人工智能资料库:第47辑(20170423)

作者:chen_h
微信号 & QQ:862251340
微信公众号:coderpai


今天分享:
(1)在不同GPU上面进行TensorFlow的基准测试;
(2)机器学习(深度学习)会议汇总;
(3)从零开始构建深度学习网络;
(4)Keras实现迁移学习;
(5)利用 TensorFlow 实现字符级别的神经网络语言模型;


1.【博客】Benchmarking Tensorflow Performance and Cost Across Different GPU Options

简介:

这篇博客测试了在不同GPU上面,TensorFlow 的运行效果。测试的GPU种类包括:

  • Nvidia 1080 Ti (from my personal desktop)
  • Amazon p2.xlarge instance ($0.90/hour — Nvidia Tesla K80)
  • Paperspace P5000 ($0.60/hour — Nvidia Quadro P5000)
  • Paperspace GPU+ ($0.40/hour — Nvidia Quadro M4000)
  • Macbook Pro CPU (i5 2GHz)

具体的性能分析如下:

原文链接:https://medium.com/initialized-capital/benchmarking-tensorflow-performance-and-cost-across-different-gpu-options-69bd85fe5d58


2.【博客】Machine Learning / Deep Learning Conferences

简介:

我们一直需要去寻找一些机器学习(深度学习)相关的会议。这篇文章就对各种会议作了很好的整理工作,节约你寻找的时间。

原文链接:https://tryolabs.com/blog/machine-learning-deep-learning-conferences/


3.【博客】Deep Neural Network from scratch

简介:

这篇博客教授你从零开始构建自己的深度学习网络,先用Python实现,然后利用 TensorFlow 实现。

原文链接:https://matrices.io/deep-neural-network-from-scratch/


4.【代码】keras-transfer-learning-for-oxford102

简介:

利用 Keras 做模型预训练(VGG16 和 Inception V3),然后利用迁移学习去预测花朵数据库的分类。

原文链接:https://github.com/Arsey/keras-transfer-learning-for-oxford102


5.【代码 & 论文】Character-Aware Neural Language Models

简介:

利用 TensorFlow 实现论文《Character-Aware Neural Language Models》,主要实现的细节包括:

  • Word-level and Character-level Convolutional Neural Network
  • Highway Network
  • Recurrent Neural Network Language Model

原文链接:https://github.com/carpedm20/lstm-char-cnn-tensorflow


你可能感兴趣的:(人工智能,人工智能)