什么是 TensorBoard TensorBoard 是 TensorFlow 上一個非常酷的功能，我們都知道神經(jīng)網(wǎng)絡很多時候就像是個黑盒子静汤，里面到底是什么樣杂靶，是什么樣的結...
發(fā)簡信
IP屬地：河南
-
詳解 TensorBoard－如何調(diào)參 -
# 加速python運行-numba
加速python運行-numba numba是一個用于編譯Python數(shù)組和數(shù)值計算函數(shù)的編譯器，這個編譯器能夠大幅提高直接使用Python編寫的函數(shù)的運算速度。 numba...
-
-
我們已經(jīng)進入一個嶄新的智能機器時代，在未來幾年內(nèi)匿刮，人工智能和機器人給世界帶來的影響將遠遠超過個人計算機和互聯(lián)網(wǎng)在過去的30年間已經(jīng)對世界造成的改變指攒。是謙遜地生存，還是傲慢地死去僻焚？智能機器將成為我們的奴隸允悦，伙伴還是主人？
-
歡迎加入人工智能領域！
-
誠招管理員总珠！聯(lián)系我~ 本專題專注于大數(shù)據(jù)技術，包括但不限于：分布式系統(tǒng)勘纯，hadoop局服，spark，storm驳遵，mesos淫奔，hbase，zookeeper堤结。唆迁。。 Tips:如果是自己學習這些技術竞穷，通過社區(qū)學習是一個不錯的方式唐责。 JIRA:https://issues.apache.org/jira/browse/SPARK/?selectedTab=com.atlassian.jira.jira-projects-plugin:summary-panel
-
機器學習與計算機視覺
-
機器學習(Machine Learning月弛，ML)是研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學習行為肴盏，以獲取新的知識或技能科盛，重新組織已有的知識結構使之不斷改善自身的性能帽衙。數(shù)據(jù)挖掘是從海量數(shù)據(jù)中獲取有效的、新穎的贞绵、潛在有用的厉萝、最終可理解的模式的非平凡過程。數(shù)據(jù)挖掘中用到了大量的機器學習界提供的數(shù)據(jù)分析技術和數(shù)據(jù)庫界提供的數(shù)據(jù)管理技術，機器學習是數(shù)據(jù)挖掘的一個重要的工具谴垫。機器學習交流群：613944735
-
該專題是機器學習、推薦系統(tǒng)和自然語言處理恕出、深度學習相關算法學習記錄询枚，用通俗的語言去理解算法，去樸實的文字記錄每次前行浙巫，每個算法力爭說清緣由金蜀，且嘗試實現(xiàn)或者使用開源庫進行。機器學習忍者在路上……
-
神經(jīng)網(wǎng)絡與深度學習專題歡迎大家投稿相關內(nèi)容。從基礎理論到實戰(zhàn)演練均可嘗試投稿丧裁。若有GPU計算資源需求去完成很有價值的工作也可以留言請求抒线，我們會滿足你的哈！ 該專欄中的文章還會被發(fā)在：UAI人工智能公眾號渣慕。讓更多的人看到你們的優(yōu)秀作品嘶炭。
-
分享深度學習眨猎、機器學習、計算機視覺强经、模式識別睡陪、資源語言處理、推薦系統(tǒng)等領域的一些技術
-
心理學、社會學炬称、經(jīng)濟學汁果、博弈論，以及現(xiàn)在興起的人工智能玲躯、深度學習据德、大數(shù)據(jù)鳄乏，究竟給我們的日常生活帶來了多少新的變化？ 認知棘利、記憶橱野、學習，這些人類迷一樣的能力善玫，左右著人的進步與人類社會的發(fā)展水援。最近20年來，由哲學茅郎、心理學裹唆、人工智能、語言學只洒、人類學许帐、神經(jīng)學融合而成的認知學科，逐步成為一個新的重要學科毕谴，并在實際應用過程中產(chǎn)生強大的影響成畦。 找遍了其他專題，要么不合適涝开，要么勉強投稿被退循帐，這么一個常常運用、但是卻偏門的學科體系舀武，究竟能不能獨立存在呢拄养？
-
本專題招募管理員瘪匿，有意向請簡信私聊，謝謝寻馏！ 用來分享機器學習棋弥，深度學習，神經(jīng)網(wǎng)絡诚欠，計算機視覺等領域的一些技術顽染。 Machine Learning 學習資料：http://www.reibang.com/p/e0238db24973 相關參考： 1. [Coursera - Machine Learning by Andrew Ng]：https://www.coursera.org/learn/machine-learning 2. [ Stanford CS231n Course]：http://cs231n.github.io/ 課程整理：http://www.reibang.com/p/182baeb82c71 3. [深度學習與神經(jīng)網(wǎng)絡(英文原版)]：http://neuralnetworksanddeeplearning.com/ [GitBook同步鏈接]：https://www.gitbook.com/book/tigerneil/neural-networks-and-deep-learning-zh/details 4. [UFLDL教程]：http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B （中文） http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial （英文） 5. [Deep Learning - An MIT Press book]：http://www.deeplearningbook.org/ 6. [Neural Network Playground]： http://playground.tensorflow.org/ 7. [A Guide to Deep Learning]： http://www.reibang.com/p/6752a8845d01 8. [知乎“機器學習”專欄]： https://www.zhihu.com/collection/108812637 9. [How do Convolutional Neural Networks work?] http://www.reibang.com/p/fe428f0b32c1 …… 希望大家可以相互交流，相互學習轰绵！
-
A good article. And thanks for the attached paper!
如何感性地理解EM算法野芒？
如果使用基于最大似然估計的模型蓄愁，模型中存在隱變量双炕，就要用EM算法做參數(shù)估計。個人認為撮抓，理解EM算法背后的idea妇斤，遠比看懂它的數(shù)學推導重要。idea會讓你有一個直觀的感受丹拯，從...
-
如何感性地理解EM算法站超？
如果使用基于最大似然估計的模型，模型中存在隱變量乖酬，就要用EM算法做參數(shù)估計死相。個人認為，理解EM算法背后的idea咬像，遠比看懂它的數(shù)學推導重要算撮。idea會讓你有一個直觀的感受，從...
