如果你聽說過深度學習中不同種類的卷積（比如 2D / 3D / 1x1 /轉置/擴張（Atrous）/空間可分/深度可分/平展/分組/混洗分組卷積），並且搞不清楚它們究竟是什麼意思，那麼這篇文章就是為你寫的，能

“深度學習需要一種新的程式語言” 自 20 世紀 80 年代以來，LeCun 就一直致力於神經網路研究。由於他本人對於神經網路發展的貢獻，所以被冠以 “卷積神經網路之父”

1.背景 ETA（Estimated Time of Arrival，“預計送達時間”），即使用者下單後，配送人員在多長時間內將外賣送達到使用者手中。送達時間預測的結果，將會以"預計送達時間"

公眾號/將門創投 來源：https://arxiv.org/pdf/1902.02086.pdf 編譯：Simons 對於任何移動機器人系統來說，確定自己與周圍障礙在環境中的位置是環境感知的基本任務。通常人們使

序言 “幾分鐘就可以建立一個深度學習模型？訓練就要花幾個小時好嗎！我甚至沒有一臺足夠好的機器。”我聽過無數次有抱負的資料科學家這樣說，他們害怕在自己的機器上構建深度學習模型。 其實，你不必在谷歌或

強化學習特別是深度強化學習近年來取得了令人矚目的成就，除了應用於模擬器和遊戲領域，在工業領域也正取得長足的進步。百度是較早佈局強化學習的公司之一。這篇文章系統地介紹強化學習演算法基礎知識，強化學習在百度的應用

本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯絡出處。 Python要過時了。 說這話的正是深度學習“三巨頭”之一的Yann LeCun。 昨天，這位Faeebook人工智慧實

導讀 眾所周知，目前深度學習在計算機視覺領域已經有很好的應用落地，再加上遷移學習，可以很容易的訓練出一個用於視覺任務的模型。但是現實中還有很多工的原始資料是非視覺型別的，面對這樣的問題，我們還可以借用

企業管理的精益化往往始於與錢緊密相關的財務部門，市面上的財會報銷軟體也已經是琳琅滿目，但管理的優化離不開大量結構化資料的積累。在這個必不可少的前端環節中，財務人員依然需要辨別紙質發票並手動錄入，過程低效無趣，且操作誤

數學家阿蘭·圖靈 1950 年的開創性論文引領了人類對人工智慧（AI）的探索，他在這篇論文中提出了一個問題：「機器能否思考？」，那時候唯一已知的能夠進行復雜計算的系統是生物神經系統。因此，毫不奇怪那時候這個新興

一、前言 本文介紹如何向Nginx增加了一個使用Tensorflow C庫的軟WAF模組，模組主體基於Naxsi。 二、獲取資料及訓練資料 這裡，之前有Dalao發表過這樣一篇文章： 基於卷積神經

近日，谷歌 AI 和 DeepMind 合作建立了深度規劃網路（PlaNet）智慧體，僅基於影象輸入就能學習世界模型，並利用該模型規劃未來。與谷歌一年前提出的 世界模型 相比，PlaNet 的執行不需要策略網

在前面我們討論了基於價值的強化學習(Value Based RL)和基於策略的強化學習模型(Policy Based RL)，本篇我們討論最後一種強化學習流派，基於模型的強化學習(Model Based RL)

我愛計算機視覺 標星，更快獲取CVML新技術 昨日，Uber官網重磅宣佈新開源深度學習框架Ludwig，不需要懂程式設計知識，讓專家能用的更順手，讓非專業人士也可以玩轉人工智慧，堪稱史上最簡單的深度學習

圖片.png 參考資料 討論qq群630011153 144081101 本文最新版本地址 本文涉及的python測試開發庫 謝謝點贊！