机器学习人工学weekly-2018/1/21

1. Google Brain发布2017年总结贴,感觉今年vision方面已经没什么进展了,AutoML还是优先级最高的

链接:https://research.googleblog.com/2018/01/the-google-brain-team-looking-back-on.html

看TF在全世界的热度,中国绝对的一塌糊涂

果然几天之后Google Cloud就宣布AutoML vision(对AutoML感兴趣的应该去读读Barret Zoph和Quoc Le的两篇论文Neural Architecture Search和Neural Optimizer Search,去年Berkeley RL课有一节就是请他们讲这个):

链接:https://www.blog.google/topics/google-cloud/cloud-automl-making-ai-accessible-every-business/

2. 芝加哥大学David McAllester教授的深度学习课slides,UChicago一向以学术严谨著称,这个课的内容很多,质量很不错,可惜没有视频

链接:http://ttic.uchicago.edu/~dmcallester/DeepClass/class.html

3. FloydHub(YC里面为数不多的作深度学习平台的公司)这篇blog蛮有意思,就是之前pix2code工作的延伸,直接从设计图生成HTML(其实就是image captioning),虽然目前看起来离实用还有一些距离,但是这个方向应该还是有前途的,算是program synthesis的一种吧

链接:https://blog.floydhub.com/Turning-design-mockups-into-code-with-deep-learning/

貌似airbnb设计团队已经在使用这个技术作快速experiment了

链接:https://airbnb.design/sketching-interfaces/

4. Facebook开源的StarSpace,可以用来学习各种情况下的embedding,star就是*通用符,space就是embedding空间。设计的非常灵活,可以做文本分类,推荐等许多事情,是个好工具

链接:https://github.com/facebookresearch/StarSpace/

5. OpenAI发布的gradient-checkpointing,在计算的时候只保留一部分中间节点的计算结果,这样通过牺牲计算时间来减少内存消耗,典型的用时间换空间,不过只比完整保留中间计算蛮20%,效果不错。最赞的是可以当成tf.gradient的drop-in replacement,无需巨大的代码改动

链接:https://github.com/openai/gradient-checkpointing

6. Judea Pearl(图灵奖得主,贝叶斯网络发明人,这届NIPS上是有点被冷落,其实很不应该)发文,主要还是探讨model-based以及causal reasoning的重要性,相比于深度学习这种model-blind的东西,model-based显然对于推理,因果分析更有用。model-based跟Yann LeCun说到的predictive learning和RL里面的model-based好像也有一些关系

链接:https://arxiv.org/pdf/1801.04016.pdf

7. Facebook何凯明大神等提出一个新的视觉任务 - panoptic segmentation,把instance segmentation和semantic segmentation结合,让算法不仅要找出每个像素的物体类别,还要找出instance id,把视觉的难度再往前提高了一步,这个还是早期工作,目前只是简单的把instance segmentation和semantic segmentation的算法结合起来做panoptic seg,后面应该还会有跟进工作

链接:https://arxiv.org/abs/1801.00868

8. 微软写了本关于AI的小书,主要是他们高层对AI的发展,政策以及对社会影响(工作等等)的思考,可以快速扫一眼

链接:https://blogs.microsoft.com/blog/2018/01/17/future-computed-artificial-intelligence-role-society

9. 偶然发现这个项目Featuretools,通过Deep Feature Synthesis自动生成features,减少特征工程的工作量

链接:https://github.com/featuretools/featuretools

论文:http://www.jmaxkanter.com/static/papers/DSAA_DSM_2015.pdf

10. 百度发布了 VisualDL,其实就是给其他框架用的TensorBoard,不过模型结构可视化用的是ONNX

  • 发表于:
  • 原文链接http://kuaibao.qq.com/s/20180121A0434L00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。

同媒体快讯

扫码关注云+社区

领取腾讯云代金券