深度学习

TensorFlow在深度学习框架中，占据第一的位置已经很久了，而且在可见的未来，也将一直占据第一的位置。

深度学习已经成为解决许多具有挑战性的现实问题的首选方法

深度学习在视觉领域取得了巨大的成功，即便如此，深度学习在视觉上仍然有很多的局限性，这篇文章从深度学习的历史开始说起，阐述了深度学习在视觉上的局限性，并给出了一些可能的方案。

来自github的非常有针对性的深度学习资源，和其他的资源不同，既照顾了通用性，又照顾了不同的领域，覆盖非常广，非常的全面，有论文，有代码，有书，有博客，还有课程。

我们描述了最近提出的随机加权平均(SWA)技术，以及它在 torchcontrib中的新实现。

自从大家知道我是做人工智能的以后，亲戚朋友经常会有人问我，什么是AI，什么是机器学习，什么是深度学习。

最近，在谷歌东京事务所的发布会上，就有这么一个神器亮相，它能帮助你快速识别“古草体”文字，阅读“古草体”书籍也完全不在话下！

生成对抗网络的一篇实践文章，使用PyTorch，用很简单的代码搭建了一个GANs，非常通俗易懂。

回到2012年，当神经网络重新流行起来时，人们对不用担心特征工程就可以训练模型的可能性感到兴奋。事实上，最早的突破大多出现在计算机视觉领域，在这一领域，原始像素被用作网络的输入。

大数据日报（20190925）：谷歌发布一个可视化Deepfake数据集，宾夕法尼亚州立大学推新AI工具。

训练和测试数据重叠！Nature效果超好的AI预测地震论文爆严重错误。

在浏览器中使用TensorFlow.js和Python构建机器学习模型。

实验证明，人工智能可以轻易破译你的密码。

随着大数据技术的不断发展和成熟，无论是传统企业还是互联网公司都已经不再满足于离线批处理，实时流处理的需求和重要性日益增长。

在自然语言处理领域，深度学习的承诺是：给新模型带来更好的性能，这些新模型可能需要更多数据，但不再需要那么多的语言学专业知识。