博客水木

文章选自Google Developers，作者：Martin Zinkevich。 机器学习目前已经有非常多的应用，它相比于传统的软件工程，最大的特点即我们编写的是学习过程，因此系统能根据数据改善性能。正因为这种特性，从嵌入循环神经网络的输入法到嵌入卷积神经网络的摄像头，机器学习应用已经无处不在。但在真正做产品时，我们需要的不是...继续阅读

元学习是目前机器学习领域一个令人振奋的研究趋势，它解决的是学习如何学习的问题。 传统的机器学习研究模式是：获取特定任务的大型数据集，然后用这个数据集从头开始训练模型。很明显，这和人类利用以往经验，仅仅通过少量样本就迅速完成学习的情况相差甚远。 因为人类学习了「如何学习」。 在这篇文章中，我将从一个非...继续阅读

这篇文章可以作为一个设计指南，为特定分类任务的 CNN 设计提供指导。作者围绕准确率、速度、内存消耗三个指标的权衡，从网络类型、架构设计、数据处理和迁移学习等方面介绍了 CNN 设计过程中使用的方法。 你想开始做图像分类，但是无从着手。应该使用哪个预训练网络？如何修改网络以使其满足需求？你的网络应该包含 20 ...继续阅读

有很多小伙伴问过我零基础要怎么入门机器学习或者人工智能，今天来提炼一下，方便志同道合的朋友们参考。 记得我刚入此山洞准备修炼的时候，就 Google 了好多这类的问题，那时候觉得大家的建议好多呀，这条路看起来真长，那么多东西要学，那么多书要看，那么多有用的课程要学。 现在我可以就自己走过的坑坑包包来推荐一条...继续阅读

人们在日常生活中接触人工智能的频率越来越高，有可以帮用户买菜的京东智能冰箱；可以做自动翻译的机器；还有Siri、Alexa和Cortana这样的机器人助理；以及无人车、AlphaGo等已经把人工智能技术带到了“看得到摸得着”的境地。人工智能正以前所未有的态势汹涌而来，相关领域的融资总额一直在逐年稳步增长，到2016年达到数...继续阅读

        ubuntu下依赖问题较多，难以同时安装多个深度学习框架，而windows下通过anaconda包管理器可方便的安装和管理多个深度学习网络框架。 一、cuda及cudnn安装         百度搜索cuda 8.0，选择网络安装方式和本地安装方式【注意要下载补丁包】...继续阅读

　　研究数据挖掘和机器学习有一段时间了，对数据挖掘来说，商用软件有SAS、 Clementine、Oracle数据挖掘组件等等；由于个人学习和版权、算法定制等问题，开源的数据挖掘与机器学习软件(库)目前也十分必需，现在就跟大家介绍下比较流行和常用的机器学习开源库。 　　以前在学校用过matlab，说实话真方便，通常一个模型只...继续阅读

概述 深度学习中CNN网络是核心，对CNN网络来说卷积层与池化层的计算至关重要，不同的步长、填充方式、卷积核大小、池化层策略等都会对最终输出模型与参数、计算复杂度产生重要影响，本文将从卷积层与池化层计算这些相关参数出发，演示一下不同步长、填充方式、卷积核大小计算结果差异。 一：卷积层 卷积神经网络(CNN)第一...继续阅读

一、移动端车牌识别OCR技术研发方向 移动端车牌识别OCR技术识别过程包括图像采集、图像预处理、车牌定位、字符分割、字符识别、输出结果等一系列算法运算，移动端车牌识别是基于OCR识别的一用应用。其流程如下图所示： 其中图像采集是通过视频流识别，对视频进行解帧识别，移动端车牌识别OCR技术的识别速度为毫秒级别，...继续阅读

前言 这个项目是我们尝试构建的一个有关深度学习的新型教育资源。我们的目标，是利用 Jupyter notebooks 的优势，将文字、图片、公式、以及（非常重要的）代码呈现在一起。如果这个尝试能够成功，其成果将会是一个极好的资源，它既是一本书、同时也是课程材料、现场教学的补充，甚至有剽窃价值的代码库（此处附上我们的“...继续阅读