Summer Tree is Cyan

Thinking will not overcome fear but action will.

Zero-Shot Deep Domain Adaptation

Abstract Domain adaptation(域适应) is an important tool to transfer knowledge about a task. Current approaches: 假设 task-relevant target-domain数据在训练期间是可用的。 而我们展示了如何在 上述数据不可用的情况下实现 Domain adaptation的 ...

Docker | 01 入门

什么是Docker? Docker是一个开源的引擎,可以轻松的为任何应用创建一个轻量级的、可移植的、自给自足的容器。开发者在笔记本上编译测试通过的容器可以批量地在生产环境中部署,包括VMs(虚拟机)、 bare metal、OpenStack 集群和其他的基础应用平台。 Docker通常用于如下场景: web应用的自动化打包和发布; 自动化测试和持续集成、发布; 在服务型环境...

深度学习 | 深度前馈网络

前向 信息流过 x 的函数,流经用于 定义 f 的中间计算过程,最终到达输出 y。 网络 前馈神经网络被称作网络 (network) 是因为它们通常用许多不同函数复合 在一起来表示。 隐藏层 训练数据并没有给出 这些层中的每一层所需的输出,所以这些层被称为隐藏层 (hidden layer)。 神经 这些网络被称为神经网络是因为它们或多或少地受到神经科学的启发。 我们最好将前馈神经网络...

PyTorch | 02 快速入门

1 安装与配置 1.1 安装PyTorch PyTorch0.3版本,同时兼容Python2和python3,并全部在python2环境中运行得到了最终结果,在Python3环境测试未报错,但不保证得到和python2 环境一致的结果。 使用Linux 作为开发环境。 使用pip安装 使用conda安装 从源码编译安装 使用Docker部署 Windows 用户安装PyTorch...

PyTorch | 01 简介

1 PyTorch 的诞生 Facebook人工智能研究院(FAIR)开源了PyTorch 使用Lua作为借口 python在计算机科学领域的领先地位,以及生态完整性和接口易用性,几何任何框架都不可避免要提供python的接口。 PyTorch 不是简单地封装Lua Torch提供Python接口,而是对Tensor之上的所有模块进行了冲重构,并新增了最先进的自动求导系统,成为当下最流行...

基于少量样本的快速学习报告(Few-shot learning)

Academic Report

背景 人工智能 连接主义:核心是神经元网络和深度学习,仿造人的神经系统,以此仿造智能(John Hopfield) 逻辑主义(符号主义):核心是符号推理与机器推理,用符号的方式来研究智能、推理(Marvin Minsky) 神经网络的三次浪潮 深度学习 模型规模与日俱增 错误率越来越低 应用范围越来越广:图像识别、语音识别,机器翻译… 依赖大量的带标签训练数据——Data...

Generation Tasks

Academic Report

Improved GAN 如何从语言描述的场景来生成图像 related tasks image synthesis 可以通过 RNN+GAN 生成实现 Improved GAN-Image Generation GAN Improved GAN-Image Generation Image Generation from Scene Graphs (CVPR2018...

概念学习前沿报告

Academic Report

研究背景 人工智能离人类只能还很远 当前的人工智能技术更像是针对某一特定问题的算法或是统计分析 学习速度远远比不上人类的学习速度。 人工智能vs人类智能 样本效率低 以超越人类玩家的深度强化学习方法DQN为例,人类只进行两小时的学习,而DQN却使用了2亿帧的游戏数据,等效于924小时的游戏,并且平均每帧图像经验回放8次。 迁移、泛化能力差 AI难以适应物体形状颜色的改变 无论是修改场景中...

深度学习 | 机器学习基础

大规模深度学习、计算机视觉、语音识别、自然语言处理

深度学习教程与实战案列系列文章 深度学习 | 绪论 深度学习 | 线性代数基础 深度学习 | 机器学习基础 深度学习 | 实践方法论 深度学习 | 应用 深度学习 | 安装conda、opencv、pycharm以及相关问题 深度学习 | 工具及实践(TensorFlow) 深度学习 | TensorFlow 命名机制和变量共享、变量赋值与模型封装 深度学习 | TFSlim介绍 深度学习...

深度学习 | 应用

大规模深度学习、计算机视觉、语音识别、自然语言处理

关注夏木青微信公众号,回复关键词548448,即可获得《深度学习》第12章应用的原版学习资料(含思维导图)。 1 大规模深度学习 深度学习的基本思想是建立在连接机制上的,大量的神经元或者特征作用在一起往往能够表现出智能。 神经网络的进度和处理任务的复杂程度的提升,在一定程度上依赖于网络规模的提升。 事实上,在过去30年里,网络规模是以指数级的速度增长的。 本小节内容按一下六个部分展开...