深度学习
-
你给文字描述,AI艺术作画,精美无比!附源码,快来试试!
Disco Diffusion 是一款AI数字艺术创作的工具,将给出的 Prompts 文字信息变成图像信息,可以在 Google Colab 直接运行,也可以部署到本地,是 Dall-E2 和 MidJourney 的完美免费替代! ? 作者:韩信子@ShowMeAI? 深度学习实战系列:https://www.showmeai.tech/tutorial…
-
Hugging Face发布diffuser模型AI绘画库初尝鲜!
本文讲解 Hugging Face 发布的专注于 diffuser 模型的开源库,仅仅通过几行代码就开始生成自己的艺术作画,并对比相同文本提示下各种商业产品生成的结果。 ? 作者:韩信子@ShowMeAI? 深度学习实战系列:https://www.showmeai.tech/tutorials/42? TensorFlow 实战系列:https://www…
-
KubeEdge SIG AI发布首个分布式协同AI Benchmark调研
摘要:AI Benchmark旨在衡量AI模型的性能和效能。 本文分享自华为云社区《KubeEdge SIG AI发布首个分布式协同AI Benchmark调研》,作者:KubeEdge SIG AI (成员:张扬,张子阳)。 人工智能技术已经在我们生活中的方方面面为我们提供服务,尤其是在图像、视频、语音、推荐系统等方面带来了突破性成果。AI Benchma…
-
用深度强化学习玩FlappyBird
学习玩游戏一直是当今AI研究的热门话题之一。使用博弈论/搜索算法来解决这些问题需要特别地进行周密的特性定义,使得其扩展性不强。使用深度学习算法训练的卷积神经网络模型(CNN)自提出以来在图像处理领域的多个大规模识别任务上取得了令人瞩目的成绩。本文是要开发一个一般的框架来学习特定游戏的特性并解决这个问题,其应用的项目是受欢迎的手机游戏Flappy Bird,控…
-
深度学习资料梳理
深度学习的相关论文概念解读,疑问解惑,pytorch代码解析 1.概念 1.1 pipeline 一个基础的 深度学习的Pipeline 主要包含了下述 5 个步骤(5个步骤可以抽象为一个包括多个步骤的流水线式工作,从数据收集开始至输出我们需要的最终结果。): (1).数据读取 (2).数据预处理 (3).创建模型(具体到模型也有相应的Pipeline,比如…
-
寻找领域不变量:从生成模型到因果表征
在迁移学习/领域自适应中,我们常常需要寻找领域不变的表征(Domain-invariant Representation),这种表示可被认为是学习到各领域之间的共性,并基于此共性进行迁移。而获取这个表征的过程就与深度学习中的“表征学习”联系紧密。生成模型,自监督学习/对比学习和最近流行的因果表征学习都可以视为获取良好的领域不变表征的工具。 1 领域不变的表征…
-
基于深度学习的文本分类案例:使用LSTM进行情绪分类
Sentiment classification using LSTM 在这个笔记本中,我们将使用LSTM架构在电影评论数据集上训练一个模型来预测评论的情绪。首先,让我们看看什么是LSTM? LSTM,即长短时记忆,是一种序列神经网络架构,它利用其结构保留了对前一序列的记忆。第一个被引入的序列模型是RNN。但是,很快研究人员发现,RNN并没有保留很多以前序列…
-
【深度学习】——深度学习中的梯度计算
梯度下降在【机器学习基础】中已经总结了,而在深度学习中,由于模型更加复杂,梯度的求解难度更大,这里对在深度学习中的梯度计算方法进行回顾和学习。 本节主要是了解深度学习中(或者说是tensorflow中)梯度的计算是怎么做的。 1. 计算图 在学习tensorflow中,我们知道tensorflow都是基于图来进行计算的,那么什么是计算图呢? 所谓计算…
-
动手实现深度学习(5):计算图的实现
传送门: https://www.cnblogs.com/greentomlee/p/12314064.html github: Leezhen2014: https://github.com/Leezhen2014/python_deep_learning 在第二篇中介绍了用数值微分的形式计算神经网络的梯度,数值微分的形式比较简单也容易实现,但是计算上比较…
-
深度学习 CNN CUDA 版本2
作者:zhxfl 邮箱:zhxfl##mail.ustc.edu.cn 主页:http://www.cnblogs.com/zhxfl/p/4155236.html 第1个版本blog在这里:http://www.cnblogs.com/zhxfl/p/4134834.html 第2个版本github:https://github.com/zhxfl/…