今天要介绍一个近期开源的自学深度学习 GitHub 项目，作者为每种具体算法提供了 Jupyter notebook 实现，可以轻易地在Google Colab 上运行（免费提供云端 GPU 或 TPU）。所

本文大约 650 字，阅读大约需要 2 分钟 这周要分享的一个资源是来自 Github 上的已经有八千多 Star 的一个深度学习知识总结，如下图所示： 其 Gi

最早將深度學習應用到關係抽取的文章出現在COLING 2014上，近年來，基於深度學習的關係抽取呈現出蓬勃發展的趨勢。但一直以來，學者們大都致力於解決遠端監督標註資料產生的噪聲問題，將一些在通用自然語言處理任務

image.png 前人栽樹，後人乘涼．Ｏ（∩＿∩）Ｏ哈哈～ TensorFlow TensorFlow™是一個開源軟體庫，最初由Google Brain

某次測試中遇到了漢字點選的驗證碼，看著很簡單，嘗試了一下發現有兩種簡單的識別方法，終於有空給重新整理一下，分享出來。 image 驗證碼的獲取 首先獲取驗證碼

直方圖Histogram 對圖片資料/特徵分佈的一種統計 灰度、顏色 梯度/邊緣、形狀、紋理 區域性特徵點、視覺詞彙

1、演算法用途： 用於遍歷圖中的節點，有些 類似於 樹的深度優先遍歷 。這裡唯一的問題是，與樹不同，圖形可能包含迴圈，因此我們可能會再次來到同一節點。 2、主要思想： 借用一個鄰

批量梯度下降BGD（Batch Gradient Descent） 更新公式： \[ \theta = \theta - \eta \sum_{i=1}^{m}\nabla g(\theta;x_i,y

在構建自然語言理解深度學習模型過程中，研究人員或者工程師們經常需要在程式設計細節和程式碼除錯上花費大量精力，而不是專注於模型架構設計與引數調整。為了提升構建深度模型的效率， 微軟亞洲網際網路工程院自然

人工智慧技術的提升不僅為企業的運營帶來了效率，而且為人民的生活帶來了便利。 迄今為止，人工智慧已經實現了生物識別智慧、自動駕駛汽車和人臉識別等等專案。 就像大多數軟體應用程式的開發一

2018 年堪稱是臺灣的「AI 元年」，政府推動產業 AI 化，同時也不遺餘力的培養 AI 種子們。相信不管是在新聞媒體上或是公司內部都可常看到或聽到「AI」字眼，例如老闆宣佈：「希望年度計畫中，各產品及專案

鈦媒體|5月8日訊息，人工智慧公司北京曠視科技有限公司（以下簡稱“曠視”）今天宣佈完成 D 輪第二階段股權融資。目前D輪總融資額達約 7.5 億美元，這也成為曠視歷史上單筆金額最高的一輪融資。

介紹 預測股市的走勢是最困難的事情之一。影響預測的因素很多 - 包括物理因素與心理因素，理性行為和非理性行為等。所有這些因素結合在一起共同導致股價波動，很難以高精度預測。 我們是否可以將機

之前在簡書的文章，搬遷過來 ^-^ 先放大神的論文和原始碼鎮樓： SSD Github: https://github.com/weiliu89/caffe 請選擇分支 SSDSSD pape

深度學習已經成功地在各種任務中得到應用。模型的推斷速度在無人駕駛等實時的場景下尤為關鍵。網路量化是加速深度學習模型一種有效的方法。在量化的模型中，我們使用 int8、float16 等低精度的資料型別表