搜索[深度学习]结果-低调大师优秀个人博客

精选列表

搜索[深度学习]，共10006篇文章

TVM：成为深度学习领域的“Linux”

来源｜wandb.ai 翻译｜刘志勇如你所知，PyTorch、TensorFlow、OneFlow等深度学习框架关注的重心是在GPU等硬件上训练模型，但要想将训练的模型部署到手机、物联网设备以及专用加速器

2022-03-22

Python 著名 AI 框架 PyTorch 1.11 已发布。此版本由自 1.10 以来的 3300 多个提交组成， TorchData 和 functorch 的 beta 版本亦伴随发布。版本概括： TorchData 是一个用于通用模块化数据加载原语的新库，用于轻松构建灵活和高性能的数据管道。在 GitHub 上查看。 functorch 是一个将可组合函数转换添加到 PyTorch 的库，现已推出 beta 版。在 GitHub 上查看。分布式数据并行 (DDP) 静态图优化稳定可用。 TorchData 介绍 TorchData 是一个通用模块化数据加载原语库，用于轻松构建灵活且高性能的数据管道。现有的 DataLoader 将太多的功能捆绑在一起，难以扩展,此外，不同的用例通常必须一遍又一遍地重写相同的数据加载实用程序。TorchData 的目标是通过称为“ DataPipes ”的 Iterable 样式和 Map 样式的构建块启用可组合的数据加载，这些构建块与 PyTorch 的 DataLoader 开箱即用。目前已经实现了 50 多个提供不同核心功能的 DataPipes，例如打开文件、解析文本、转换样本、缓存、混洗和批处理。在此版本中，一些 PyTorch 域库已迁移其数据集以使用 DataPipes。在 TorchText 中，库提供的流行数据集是使用 DataPipes 实现的，其 SST-2 二进制文本分类教程的一部分演示了如何使用 DataPipes 为模型预处理数据。 TorchData 的文档现已上线，包含介绍如何使用 DataPipes、将它们与 DataLoader 一起使用以及实现自定义。项目的 README 文件中描述了与 DataLoader 相关的常见问题解答和未来计划。 functorch 介绍受Google JAX 的极大启发，functorch 是一个向 PyTorch 添加可组合函数转换的库。它旨在提供可组合的 vmap（矢量化）和 autodiff 转换，可与 PyTorch 模块和 PyTorch autograd 一起使用，并具有良好的渴望模式性能。可组合的函数转换可以帮助解决当今在 PyTorch 中难以实现的许多用例：计算每样本梯度（或其他每样本数量）在单台机器上运行模型集合在 MAML 的内循环中有效地将任务批处理在一起有效地计算雅可比矩阵和黑森矩阵以及批量矩阵组合 vmap（矢量化）、vjp（反向模式 AD）和 jvp（正向模式 AD）转换能够轻松地表达上述内容，而无需为每个转换设计单独的库。有关 functorch 的详细信息，请参阅文档、教程和安装说明。分布式训练（稳定）DDP 静态图 DDP 静态图假设您的模型在每次迭代中都使用相同的一组已使用/未使用的参数，因此它可以确定性地了解状态，例如哪些 hooks 将触发、hooks 将触发多少次以及第一次迭代后的梯度计算就绪顺序。静态图在第一次迭代中缓存了这些状态，因此它可以支持 DDP 在以前的版本中无法支持的功能，例如，支持在相同参数上的多个激活检查点，无论是否有未使用的参数。当存在未使用的参数时，静态图功能还应用性能优化，例如，它避免遍历图以在每次迭代中搜索未使用的参数，并启用动态分桶顺序。 DDP 静态图中的这些优化为一些推荐模型带来了 10% 的 QPS 增益。要启用静态图，只需在 DDP API 中设置 static_graph=True ，如下所示： ddp_model = DistributedDataParallel(model, static_graph=True) 有关更多详细信息，请参阅文档和教程。更新公告：https://pytorch.org/blog/pytorch-1.11-released/

2022-03-16

深度学习分类任务常用评估指标

2 --> 摘要：这篇文章主要向大家介绍深度学习分类任务评价指标,主要内容包括基础应用、实用技巧、原理机制等方面，希望对大家有所帮助。

2021-06-25

深度学习检测小目标常用方法

转自：极市平台引言在深度学习目标检测中，特别是人脸检测中，小目标、小人脸的检测由于分辨率低，图片模糊，信息少，噪音多，所以一直是一个实际且常见的困难问题。

2020-11-12

DJL | DJL 如何正确打开 [ 深度学习 ]

Java拥有庞大的开发者社区，尽管深度学习应用不断推进和演化，但是相关的深度学习框架对于Java来说相当的稀少，现如今，主要模型都是Python编译和训练，对于Java开发者来说，如果想要学习深度学习，

2020-11-03

深度学习为什么要选择 PyTorch

过去几年来，深度学习和机器学习是公众最热门的词汇，对此我们有一个完美的解释。正是因为有了机器学习，系统才能够从经验中学习；而深度学习，则利用庞大的数据集将机器学习带到了更大的规模。

2020-04-16

深度学习中的信息论

其中的 b 不同时对应的结果单位不同（机器学习中，用自然对数 e 为底，单位为奈特）。对于连续变量则被称为微分熵。相对熵也叫 KL 散度，具有非负的特性。

2020-03-28

Facebook 开源深度学习推荐模型 DLRM

Facebook 宣布推出深度学习推荐模型（DLRM）的开源版本，这是一种最先进的个性化推荐 AI 模型，并且可用于生产环境中。

2019-07-04

深度学习最佳图书推荐(2019版)

你是否希望深入学习深度学习？

2019-03-22

"深度"学习让照片动起来

比如王者荣耀的启动界面：晃动手机，前后景会随着手机姿态位移变化；一些H5页面也有这种效果，实现就更简单了，前后景两张或多张图片层叠，根据陀螺仪数据改变图片相对位置即可可以看出，产生3D效果的关键在于z轴，即深度

2018-12-05

TensorFlow系列专题（三）：深度学习简介

目录： ●深度学习的发展历程 ● 深度学习的起源阶段 ● 深度学习的发展阶段 ● 深度学习的爆发阶段 ●特征工程深度学习的应用 ● 特征提取自然语言处理 ●

2018-10-29

深度学习超参数搜索实用指南

与机器学习模型不同，深度学习模型里面充满了各种超参数。而且，并非所有参数都能对模型的学习过程产生同样的贡献。考虑到这种额外的复杂性，在一个多维空间中找到合适的参数变量成为了挑战。

2018-10-07

入门 | 献给新手的深度学习综述

深度学习方法为计算机视觉和机器学习带来了革命性的进步。新的深度学习技术正在不断诞生，超越最先进的机器学习甚至是现有的深度学习技术。近年来，全世界在这一领域取得了许多重大突破。

2018-08-13

Tensorflow快餐教程(8) - 深度学习简史

深度学习简史从机器学习流派说起如果要给机器学习划分流派的话，初步划分可以分为『归纳学习』和『统计学习』两大类。所谓『归纳学习』，就跟我们平时学习所用的归纳法差不多，也叫『从样例中学习』。

2018-05-02

深度学习(10)：自然语言处理

深度学习(10)：自然语言处理 2018-03-01 自然语言处理（Natural Language Processing，NLP)是人工智能和语言学领域的学科分支，它研究实现人与计算机之间使用自然语言进行有效通信的各种理论和方法

2018-03-28

深度学习(9)：循环神经网络

深度学习(9)：循环神经网络 2018-02-20 随深度学习技术的发展，使用循环神经网络（Recurrent Neural Network，RNN）建立的各种序列模型，使语音识别、机器翻译及自然语言理解等应用成为可能

2018-03-27

神经进化是深度学习的未来

过去几年时间里，我们有一个完整的团队致力于人工智能研究和实验。该团队专注于开发新的进化计算方法（EC），包括设计人工神经网络架构、构建商业应用程序，以及使用由自然进化激发的方法来解决具有挑战性的计算问题。这一领域的发展势头非常强劲。我们相信进化计算很可能是人工智能技术的下一个重大课题。 EC与Deep Learning（DL）一样都是几十年前引入的，EC也能够从可用的计算和大数据中得到提升。然而，它解决了一个截然不同的需求：我们都知道DL侧重于建模我们已知的知识，而EC则专注于创建新的知识。从这个意义上讲，它是DL的下个步骤：DL能够在熟悉的类别中识别对象和语音，而EC使我们能够发现全新的对象和行为-最大化特定目标的对象和行为。因此，EC使许多新的应用成为可能：为机器人和虚拟代理设计更有效的行为，创造更有效和更廉价的卫生干预措施，促

2018-03-19

深度学习入门：用MNIST完成Autoencoder

Autoencoder是一种数据的压缩算法，其中数据的压缩和解压缩函数必须是数据相关的,有损的，从样本中自动学习的。在大部分提到自动编码器的场合，压缩和解压缩的函数是通过神经网络实现的。

2018-02-28

深度学习进化编年大事记

这篇文章阐明了人工智能、机器学习与深度学习的关系，进而讲述深度学习成长史，带你一文入门深度学习。当你听到“深度学习”时，可以想象一个巨大的深度神经网络。“深度”指的是层数，媒体经常采用这种说法。

2018-01-15

2017深度学习NLP进展与趋势

在过去几年中，深度学习（DL）在图像识别和语音处理等领域取得了巨大的进步。它在自然语言处理（NLP）中的应用起初并不令人兴奋，但是随着技术的进步它也为一些常见的NLP任务提供了最先进的解决方案。

2017-12-16

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。