机器学习

在科学上，再现的定义是”当一个实验重复时所获得的一致结果的程度”。数据是可以更改的，特别是数据库中保存的数据。此外，数据科学很大程度上是基于随机抽样、概率和…

  AI学习路线之PyTorch系列 作者|NukeManBill 编译|VK 来源|Blog Spot 我猜你要么每年卖20美元的软件给1000人，要么每年卖…

作者 | Vijendra Singh 编译 | VK 来源 | Medium 交叉熵损失是深度学习中应用最广泛的损失函数之一，这个强大的损失函数是建立在交叉熵概念上的。当我开始使…

作者 | Sabina Pokhrel 编译 | Arno 来源 | Analytics Vidhya 预计到2025年，边缘计算市场规模将达到290亿美元。 在这十年里，已经发生…

作者 | FaceBook Research 编译 | VK 来源 | Github 数据可视化工具Visdom（上） 用于创建，组织和共享实时丰富数据可视化的灵活工具。…

作者 | Aleksandr Movchan 编译 | VK 来源 | Medium 人工智能的一个基本问题是它无法像人类一样高效地学习。许多深度学习分类器显示了超人的表…

 AI学习路线之Keras篇 作者 | Youness Mansar 编译 | VK 来源 | Towards DataScience 动机 想象一下，如果有数十万到数百…

作者 | Dario Radečić 编译 | VK 来源 | Towards DataScience 处理图像不是一项简单的任务。对你来说，作为一个人，很容易看着某样东西然后马上…

总览 入门 欢迎！如果您不熟悉所有这些深度学习知识，请不用担心-我们将逐步指导您完成所有这些工作。（而且，如果您是老手，那么您可能想看看我们的高级课程：Deep Learning …

译者 | Arno 来源 | Medium 【磐创AI 导读】：本文将会带大家在3分钟内理解GPT，BERT和XLNet的概念差异…

作者 | News 编辑 | 安可 出品 | 磐创AI团队出品 【磐创AI 导读】：本篇文章讲解了PyTorch专栏的第三章中的混合前端的seq2se…

译者 | Arno 来源 | Medium 【磐创AI 导读】：本文将会带大家了解XLNet在语言建模中优于BERT的原因，欢迎大…

作者 | News 编辑 | 安可 出品 | 磐创AI团队出品 【磐创AI 导读】：本篇文章讲解了PyTorch专栏的第三章中的保存和加载模型。查看专…

译者 | fendouai 【磐创AI 导读】：本文将会带大家了解TFLearn，欢迎大家转发、留言。想要更多电子杂志的机器学习，深度学习资源，大家欢迎点击上方…

作者 | News 编辑 | 安可 出品 | 磐创AI团队出品 【磐创AI 导读】：本篇文章讲解了PyTorch专栏的第四章中的微调基于torchvi…

点击上方“磐创AI”，选择“置顶公众号” 精品文章，第一时间送达 来源：GitHub 转载自：新智元，未经允许不得二次转载 【导读】本文介绍由是微软亚洲研究院经过一年的研发推出的A…

作者 | 小猴锅 编辑 | 安可 出品 | 磐创AI团队出品 【磐创AI导读】：本篇文章是深度强化学习专栏的第三篇，讲了第四节无模型的强化学习方法，希望对大家有所帮助。查…

点击上方“磐创AI”，选择“置顶公众号” 精品文章，第一时间送达 转载自：AI科技评论，未经允许不得二次转载 深度学习已经运用到多个领域，为人们生活带来极大便利。然而，为特定任务构…

微信公众号推荐 磐创AI 编辑 安可  微信公众号「磐创AI」，是一个从三大深度学习框架Tensorflow、Keras与PyTorch的角度剖析AI行业最新动态，机器学…