huajianhe9584

Deep_Learning_with_PyTorch_Quick_Start_Guide

自 2017 年 1 月 PyTorch 推出以来,其热度持续上升,一度有赶超 TensorFlow 的趋势。PyTorch 能在短时间内被众多研究人员和工程师接受并推崇是因为其有着诸多优点,如采用 Python 语言、动态图机制、网络构建灵活以及拥有强大的社群等。因此,走上学习 PyTorch 的

graph neural network review图神经网络回顾

图(graph)是一个非 常常用的数据结构,现实世界中很多很多任务可以描述为图问题,比如社交网络,蛋白体结构,交通路网数据,以及很火的知识图谱等,甚至规则网格结构数据(如图像,视频等)也是图数据的一种特殊形式,因此图是一个很值得研究的领域。

英文吴恩达新作AI转型指南

吴恩达在自己的推特上发布了一个问题,称自己因为Landing.ai的项目到访很多国家,和非常多的CEO交流过他们的AI策略,想基于此发布一个报告,因此也向大家征集最想了解的问题。

郑哲东Deep ReID行人重识别的深度学习方法

郑哲东 Deep-ReID:行人重识别的深度学习方法。 Person re-identification Background Learn pedestrian representations from

Statistical Learning Theory notes

这是由斯坦福大学计算机系教授Percy Liang整理了一个统计学习理论笔记 6 Neural networks(skipped in class) 194 6.1 Motivation(Lecture 16

A Survey of Zero Shot Learning零样本学习综述

近年来,零样本学习(ZSL,zero-shot learning)已经在大量的任务中受到了广泛的关注。本文为大家带来了南洋理工大学的零样本学习最新综述,希望对大家有所帮助。 A Survey of Zero-Shot Learning: Settings, Methods, and Applicat

Deep Learning with PyTorch深度学习工坊整理

将带您进入一个引人入胜的案例研究:构建一种能够使用CT扫描检测恶性肺肿瘤的算法。在作者引导您完成这个真实示例的过程中,您将发现PyTorch的有效性和趣味性。

deep learning for anomaly detection a survey深度学习异常检测综述

本文对基于深度学习的异常检测的研究方法进行了系统全面的综述。此外,还回顾了这些方法对不同应用领域异常的应用,并评估了它们的有效性。

Mathematics of Deep Learning深度学习数学基础留言发送

目前深度学习在学术界和工业界都得到了广泛的关注和应用。虽然TensorFlow、PyTorch等深度学习框架大大降低了深度学习模型实现的门槛,深度学习的应用仍离不开背后数学基础的指导。

台湾大学林轩田机器学习基石课程学习笔记来自公众号AI有道

台湾大学林轩田机器学习基石课程学习笔记(来自公众号【AI有道】) ·假设 hypothesis,一个机器学习模型对应了很多不同的 hypothesis,通过演算法 A,选择一个最佳的 hypothesis对应的函数称为短g,9能最好地表示事物的内在 规律,也是我们最终想要得到的模型表达式。