深度学习应用

用树莓派4b构建深度学习应用（五）Tersorflow篇

前言上回我们把pytorch的环境安装好了，这篇我们建立一下tensorflow和keras的开发环境。不得不说，相对于pytorch来说，tensorflow对各个系统的支持真的很完善，无论是各种平台还是各个版本都有对应的预编译安装包，官方文档也很详细（但不代表没有坑，详见下文），是工程化不错的选择。而pytorch代码更pythonic，所以最新的模型和算法很多都由pytorch发布，两者长远
bluishfish·2020-10-11 16:14

用树莓派4b构建深度学习应用（三）OpenCV篇

前言上回我们把大部分系统相关的软件都安装好了，这一篇主要介绍一下最新版的OpenCV4.4在树莓派上的编译，安装与使用。OpenCV4.4新特性让我们先看一下OpenCV4.4的新特性：支持YOLOv4；SIFT专利到期，移入到了主存储库；ONNX：添加对Resnet_backbone（Torchvision）的支持；支持EfficientDet模型；基于C++和python的文本识别样例；Flo
bluishfish·2020-10-11 16:13

用树莓派4b构建深度学习应用（四）PyTorch篇

前言上回我们安装了OpenCV4.4，相信对源码编译库文件有了一定的了解，这篇我们进一步在树莓派上编译并安装Pytorch的最新版本。PyTorch1.6的新特性PyTorch1.6版本增加了许多新的API、用于性能改进和性能分析的工具、以及对基于分布式数据并行(DistributedDataParallel,DDP)和基于远程过程调用(RemoteProcedureCall,RPC)的分布式训练
bluishfish·2020-10-11 16:13

用树莓派4b构建深度学习应用（二）软件篇

前言上回把硬件都准备好了，这篇我们来搭建一下树莓派的系统，并安装一些必要的工具软件。树莓派镜像烧录树莓派上的操作系统选择很多，我们这里以主电脑为Win10系统，官方最新的2020.8.20的版本为例。先在官网下载烧录软件RaspberryPiImager，然后下载系统的镜像文件带推荐的软件。https://www.raspberrypi.org/downloads/安装RaspberryPiIma
bluishfish·2020-10-11 16:42

用树莓派4b构建深度学习应用（一）硬件篇

前言最近树莓派4b发布了8gb的版本，这么大的内存用在嵌入式设备上，简直是为了深度计算而生，果断入手了一块，遂开启了一轮踩坑之旅。为了避免重复网上已有的树莓派教程，后续系列文章，我尽量以2020年为基准，先打造一个最新最稳定的软硬件开发环境，再在其上构建AI应用。比如选择构建OpenCV4.4，pyTorch1.6和1.7，Tensorflow2.1，然后在上面跑yolov5应用，用intelNC
bluishfish·2020-10-11 16:42

用树莓派4b构建深度学习应用（七）Codeless开发篇

前言通过前几篇的努力，我们把主流的几个AI框架都安装了一下，涉及了太多的代码，略显枯燥。这篇我们试着在这基础上，做一些有趣的AI应用，并赶一波时髦全程采用无代码开发。现在建立人工智能应用最大的挑战在于几个方面：数据采集与标注需要花大量的时间和人力；模型的训练时间很长，算力成本也高；模型泛化能力很弱，换一个场景就需要更换模型；基础算法艰涩难懂，科研和学校仍是主力军；很多领域还没有成熟的商业化解决方案
bluishfish·2020-10-11 16:41

用树莓派4b构建深度学习应用（六）TensorFlow Lite篇

前言上回我们建立了tensorflow的开发环境，跑测试模型比较方便，但对于树莓派来说，还是太庞大了。仅有0.3fps无法满足实时的生产环境需求，这篇我们部署一下专门为移动端和嵌入式设备而生的TensorFlowLite，并跑几个模型，测试一下纯树莓派上的极限帧率。TensorFlowLite是一组工具，可帮助开发者在移动设备、嵌入式设备和IoT设备上运行TensorFlow模型。它支持设备端机器
bluishfish·2020-10-09 13:56

用树莓派4b构建深度学习应用（五）Tersorflow篇

前言上回我们把pytorch的环境安装好了，这篇我们建立一下tensorflow和keras的开发环境。不得不说，相对于pytorch来说，tensorflow对各个系统的支持真的很完善，无论是各种平台还是各个版本都有对应的预编译安装包，官方文档也很详细（但不代表没有坑，详见下文），是工程化不错的选择。而pytorch代码更pythonic，所以最新的模型和算法很多都由pytorch发布，两者长远
bluishfish·2020-10-09 13:08

用树莓派4b构建深度学习应用（四）PyTorch篇

前言上回我们安装了OpenCV4.4，相信对源码编译库文件有了一定的了解，这篇我们进一步在树莓派上编译并安装Pytorch的最新版本。PyTorch1.6的新特性PyTorch1.6版本增加了许多新的API、用于性能改进和性能分析的工具、以及对基于分布式数据并行(DistributedDataParallel,DDP)和基于远程过程调用(RemoteProcedureCall,RPC)的分布式训练
bluishfish·2020-10-09 13:12

用树莓派4b构建深度学习应用（三）OpenCV篇

前言上回我们把大部分系统相关的软件都安装好了，这一篇主要介绍一下最新版的OpenCV4.4在树莓派上的编译，安装与使用。OpenCV4.4新特性让我们先看一下OpenCV4.4的新特性：支持YOLOv4；SIFT专利到期，移入到了主存储库；ONNX：添加对Resnet_backbone（Torchvision）的支持；支持EfficientDet模型；基于C++和python的文本识别样例；Flo
bluishfish·2020-10-09 13:07

用树莓派4b构建深度学习应用（二）软件篇

前言上回把硬件都准备好了，这篇我们来搭建一下树莓派的系统，并安装一些必要的工具软件。树莓派镜像烧录树莓派上的操作系统选择很多，我们这里以主电脑为Win10系统，官方最新的2020.8.20的版本为例。先在官网下载烧录软件RaspberryPiImager，然后下载系统的镜像文件带推荐的软件。https://www.raspberrypi.org/downloads/安装RaspberryPiIma
bluishfish·2020-10-09 13:33

用树莓派4b构建深度学习应用（一）硬件篇

前言最近树莓派4b发布了8gb的版本，这么大的内存用在嵌入式设备上，简直是为了深度计算而生，果断入手了一块，遂开启了一轮踩坑之旅。为了避免重复网上已有的树莓派教程，后续系列文章，我尽量以2020年为基准，先打造一个最新最稳定的软硬件开发环境，再在其上构建AI应用。比如选择构建OpenCV4.4，pyTorch1.6和1.7，Tensorflow2.1，然后在上面跑yolov5应用，用intelNC
bluishfish·2020-10-09 13:26

用树莓派4b构建深度学习应用（一）硬件篇

前言最近树莓派4b发布了8gb的版本，这么大的内存用在嵌入式设备上，简直是为了深度计算而生，果断入手了一块，遂开启了一轮踩坑之旅。为了避免重复网上已有的树莓派教程，后续系列文章，我尽量以2020年为基准，先打造一个最新最稳定的软硬件开发环境，再在其上构建AI应用。比如选择构建OpenCV4.4，pyTorch1.6和1.7，Tensorflow2.1，然后在上面跑yolov5应用，用intelNC
bluishfish·2020-10-03 22:39

如何无缝地将人工智能扩展到分布式大数据

6月初，在今年的虚拟CVPR2020上，我在半天的教程课中介绍了如何构建面向大数据的深度学习应用程序。这是一个非常独特的体验，在本文中，我想分享本教程的一些重点内容。
示说网·2020-09-19 14:00

机器学习的明天——迁移学习

DeepMind就是将深度学习应用到强化学习的范例，DeepMind
JK-Ray·2020-09-17 15:50

语义分割发展总结（Development of Image Segmentation）

语义分割发展2019/08/24整理1.传统方法在深度学习应用到计算机视觉领域之前，研究人员一般使用纹理基元森林(TextonForest)或是随机森林(RandomForest)方法来构建用于语义分割的分类器
zhanglenuaa·2020-09-17 07:23

语义分割发展史

在深度学习应用到计算机视觉领域之前，研究人员一般使用纹理基元森林(TextonForest)或是随机森林(RandomForest)方法来构建用于语义分割的分类器。
23岁中单想学python·2020-09-17 06:51

译文Deep Learning in Bioinformatics --深度学习在生物信息学领域的应用（1）

因此，将深度学习应用于生物
Pineconek·2020-09-17 02:23

『算法理论学』深度学习推理加速方法之网络层与算子融合

首发于AI深度学习应用之路任何事物都有连续性--《极简主义》范式三：保持连续性的思维可以事半功倍0.引子在深度学习推理方面有多种提速方法，如模型剪枝量化与层算子融合等。
小宋是呢·2020-09-15 03:11

Tensflow：tf.contrib.learn.DNNClassifier（）模型的保存与复用以iris为例

python版本：3.5tensorflow版本：1.4.0在学习tensorflow深度学习应用时，很多资料以iris为例，并列举了很简单的例子，如本文下述代码。
little_yan_yan·2020-09-14 19:18

深度学习应用大盘点

最好最自然的理解应该是从人机交互角度来看待深度学习应用。深度学习系统似乎具备近似于生物大脑的能力，因此，它们可以非常高效地应用于增强人类或者动物已经可以执行的任务上。此外，需要重视
蓝色荣誉·2020-09-14 17:39

《走向TensorFlow 2.0：深度学习应用编程快速入门》电子书免费分享

https://pan.baidu.com/s/1rPlZvHcUBZ5I2-D-gqaSwA提取码:n6uv解压密码：SNXG5DS8WTX8SWNE
君子不器one·2020-09-13 19:39

【论文笔记】Unsupervised Learning of Video Representations using LSTMs

这篇文章是深度学习应用在视频分析领域的经典文章，也是Encoder-Decoder模型的经典文章，作者是多伦多大学深度学习开山鼻祖Hinton教授的徒子徒孙们，引用量非常高，是视频分析领域的必读文章。
迷川浩浩_ZJU·2020-09-12 06:57

使用OpenCV和OpenVINO轻松创建深度学习应用

导读：本文来自《OpenCV深度学习应用与性能优化实践》，作者团队也是OpenCVDNN模块的主要贡献者，是国内唯一的系统介绍OpenCVDNN推理模块原理和实践的书。
hzbooks·2020-09-11 12:17

大佬换女装，名画换脸，到底是怎么来的？

而深度学习应用的领域就更广泛了，比如前段时间火爆全网的大佬换女装，世界名画换脸，视频换脸等等，很多有趣的作品都跟深度学习有关。
菜鸟学Python·2020-09-11 08:17

一文看懂如何将深度学习应用于视频动作识别

作者|RohitGhosh编译|张健欣编辑|DebraAI前线导读：在本文中，作者会总结视频动作识别相关的文献，依次介绍动作识别是什么、它为什么这么难、解决方案概览以及相关论文总结。更多干货内容请关注微信公众号“AI前线”，（ID：ai-front）MRI、CT（三维图像）之类的医疗图像和视频非常类似——它们都是在第三个维度上对二维空间信息进行编码。与从三维图像中进行异常诊断很像，从视频中进行动作
weixin_33901926·2020-09-10 19:58

调参技巧

深度学习应用http://caffecn.cn/?/article/44神经网络使用心得--欢迎新手借鉴，老手批评指正我是用Caffe做6分类问题，做一种工业产品的检测。经过反复实验。
持续努力·2020-09-10 18:54

PointNet论文学习

PointNet论文学习简介Pointnet将深度学习应用到了点云的分类和分割问题。
Bungehurst·2020-09-10 15:41

推荐系统与深度学习（九）——NCF模型原理

公众号后台回复“图书“，了解更多号主新书内容作者：livan来源：数据python与算法NCF原理随着深度学习的推广，一些近期的研究将深度学习应用到了推荐中，然而很多工作都是将深度学习作为辅助工作，比如提取文本和图像的特征
IT农民工1·2020-09-08 08:00

鉴于gpt 3的引入，让我们重温了深度学习的基础知识

Let’sstartoffbydemonstratinghowanapplicationofDeepLearningcatchestheeye:让我们从演示深度学习应用如何吸引眼球开始：Giventheleftimageasareference
weixin_26704853·2020-09-06 18:45

用树莓派4b构建深度学习应用（七）Codeless开发篇

前言通过前几篇的努力，我们把主流的几个AI框架都安装了一下，涉及了太多的代码，略显枯燥。这篇我们试着在这基础上，做一些有趣的AI应用，并赶一波时髦全程采用无代码开发。现在建立人工智能应用最大的挑战在于几个方面：数据采集与标注需要花大量的时间和人力；模型的训练时间很长，算力成本也高；模型泛化能力很弱，换一个场景就需要更换模型；基础算法艰涩难懂，科研和学校仍是主力军；很多领域还没有成熟的商业化解决方案
bluishfish·2020-09-06 08:00

TensorFlow 2.0深度学习算法实战 第一章 人工智能绪论

1.1.2机器学习1.1.3神经网络与深度学习1.2神经网络发展简史1.2.1浅层神经网络1.2.2深度学习1.3深度学习特点1.3.1数据量1.3.2计算力1.3.3网络规模1.3.4通用智能1.4深度学习应用
安替-AnTi·2020-08-29 15:42

深度学习&网络安全

Introduction我们在社区中看到的大多数深度学习应用程序通常面向营销，销售，财务等领域。我们几乎从未阅读过文章或找到有关深度学习的资源用于保护这些产品和业务，恶意软件和黑客攻击。
Adam坤·2020-08-25 08:17

一文读懂如何用深度学习实现网络安全

简介我们看到的大多数深度学习应用程序通常面向市场、销售、金融等领域，但在使用深度学习来保护这些领域的产品和业务、避免恶意软件和黑客攻击方面，则鲜有文章或资源。
weixin_34001430·2020-08-25 08:29

独家 | 一文读懂如何用深度学习实现网络安全

简介我们看到的大多数深度学习应用程序通常面向市场、销售、金融等领域，但在使用深度学习来保护这些领域的产品和业务、避免恶意软件和黑客攻击方面，则鲜有文章或资源。
数据派THU·2020-08-25 08:07

基于神经网络嵌入的推荐系统：利用深度学习和维基百科构建图书推荐系统

深度学习应用甚广，在诸多方面的表现，如图像分割、时序预测和自然语言处理，都优于其他机器学习方法。以前，你只能在学术论文或者大型商业公司中看到它的身影，但如今，我们已能利用自己的电脑进行深度学习计算。
阿里云云栖号·2020-08-24 14:19

Apache Spark + Intel Analytics Zoo 进行深度学习

AnalyticsZoo是由Intel开源,基于ApacheSpark和InteBigDL的大数据分析和AI平台，方便用户开发基于大数据、端到端的深度学习应用。
weixin_34221775·2020-08-24 03:09

在阿里云EMR上使用Intel Analytics Zoo进行深度学习

简介AnalyticsZoo是由Intel开源,基于ApacheSpark和InteBigDL的大数据分析和AI平台，方便用户开发基于大数据、端到端的深度学习应用。
weixin_33881041·2020-08-24 03:02

对标Tensorflow ? Vertex.AI开源深度学习框架PlaidML

今天，Vertex.AI发布了开源便携式深度学习引擎PlaidML，Vertex.AI的使命是让任何人都能快速开发深度学习应用。Vertex.AI支持开发人员、研究人员和学生常用的最流行的硬件和软件。
机械鸡_·2020-08-24 00:23

Google Colab免费GPU教程

使用Colab，您可以免费在GPU上开发深度学习应用程序。感谢KDnuggets！我很高兴地宣布这篇博客文章被选为2018年2月的KDnug
iOSDevLog·2020-08-22 19:46

如何用一套引擎搞定机器学习全流程？

在将深度学习应用于实际业务的过程中，往往需要结合数据处理相关的计算框
ApacheFlink·2020-08-22 15:15

独家 | 教你用神经网络求解高级数学方程！

FrançoisCharton,GuillaumeLample翻译：冯羽校对：吴金笛本文约2650字，建议阅读10分钟本文介绍了一种利用深度学习中的神经机器翻译（NMT）技术求解方程问题的方法和系统，该系统展示了深度学习应用在更广泛领域的潜力
数据派THU·2020-08-22 13:42

使用函数计算三步实现深度学习 AI 推理在线服务

目前深度学习应用广发，其中AI推理的在线服务是其中一个重要的可落地的应用场景。
阿里云云栖号·2020-08-22 13:40

【福利】周志华教授专著《集成学习：基础与算法》上市，豆瓣满分森林书破解AI实践难题...

在这个深度学习应用取得巨大成功的当下，我
算法与数学之美·2020-08-22 11:53

Unsupervised feature learning by augmenting single images

一、主要思想当深度学习应用到目标检测的时候，数据增强通常可以增加训练数据量同时不需要增加额外标签的的成本。数据增强可以减少过拟合增加算法的性能。
始于长虹·2020-08-22 04:50

TYD深度学习入门 第一章

目录章节1深度学习必备基础知识课时1深度学习要解决的问题课时2深度学习应用领域课时3计算机视觉任务1.图像在计算机中长什么样2.计算机视觉面临的挑战课时4视觉任务中遇到的问题1.机器学习常规套路2.数据库样例
语译分西·2020-08-21 22:02

学习完全基于 Java 的开源深度学习平台

用户必须要进行繁杂的项目配置，构建class才能最终打造出属于Java的深度学习应用。在那之后，依旧要面临着依赖项匹配维护等各种麻烦的问题。
gg7894125·2020-08-21 19:44

TensorRT简介

TensorRT介绍引用：https://arleyzhang.github.io/articles/7f4b25ce/1简介TensorRT是一个高性能的深度学习推理（Inference）优化器，可以为深度学习应用提供低延迟
kyle1314608·2020-08-21 00:56

TensorRT浅谈

简介TensorRT是一个高性能的深度学习推理（Inference）优化器，可以为深度学习应用提供低延迟、高吞吐率的部署推理。
avprod·2020-08-20 21:34

Python OpenCV 利用DNN模块进行目标检测，语义分割和风格转换

而不能进行网络的训练目前OpenCV支持Caffe，TensorFlow，PyTorch，DarkNet，ONNX等多个框架，一些常用的深度卷积神经网络结构也支持，使用起来简单，非常方便（图片从《OpenCV深度学习应用
深山里的小白羊·2020-08-20 17:37
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他