原创 Data Distillation: Towards Omni-Supervised Learning
Data Distillation: Towards Omni-Supervised Learning
2018-11-30 17:23:05
3
原创 機器學習新手工程師常犯的6大錯誤
機器學習新手工程師常犯的6大錯誤 http://www.ckcest.cn/default/news/newsdetail?id=b938d29eb3a511e7b3d800163e05c5ae&cate=2
2018-11-30 17:23:05
7
原创 Swapout: Learning an ensemble of deep architectures
Swapout: Learning an ensemble of deep architectures 生成 dropout 和隨機深度（stochastic depth）方法來防止特定層或所有層中單元的共適應。集成訓練方法從多個
2018-11-30 17:23:05
4
原创 監督學習中需要注意的問題
監督學習中需要注意的問題 1、偏置和方差權衡 第一個問題就是偏見和方差之間的權衡。 較低的學習算法偏差必須“靈活”，這樣就可以很好的匹配數據。但如果學習算法過於靈活,它將匹配每個不同的訓練數據集,因此有很高的方差。許多監督學習
2018-11-30 17:23:05
原创 AI系統構建流程1
AI系統構建流程1 要構建一個AI系統或產品，你要處理好5個核心環節，我們通常稱之爲“機器學習工作流”。 這些步驟分別是： 數據收集與分析 數據準備 模型構建 模型驗證與測試 模型部署 1.分析你的數據，提前回答一些策略性
2018-11-30 17:23:05
原创 谷歌機器學習實踐的四十三條法則
谷歌機器學習實踐的四十三條法則 ML在實際工作確實更多是工程問題，而不是算法問題。優先從工程效率中要效果，當把這部分榨乾後，再考慮算法的升級。 https://blog.csdn.net/np4rHI455vg29y2/article
2018-11-30 17:23:05
原创 模型在類似Cross-Validation上測試效果不錯, 但在開發測試上效果不佳?
模型在類似Cross-Validation上測試效果不錯, 但在開發測試上效果不佳? 選取的訓練數據的覆蓋度不夠, 即數據集不具有代表性(不過完備), 不能體現真實數據的分佈。 模型遷移 (model drift), 隨着時間的轉移
2018-11-30 17:23:05
原创 Log-DenseNet: How to Sparsify a DenseNet
Log-DenseNet: How to Sparsify a DenseNet 原始的densenet 改進後的densenet，即log-densenet
2018-11-30 17:23:05
15
原创 輸入的尺寸很重要
輸入的尺寸很重要 ImageNet通常將224x224x3作爲輸入尺寸，即具有3個顏色通道的224×224像素圖像。雖然12GB內存對於ImageNet上具有112x112x3維度的類似數據集的最先進的結果至關重要，但我們可能會獲
2018-11-30 17:23:05
原创 特徵金字塔網絡 (FPN)
特徵金字塔網絡 (FPN) 特徵金字塔網絡 (FPN) 發表在 2017 年的 CVPR 上。 FPN 是基於一個特徵提取網絡的，即是基於一個主幹模型的，它可以是常見的 ResNet 或者 DenseNet 之類的網絡（常見的
2018-11-30 17:23:05
4
原创 解決“保存csdn的網頁再次打開會自動跳轉到首頁”
右鍵用文本編輯器打開離線保存的網頁，搜索關鍵詞onerror，找到下面這段： <img src="" onerror='setTimeout(function(){if(!/(csdn.net|iteye.com|baiduconte
2018-11-30 17:23:05
原创 資訊--2018年11月
2018年11月 1）AI的寒冬將至。 深度學習技術沒有突破進展；深度學習無法擴大規模；自動駕駛瀕臨崩潰。結合這些事實，Piekniewski得出了這樣的一個結論： 更多的媒體已經開始注意到，我們已經處於一個巨大的人工智能
2018-11-30 17:23:05
1
原创 AI系統構建流程2
AI系統構建流程2 首先，我們要弄清楚解決的是什麼問題，然後針對這個問題去進行技術的預研究，預研的過程有可能需要反覆修改問題。這兩步都確定下來之後要開始收集數據、訓練模型，去做相應的功能開發，最後進行產品化，產品化之後還要上線迭代
2018-11-30 17:23:05
16
原创 Spiking Deep Residual Network
Spiking Deep Residual Network 近些年，SNN由於它的生物可塑性吸引了大衆注意力。理論上，SNN具有與ANN一樣的計算能力，而且在功耗方面要比ANN更加節能。但是，在目前看來，訓練一個很深的SNN依舊存
2018-11-30 17:23:05
3