当前标签：机器学习

word2vec和word embedding有什么区别?

bonelee 2018-02-07 11:54 阅读:1018 评论:0 推荐:0

GBDT（MART）迭代决策树入门教程 | 简介

bonelee 2018-01-31 17:48 阅读:471 评论:0 推荐:0

深度学习必备：随机梯度下降（SGD）优化算法及可视化

bonelee 2018-01-31 15:12 阅读:68815 评论:0 推荐:5

tflearn中num_epoch含义就是针对所有样本的一次迭代

bonelee 2018-01-30 10:09 阅读:3989 评论:0 推荐:0

学界| UC Berkeley提出新型分布式框架Ray：实时动态学习的开端—— AI 应用的系统需求：支持（a）异质、并行计算，（b）动态任务图，（c）高吞吐量和低延迟的调度，以及（d）透明的容错性。

bonelee 2018-01-22 12:11 阅读:751 评论:1 推荐:0

Amazon宣布将MXNet作为AWS的深度学习框架——貌似性能比tf高啊

bonelee 2018-01-22 11:49 阅读:1086 评论:0 推荐:0

详解Google第二代TPU 既能推理又能训练性能霸道

bonelee 2018-01-22 10:53 阅读:969 评论:0 推荐:1

Intel 的 MKL是可以用来训练的——官方的实验也提到了训练

bonelee 2018-01-22 10:47 阅读:7353 评论:0 推荐:0

现代英特尔® 架构上的 TensorFlow* 优化——正如去年参加Intel AI会议一样，Intel自己提供了对接自己AI CPU优化版本的Tensorflow，下载链接见后，同时可以基于谷歌官方的tf版本直接编译生成安装包

bonelee 2018-01-19 17:58 阅读:1411 评论:0 推荐:0

Spark新愿景：让深度学习变得更加易于使用——见https://github.com/yahoo/TensorFlowOnSpark

bonelee 2018-01-19 17:35 阅读:767 评论:2 推荐:0

深度学习利器：TensorFlow在智能终端中的应用——智能边缘计算，云端生成模型给移动端下载，然后用该模型进行预测

bonelee 2018-01-19 17:04 阅读:3357 评论:0 推荐:0

Google TPU 揭密——看TPU的架构框图，矩阵加乘、Pool等处理模块，CISC指令集，必然需要编译器

bonelee 2018-01-19 16:54 阅读:7164 评论:1 推荐:1

寒武纪芯片——有自己的SDK，支持tf、caffe、MXNet

bonelee 2018-01-19 16:44 阅读:5043 评论:0 推荐:0

Google的TensorFlow，微软CNTK, Amazon 的MxNet，Facebook 的Caffe2, PyTorch，国内百度的PaddlePaddle

bonelee 2018-01-19 11:27 阅读:1462 评论:0 推荐:0

TensorRT加速 ——NVIDIA终端AI芯片加速用，可以直接利用caffe或TensorFlow生成的模型来predict（inference）

bonelee 2018-01-18 17:36 阅读:11586 评论:2 推荐:0

深度 | AI芯片之智能边缘计算的崛起——实时语言翻译、图像识别、AI视频监控、无人车这些都需要终端具有较强的计算能力，从而AI芯片发展起来是必然，同时5G网络也是必然

bonelee 2018-01-18 16:20 阅读:3225 评论:2 推荐:0

tflearn anaconda 安装过程记录

bonelee 2018-01-18 15:00 阅读:1074 评论:0 推荐:0

Local Response Normalization作用——对局部神经元的活动创建竞争机制，使得其中响应比较大的值变得相对更大，并抑制其他反馈较小的神经元，增强了模型的泛化能力

bonelee 2018-01-11 15:00 阅读:1383 评论:0 推荐:0

神经网络中的激活函数——加入一些非线性的激活函数，整个网络中就引入了非线性部分，sigmoid 和 tanh作为激活函数的话，一定要注意一定要对 input 进行归一话，但是 ReLU 并不需要输入归一化

bonelee 2018-01-08 14:56 阅读:4200 评论:0 推荐:0

CNN中的局部连接(Sparse Connectivity)和权值共享

bonelee 2018-01-08 12:12 阅读:24120 评论:0 推荐:2