/local/bin/bosh 安装完成后运行下面命令确认安装成功 $ bosh -v version 2.0.48-e94aeeb-
据德国Der Spiegel杂志曝光,苹果的iOS、谷歌的Android、黑莓的操作系统曾都沦为NSA监控目标的“阶下囚”。文章称,NSA分析师非常热衷于从智能手机和软件中获取用户的地理位置信息,这样他们就能掌控民众的去向。 另外,文章指出,NSA还曾一度具备了获取用户在某一时间段的地理位置信息的能力,这种情况则一致持续到苹果推送了iOS 4.3.3之后。据介绍,2011年4月,研究人员Alasdair Allan和Pete Warden曾曝出了iOS中的一个漏洞,即用户地理位置数据被实时储存在一个极易被第
一年前,我们推出了在 HackerOne 上的赏金计划,以提高 Flexport 的安全性。 HackerOne 让我们为业余爱好者和专业渗透测试人员提供赏金来鼓励他们发现漏洞。 于是,我们收到了近
雷锋网AI 科技评论按:机器学习的研究正进行的如火如荼,各种新方法层出不穷。尽管这样,还有一个问题摆在面前,研究这些算法对于现实有什么用。特别是当讨论起机器学习在手机和其他设备上的应用时,经常会被问到到:「机器学习有什么杀手级应用?」
机器学习的研究正进行的如火如荼,各种新方法层出不穷。尽管这样,还有一个问题摆在面前,研究这些算法对于现实有什么用。特别是当讨论起机器学习在手机和其他设备上的应用时,经常会被问到到:「机器学习有什么杀手级应用?」
本文整理出大数据和人工智能领域最实用,质量最高的10大技术网站信息,既可以用于丰富技术知识,也可以用于学术研究。
Pete Warden,是谷歌TensorFlow团队成员,也是TensorFLow Mobile的负责人,常年遨游在深度学习的大海。
Docker 和容器技术的发展可谓是日新月异,本文试图以全局的视角来梳理一下 docker 目前的生态圈。既然是概览,所以不会涉及具体的技术细节。
最近的几场演讲和技术交流中,有个问题常被问到:既然容器(Container)不是什么新技术,为什么Docker能在短时间内如此风靡世界,得到大家的一致推崇呢?
Linux容器是操作系统级虚拟化在单个Linux主机上提供多个独立Linux环境的技术。与虚拟机(VM)不同,容器不运行专用客户操作系统。相反,他们共享主机操作系统内核,并利用客户操作系统库提供所需的操作系统功能。由于没有专用操作系统,容器的启动速度比VM快得多。
唐旭 编译自 O’reilly 量子位 出品 | 公众号 QbitAI TensorFlow开源一年半以来,在GitHub上已经有了820位贡献者,close了5192条issue,还有1033条开放着。 同时,如果所有TensorFlow团队成员都在GitHub上,而且属于这个组织的话,它在Google内部还有着一支75人的团队。 一支人数不算少的全职团队,是如何和数量众多的开源贡献者共同改进TensorFlow的呢?团队的技术主管Pete Warden带着深深的怨念,在O’reilly网站上发表
【AI100 导读】上周 TensorFlow 1.0 的发布使之成为最有前景的深度学习框架,也在中国 AI 社区中掀起了学习 TensorFlow 的热潮,不过光跑例子怎能脱颖而出?本文是数据科学公司(Silicon Valley Data Science)的数据工程师 Matt Rubashkin 的一篇实战派文章,介绍了他如何创造性的将深度学习与物联网结合起来解决一个实际问题的思路和过程,非常具有启发性。 SVDS(Silicon Valley Data Science)曾使用过实时、公开的数据来优化
书包网是个很好的小说网站,提供了小说txt下载,并且网站后端高并发,不用担心随便抓一下把网站抓崩了
AI科技评论按:Pete Warden是TensorFlow移动团队的技术负责人。曾在Jetpac担任首次技术官。Jetpac的深度学习技术经过优化,可在移动和嵌入式设备上运行。该公司已于2014年被谷歌收购。Pete还曾在苹果公司从事GPU优化领域的图像处理工作,并为O'Reilly撰写多本数据处理方面的书籍。本文为Pete Warden为一般大众撰写的“如何用TensorFlow构建图片分类器”(TensorFlow for poets,How to build your own image class
作者丨维克多 编辑丨岑峰 又一技术大咖离开业界,前往高校攻关科研! 据Pete Warden(皮特沃登)本人推特消息,他将离开谷歌公司,重返斯坦福大学攻读计算机博士学位。 皮特沃登是谷歌公司Tensorflow面向移动和嵌入式设备部分的技术主管,也是 Tensorflow团队的创始成员之一。著有《TinyML》一书,希望让机器学习不再囿于云端超级计算机,而是可以被隐藏于众多小到可以被忽视的电子零件中。 至于离开谷歌的原因,皮特沃登说:在谷歌推出新的硬件设备“太难了”,因为一旦失败会对大公司声誉造成非常大
【导读】谈到人工智能(特别是计算机视觉领域),大家关注的都是这一领域不断取得的进步,然而人工智能到底发展到什么程度了?AI 已经成为万能的了吗?Heuritech 的 CTO Charles Ollion 希望通过他的文章可以揭露一些当前的真实情况。接下来就让我们一起看看这位作者都谈了什么内容吧!
2015 年首次推出 TensorFlow 时,我们的初衷是希望它成为一个面向所有人的「开源机器学习框架」。为此,我们想在拥有更多用户的平台上运行。一直以来,我们支持 Linux、MacOS、Windows、iOS 和安卓。然而,尽管很多贡献者不懈努力,在树莓派上运行 TensorFlow 还是很艰难。现在,由于与树莓派基金会的合作,我们很高兴地告诉大家,可以使用 Python pip 包系统从预先构建的二进制文件中在树莓派上安装 TensorFlow 1.9 了!如果正在运行 Raspbian 9(stretch),你可以通过从终端运行以下两个命令来安装它:
吴唯 编译自 Google Research Blog 量子位出品 | 公众号 QbitAI 今早谷歌在自家的科研博客上发文,宣布开源MobileNets——一组移动端优先的计算机视觉模型。通过TensorFlow Mobile,这些模型可以在脱机状态下在移动设备上高效运行。 量子位将原文编译如下: 近几年来,伴随着神经网络不断将视觉识别技术向前推进,深度学习已经为计算机视觉领域的进步贡献了太多太多。而这其中的许多技术,包括对物体、地标、logo和文本的识别等,都是通过云视觉API在联网设备上实现的。 但我
1、首先的话,我们就不手撸一个http服务作为核心了(作者也没那本事),我们可以选中已有的开源http服务作为核心,这里选中了caddy作为核心,主要是配置挺方便,性能也高
Game hacks,也就是通常所说的游戏软件。在网络游戏时代,也许是因为针对传奇这类游戏的软件大都利用WPE之类的抓包工具来制作,因此hacks又叫外挂。不过Diablo的hacks绝大多数是和游戏代码紧密结合在一起的,也许应该叫内挂才对。 Diablo II LOD(以下简称D2X)中的hacks大概可分为exploit、bot和mod三大类。exploit即漏洞,就是利用游戏设计上的缺陷或者BUG完成 一些正常游戏时做不到的事情,比如复制装备,偷窥其他玩家装备,显示所有场景地图等等。bot俗称机器人,是指那些能自动模拟人的操作进行游戏的程序。比 如有的bot能自动运行游戏程序,输入帐号名密码,创建、进入游戏,并自动找怪物,杀怪物,捡装备等等。mod即modification,指通过修改 D2X本身的一些(角色、怪物、场景等)设定来获得另外一种游戏体验,从这个意义上讲那些所谓的资料片都可以看做MOD,只不过是官方做的。这里主要介绍 exploit和bot。exploit和bot的主要区别在于bot是模拟人的操作自动进行游戏,exploit是帮助玩家在游戏时获得一些得到一些便 宜。exploit的用处容易理解。bot要来干吗呢?D2X中装备决定一切,没有合适的装备在游戏中寸步难行。另外装备可以卖钱,在我的印象中,战网上 出现的第一把极品弓WindForce/8卖到几千美元。想得到高级装备,就得一遍又一遍的MF(Magic Finding,术语来着,通常指打怪物捡它掉下来的装备)。一般来说好装备出现的概率都非常非常低,玩家自己MF的话要花很多时间,这时候bot就派上 用场了。--这就是Diablo中最流行的一类MF bot存在的原因。bot还可以做其他一些用途,比如,pass bot可以帮你的baby角色通关;follow bot可以让你的baby角色自动跟随高级角色打怪、通关、升级。 D2X中hack的发展过程,大概可以分为三个阶段:
上篇对FCN的论文解读提到,FCN的训练依赖大量数据,并且仍存在分割结果不精细的弱点。今天要说的Unet就是受到FCN启发针对医学图像做语义分割,且可以利用少量的数据学习到一个对边缘提取十分鲁棒的模型,在生物医学图像分割领域有很大作用。据我了解,Unet是现在很多公司的魔改对话,在移动/嵌入式端的,也已经有把Unet做到了实时的例子。
新智元推荐 作者:Pete Warden 翻译:专知(ID:Quan_Zhuanzhi)Yongxi, Huaiwen 编辑:克雷格 【新智元导读】数据科学家,Jetpac 公司CTO Pete
【新智元导读】前谷歌 TensorFlow 工程负责人 Peter Warden 和大家分享了利用 OSX 系统里的 Find 快速为大规模图片打标签,以优化深度学习的训练集合的方法。 我发现:如果想在深度学习中得到优质结果,收集大量数据的能力比使用最新的架构更为重要。因此,自从入职了 Jetpac,我投入了很多精力研究优化训练集合的最佳方法。我使用过,甚至自己写过许多不同的为此设计的用户界面,但最后令人惊讶的是,OSX 系统里内嵌在 stock 中的 Finder 的生产力居然是最高的! 通过以下方法,我
本次研讨会是由IS-ENES3和ESiWACE2联合举办,旨在将来自学术界和产业界的气候科学家和专家聚集在一起,分享知识和经验,并在天气和气候建模的机器学习、人工智能和大数据技术领域发现新的机遇。
AI 研习社按:这篇博客来自 Jetpac(现被谷歌收购) CTO、苹果毕业生、TensorFlow 团队成员 Pete Warden。文中讨论了当要识别的对象出现在图像中的不同位置时,CNN 是如何应对、识别的。Pete Warden 给出的解释也许算不上完善,而且也仍然无法保证能够消除位置的影响,但这是一个不错的开始。AI 研习社全文编译如下。
AI 科技评论按:这篇博客来自 Jetpac(现被谷歌收购) CTO、苹果毕业生、TensorFlow 团队成员 Pete Warden。文中讨论了当要识别的对象出现在图像中的不同位置时,CNN 是如何应对、识别的。Pete Warden 给出的解释也许算不上完善,而且也仍然无法保证能够消除位置的影响,但这是一个不错的开始。AI 科技评论全文编译如下。
几天前,我收到了 Plant Village 的一个问题,Plant Village 是一个和我合作的团队,他们正在开发一个 app 。它可以检测植物的病害,当它指向叶子的时候可以得到很好的结果,但是如果你把它指向电脑键盘,它会认为这是受损的作物。
本文从生产层面强调了深度学习项目开发中需要更加重视数据集的构建,并以作者本人的亲身开发经验为例子,分享了几个简单实用的建议,涉及了数据集特性、迁移学习、指标以及可视化分析等层面。
关于转载授权 大数据文摘作品,欢迎个人转发朋友圈,自媒体、媒体、机构转载务必申请授权,后台留言“机构名称+转载”,申请过授权的不必再次申请,只要按约定转载即可,但文末需放置大数据文摘二维码。 今天是感恩节,不知道这个话题合适不合适。我们经常会提到『死而无憾』这个词。这个词似乎是一种理想状态,几乎100%的人还是做不到的。那么我们的『憾』在哪里?这个问题看似不是难题,不过仔细想想是永远没答案的,人只有在死前的一刻才知道自己的遗憾在哪里,而这个感觉是永远不可能模拟的。当然我们没这么较真儿,也没必要。可能我们经常
AI 科技评论按:当训练好的图像分类器遇到了训练数据里不存在的类别的图像时,显然它会给出离谱的预测。那么我们应该如何改进分类器、如何克服这个问题呢?
移动互联网时代,人类生产的新数据正以指数级别增长,数据中心越来越大,并消耗着地球上难以想象的巨大能耗,但人类依然可能面临着“数据无处存放”的境地。
图2.2 容器技术框架
http://blog.csdn.net/warden2010/article/details/6253188
关于这个问题,fast.ai (那个提供免费课程的“慈善组织”) 创始人Rachel Thomas (简称若雪) 有话要说。
这个列表包含了几乎所有经常更新的大数据的博客,属于一个广泛的类别:数据科学,数据分析,商业智能,机器学习,数据可视化,数据挖掘,NoSQL,Hadoop的等等。博客是按字母顺序排列。如果我们错过了任何重要的博客,请告诉我们。 1. 451 Caos Theory 2. A Beautiful Www 3. A Blog By Tim Manns 4. A Computer Scientist In A Business School 5. A.C. Thomas, Scientist 6. Abbott
Cloud Foundry是业界第一个开源PaaS云平台,它支持多种框架、语言、运行时环境、云平台及应用服务,使开发人员能够在几秒钟内进行应用程序的部署和扩展,无需担心任何基础架构的问题。
对于个人和公司来说,存在许多状况是更希望在本地设备上做深度学习推断的:想象一下当你在旅行途中没有可靠的互联网链接时,或是要处理传输数据到云服务的隐私问题和延迟问题时。
AI 研习社按,机器学习研究者、Jetpac 的 CTO、《The Public Data Handbook》和《The Big Data Glossary for O’Reilly》两本书的作者 Pete Warden 最近在自己的个人博客上发表了一篇文章,讨论了机器学习领域令人头疼的模型的可重复性问题,广大研究人员们想必深有同感。AI 科技评论把文章编译如下。
图源:unsplash 来源 | 雷克世界(公众号ID:raicworld) 编译 | 嗯~是阿童木呀、EVA 导语:在本文中,我们描述了Google最新发布的一个用于帮助训练和评估关键词识别系统的口语词汇组成的音频数据集。讨论了为什么这个任务是一个有趣的挑战,以及为什么它需要一个专门的,与用于对完整句子进行自动语音识别的传统数据集所不同的数据集。 我们提出了一种对该任务进行可重复、可比较的精确度指标度量方法。描述了数据是如何被收集和验证的,它所包含的内容,以及其以前的版本和属性。通过报告在该数据集上训练的
(文/Lukas Biewald)物体识别是当前机器学习最热门的方向。计算机早已能够识别如人脸、猫之类的物体,但识别更大范围里的任意物体对人工智能来说仍是难题。也许真正让人惊奇的是人脑在识别物体上表现得如此之好。我们能够毫不费力地将反射频率只有细微不同的光子转换为有关周围世界的十分丰富的信息。机器学习仍在与这些对人类来说十分简单的任务作着苦斗,但在过去几年里已经有了很大进步。 深度学习以及大型公共训练数据集 ImageNet 让物体识别有了令人瞩目的进步。TensorFlow是一个著名的深度学习系统,它能非
选自DataScience 作者:Chia-Chun 机器之心编译 参与:Edison Ke、路雪 本文作者 Chia-Chun (JJ) Fu 是加州大学圣塔芭芭拉分校的化学工程博士。她在 Insight 工作的时候,在安卓系统上用 TensorFlow 部署了一个 WaveNet 模型。本文详细介绍了部署和实现过程。 对于个人和公司来说,存在许多状况是更希望在本地设备上做深度学习推断的:想象一下当你在旅行途中没有可靠的互联网链接时,或是要处理传输数据到云服务的隐私问题和延迟问题时。边缘计算(Edge c
几十年来,人工智能通过帮助各行各业的企业蓬勃发展,证明了其价值。从汽车制造厂的机器人到预测货币和库存变动到交易员,人工智能是我们生活的一部分。
AI 科技评论按:机器学习研究者、Jetpac 的 CTO、《The Public Data Handbook》和《The Big Data Glossary for O’Reilly》两本书的作者 Pete Warden 最近在自己的个人博客上发表了一篇文章,讨论了机器学习领域令人头疼的模型的可重复性问题,广大研究人员们想必深有同感。AI 科技评论把文章编译如下。
领取专属 10元无门槛券
手把手带您无忧上云