博客水木

　　2019年,人工智能(AI)行业彻底告别了“喊口号”“包装概念”的时代,人工智能的技术和应用开始在各个行业落地,人工智能的成果和场景实践层出不穷。在这一年里,人工智能领域的资本也开始涌动起来,大大小小的融资在百起左右。值得一提的是在全球范围内,中国成为人工智能领域最活跃的前沿阵地,据不完全统计,中国目前的人...继续阅读

本文介绍了规模化部署 AI 模型的流程，包括如何部署这些方法、这些方法的缺点以及如何在低级别优化 TensorFlow 模型。 现在有许多关于 AI 的教程。比如如何进行目标检测、图像分类、NLP 以及构建聊天机器人等，不胜枚举。 但当我查找如何正确扩展 AI 的内容时，却发现少得可怜。更令人惊讶的是，现有的极少数资源在反...继续阅读

作为计算机视觉的重要研究课题，图像配准经历了从传统方法走向深度学习的重要革命。本文将回顾图像配准技术的前世今生，为读者提供一个该领域的宏观视野。 图像配准是计算机视觉领域的一个基础步骤。在本文深入探讨深度学习之前，我们先展示一下 OpenCV 中基于特征的方法。 什么是图像配准？ 图像配准就是将同一个场景...继续阅读

本文的目标是帮助对于深度学习硬件加速器设计感兴趣的朋友快速上手基于 FPGA 的深度学习加速器设计。 准备 以下是阅读本文的基础，请做好下列基础准备后再上手加速器设计： C 语言设计：熟练掌握 C 语言语法。 计算机体系结构知识：参考书《计算机组成与设计》，不需要熟读全书，但要对一些加速器设计相关的基础概念...继续阅读

计算机视觉模型表现不佳的原因有很多，比如架构设计缺陷、数据集代表性不足、超参数选择失误等。但有一个很简单的原因却常常被人们忽略：图像的方向。机器学习专家 Adam Geitgey 近日发布了一篇文章探讨了这一简单却又让很多人头痛的问题，并分享了他为解决这一问题编写的自动图像旋转程序。 我写过很多有关计算机视觉...继续阅读

生成模型不止有 GAN，本教程讨论了数学上最直接的生成模型（易处理的密度估计模型）。读罢本文，你将了解如何定量地比较似然模型。 散度最小化：生成模型的一般框架 生成模型（其实都是统计机器学习模型）旨在从一些（可能是条件的）概率分布 p(x) 中取样本数据，并学习对 p(x) 进行近似的模型 pθ(x)。建模过程使我们...继续阅读

众所周知，深度学习模型仅仅只是构建 AI 产品的重要步骤，但并不是全部。一个互联网产品（如 APP）想要集成深度学习能力，往往还需要走完很多设计、开发和测试方面的工作。如何部署深度学习往往成为了系统设计中更关键的问题。 近日，GitHub 上有这样一个项目，专门介绍了如何将深度学习算法和模型融入到互联网产品中。项...继续阅读

你肯定没有读过这本书，因为这本书的发布日期是2019年5月。本文会覆盖该书的大部分内容，读完这篇，你能够了解图算法的基本概念。关于此书，作为市面上为数不多的面向数据科学应用的图算法书籍，写的比较全面系统和易懂。当然，书在细节上的提高空间还有很多。今天内容很多，坐稳~ 目录 图算法 & 图分析 图基础知识 ...继续阅读

模型的训练、调参是一项非常费时费力的工作，了解神经网络内部的数学原理有利于快速找出问题所在。本文作者从零开始，一步一步讲解了训练神经网络时所用到的数学过程。 神经网络是线性模块和非线性模块的巧妙排列。当聪明地选择并连接这些模块时，我们就得到了一个强大的工具来逼近任何一个数学函数，如一个能够借助非...继续阅读

推荐算法，从名字上来看简单易懂，就是推荐相关的算法。它是机器学习下的一个分支，主要依靠大量结构化数据分析出用户购买的内在特点，用这些特点的集合来作为给用户推荐产品的依据。 当你反复搜索某产品时，系统会根据你的搜索记录推荐同类目下的其他产品，这些推荐一般都是你想要买的。但是作为机器学习技术从业者的笔...继续阅读