<?xml version="1.0" encoding="utf-8" ?>

<rss version="2.0">

<channel>

<title>机器学习</title>

<link>http://www.sykv.comhttp://www.sykv.com/cat/depth/</link>

<description>机器学习</description>

<language>zh-cn</language>

<generator><![CDATA[]]></generator>

<webmaster>elon368@sina.com</webmaster>

<item>

    <title><![CDATA[2021年进入AI和ML领域之前需要了解的10件事]]></title>

    <link>http://www.sykv.com/cat/depth/30141.html</link>

    <description><![CDATA[用新奇的人工智能算法解决复杂的问题，再加上一份不错的薪水，听起来很有吸引力。很多公司都加入了宣传的行列，现在提供在不到一年的时间里学习数据科学/AI/ML的新兵训练营。在]]></description>

    <pubDate>2021-05-01</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>未知</comments>

</item>
<item>

    <title><![CDATA[Facebook新AI模型SEER实现自监督学习，LeCun大赞最有]]></title>

    <link>http://www.sykv.com/cat/depth/29945.html</link>

    <description><![CDATA[无需标签，自我分析数据！Facebook的新AI模型在革计算机视觉的命？刚刚，Facebook宣布了一个在10亿张图片上训练的AI模型——SEER，是自监督（Self-supervised）的缩写。该模型包含10亿个参数]]></description>

    <pubDate>2021-04-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[来自Facebook AI的多任务多模态的统一Transformer：向]]></title>

    <link>http://www.sykv.com/cat/depth/29944.html</link>

    <description><![CDATA[Transformer架构在自然语言处理和其他领域的机器学习(ML)任务中表现出了巨大的成功，但大多仅限于单个领域或特定的多模态领域的任务。例如，ViT专门用于视觉相关的任务，BERT专注于语]]></description>

    <pubDate>2021-04-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[一文详解深度学习最常用的 10 个激活函数]]></title>

    <link>http://www.sykv.com/cat/depth/29943.html</link>

    <description><![CDATA[激活函数（Activation Function）是一种添加到人工神经网络中的函数，旨在帮助网络学习数据中的复杂模式。类似于人类大脑中基于神经元的模型，激活函数最终决定了要发射给下一个神经]]></description>

    <pubDate>2021-04-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[增量学习(Incremental Learning)小综述]]></title>

    <link>http://www.sykv.com/cat/depth/29942.html</link>

    <description><![CDATA[人类有终身不断获取、调整和转移知识的能力，虽然在我们的一生中，我们确实倾向于逐渐忘记之前学习过的知识，但只有在极少的情况下，对新知识的学习会灾难性地影响已经学到的]]></description>

    <pubDate>2021-04-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[更深、更轻量级的Transformer！Facebook提出：DeLigh]]></title>

    <link>http://www.sykv.com/cat/depth/29941.html</link>

    <description><![CDATA[本文提出了一个更深更轻量的Transformer，DeLighT，DeLighT更有效地在每个Transformer Block中分配参数：1)、使用DeLighT转换进行深度和轻量级的转换；2)、使用Block-wise Scaling进行跨Block，允许在输]]></description>

    <pubDate>2021-04-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[盘点近期大热对比学习模型：MoCo/SimCLR/BYOL/SimSi]]></title>

    <link>http://www.sykv.com/cat/depth/29940.html</link>

    <description><![CDATA[很多大佬认为，深度学习的本质就是做两件事情：Representation Learning（表示学习）和 Inductive Bias Learning（归纳偏好学习）。在表示学习方面，如果直接对语义进行监督学习，虽然表现很好]]></description>

    <pubDate>2021-04-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[AAAI21最佳论文Informer：效果远超Transformer的长序列]]></title>

    <link>http://www.sykv.com/cat/depth/29939.html</link>

    <description><![CDATA[在很多实际应用问题中，我们需要对长序列时间序列进行预测，例如用电使用规划。长序列时间序列预测（LSTF）要求模型具有很高的预测能力，即能够有效地捕捉输出和输入之间精确的]]></description>

    <pubDate>2021-04-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[深度学习中的3个秘密：集成、知识蒸馏和蒸馏]]></title>

    <link>http://www.sykv.com/cat/depth/29938.html</link>

    <description><![CDATA[在现在的标准技术下，例如过参数化、batch-normalization和添加残差连接，“现代”神经网络训练 —— 至少对于图像分类任务和许多其他任务来说 —— 通常是相当稳定的。使用标准的神经]]></description>

    <pubDate>2021-04-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[让研究人员绞尽脑汁的Transformer位置编码]]></title>

    <link>http://www.sykv.com/cat/depth/29937.html</link>

    <description><![CDATA[不同于RNN、CNN等模型，对于Transformer模型来说，位置编码的加入是必不可少的，因为纯粹的Attention模块是无法捕捉输入顺序的，即无法区分不同位置的Token。为此我们大体有两个选择：]]></description>

    <pubDate>2021-04-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[【模型压缩】深度卷积网络的剪枝和加速]]></title>

    <link>http://www.sykv.com/cat/depth/29936.html</link>

    <description><![CDATA[记录一下去年12月份实验室的一个工作：模型的剪枝压缩，虽然模型是基于yolov3的魔改，但是剪枝的对象还是CBL层（即Conv Layer + BN Layer + LeakyReLU Layer），主要分布在Darknet骨干网中，因此]]></description>

    <pubDate>2021-04-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[堪比当年的LSTM，Transformer引燃机器学习圈：它是]]></title>

    <link>http://www.sykv.com/cat/depth/29935.html</link>

    <description><![CDATA[谷歌研究科学家 David Ha：Transformer 是新的 LSTM。2017 年 6 月谷歌发布论文《Attention is All You Need》时，我们或许都没有意识到它提出的 Transformer 架构将带来多少惊喜。在诞生至今不足四年]]></description>

    <pubDate>2021-04-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[深度学习三大谜团：集成、知识蒸馏和自蒸馏]]></title>

    <link>http://www.sykv.com/cat/depth/29934.html</link>

    <description><![CDATA[集成（Ensemble，又称模型平均）是一种「古老」而强大的方法。只需要对同一个训练数据集上，几个独立训练的神经网络的输出，简单地求平均，便可以获得比原有模型更高的性能。甚至]]></description>

    <pubDate>2021-04-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Transformer又又来了，生成配有音乐的丝滑3D舞蹈，]]></title>

    <link>http://www.sykv.com/cat/depth/29933.html</link>

    <description><![CDATA[来自谷歌等单位的学者提出一个基于 transformer 的学习框架，用于以音乐为条件的3D舞蹈生成。设计了一个全新的网络框架，并验证得出获得高质量结果的关键。其中组件之一是深度跨模]]></description>

    <pubDate>2021-04-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Transformer为何能闯入CV界秒杀CNN？]]></title>

    <link>http://www.sykv.com/cat/depth/29932.html</link>

    <description><![CDATA[在自然语言处理领域中，一个重要的技术基础就是创建合理的Embedding。Embedding是NLP系统的根基，一个好的Embedding需要能够将原始文本中尽可能多的语义片段进行有效编码。这些语义信息]]></description>

    <pubDate>2021-04-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[加快PyTorch训练速度！掌握这17种方法，让你省时]]></title>

    <link>http://www.sykv.com/cat/depth/29931.html</link>

    <description><![CDATA[近日，Reddit 上一个帖子热度爆表。主题内容是关于怎样加速 PyTorch 训练。原文作者是来自苏黎世联邦理工学院的计算机科学硕士生 LORENZ KUHN，文章向我们介绍了在使用 PyTorch 训练深度模]]></description>

    <pubDate>2021-04-05</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[论机器学习领域的内卷：不读PhD，我配不配找工]]></title>

    <link>http://www.sykv.com/cat/depth/29859.html</link>

    <description><![CDATA[机器学习内卷了吗？「没有博士学位，在机器学习领域就业会变得越来越难吗？」最近，一个 Reddit 热帖引发了大量讨论。对于单个研究者、从业者来说，毫无疑问，机器学习领域确实「]]></description>

    <pubDate>2021-04-03</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[服务器CPU将进入SoC时代！初创公司NUVIA揭秘]]></title>

    <link>http://www.sykv.com/cat/depth/29858.html</link>

    <description><![CDATA[高通于美国时间1月13日宣布，将以14亿美元收购由前苹果员工创办的CPU设计初创公司Nuvia，在芯片领域继续和竞争对手苹果与英特尔正面交锋。高通称，Nuvia在CPU设计领域的专业知识，有]]></description>

    <pubDate>2021-04-03</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[世界最大、最复杂的GPU！这颗集成1000亿个晶体管]]></title>

    <link>http://www.sykv.com/cat/depth/29857.html</link>

    <description><![CDATA[英特尔于昨日举办了直播活动，新上任的 CEO 帕特·基辛格（Pat Gelsinger） 发表了演讲，并展示了采用 7nm 工艺的 Xe-HPC 高性能 GPU，代号 “Ponte Vecchio”。这款产品封装了 47 个芯片，总计超]]></description>

    <pubDate>2021-04-03</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[ASML分享光刻机最新路线图，1.5nm指日可待]]></title>

    <link>http://www.sykv.com/cat/depth/29856.html</link>

    <description><![CDATA[在2月举行的SPIE高级光刻会议上，ASML展示了有关其深紫外线（DUV）和极紫外线（EUV）曝光系统的最新信息。笔者最近采访了ASML的Mike Lercel，就这些演示文稿进行了深入讨论。尽管EUV得到]]></description>

    <pubDate>2021-04-03</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[处理器架构消亡史]]></title>

    <link>http://www.sykv.com/cat/depth/29855.html</link>

    <description><![CDATA[新兴市场的到来对处理器提出了新的要求，处理器架构也随之发生着变化，主流处理器架构市场的变化也引起了行业的关注。最近，MIPS就成为了处理器架构变革潮流中的话题主角——]]></description>

    <pubDate>2021-04-03</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[通用处理器走向衰亡？]]></title>

    <link>http://www.sykv.com/cat/depth/29854.html</link>

    <description><![CDATA[早期-从专用到通用。早期的电子产品并不是可以执行许多不同计算的通用计算机，而是专用于完成一项任务且仅有一项任务的专用设备，例如收音机或电视机。这种专用的设备具有以下]]></description>

    <pubDate>2021-04-03</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[GPT-2大战GPT-3：OpenAI内部的一场终极对决]]></title>

    <link>http://www.sykv.com/cat/depth/29853.html</link>

    <description><![CDATA[生成式预训练 Transformer（GPT）是 OpenAI 开发在自然语言处理（NLP）领域的创新之举。这些模型被认为是同类模型中最先进的，甚至在坏人手中也可能是很危险的。它是一种无监督的生成模]]></description>

    <pubDate>2021-04-03</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[光刻机技术到底是谁发明的？]]></title>

    <link>http://www.sykv.com/cat/depth/29588.html</link>

    <description><![CDATA[在集成电路的制造过程中，有一个重要的环节——光刻，正因为有了它，我们才能在微小的芯片上实现功能。现代光刻技术可以追溯到190年以前，1822年法国人Nicephore niepce在各种材料光照]]></description>

    <pubDate>2021-03-10</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[​“狂欢”的半导体设备]]></title>

    <link>http://www.sykv.com/cat/depth/29587.html</link>

    <description><![CDATA[在2020这不平凡的一年里，在经历冠状病毒病大流行、全球经济衰退及贸易局势紧张等史无前例的挑战后，国际半导体设备大厂们似乎都平稳的渡过了。而在接下来的日子里，属于半导体]]></description>

    <pubDate>2021-03-10</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[ASML真的那么强大吗？]]></title>

    <link>http://www.sykv.com/cat/depth/29586.html</link>

    <description><![CDATA[数据显示，EUV光刻机收入占ASML收入的百分比从2016年的7％增加到2020年的45％。预计到2023年，ASML公司的EUV光刻机带来的收入将比2020年的收入翻一番。根据我们题为“ Sub 100nm光刻：市场分]]></description>

    <pubDate>2021-03-10</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[芯片自主可控深度解析]]></title>

    <link>http://www.sykv.com/cat/depth/29585.html</link>

    <description><![CDATA[如果有人跟你说：“嗨，我做的芯片实现了100%自主可控！”等等，你先不急着崇拜（相信）他，请看完此文再说...首先，什么叫自主可控，最直观的理解就是当别人“卡脖子”的时候不]]></description>

    <pubDate>2021-03-10</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[MIPS 投敌，转向 RISC-V]]></title>

    <link>http://www.sykv.com/cat/depth/29583.html</link>

    <description><![CDATA[MIPS Technologies 正在转变其商业模式。该公司将不再设计 MIPS 芯片，而将开发基于 RISC-V 架构的处理器。MIPS Technologies 成立于 1984 年，并于一年后推出了首个 MIPS 指令集。该公司以简洁高效]]></description>

    <pubDate>2021-03-10</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Facebook新AI模型SEER实现自监督学习，LeCun大赞最有]]></title>

    <link>http://www.sykv.com/cat/depth/29582.html</link>

    <description><![CDATA[无需标签，自我分析数据！Facebook的新AI模型在革计算机视觉的命？刚刚，Facebook宣布了一个在10亿张图片上训练的AI模型——SEER，是自监督（Self-supervised）的缩写。该模型包含10亿个参数]]></description>

    <pubDate>2021-03-10</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[这些语言习惯，可能是分手征兆？]]></title>

    <link>http://www.sykv.com/cat/depth/29580.html</link>

    <description><![CDATA[分手从来不是一件突如其来的事情，即使一个人对此毫无防备，但另一个人却已经计划分手几个星期了，会逐渐拉开自己和对象的距离。而在这一过程中的语言变化还涉及了相当多的大]]></description>

    <pubDate>2021-03-10</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[来自Facebook AI的多任务多模态的统一Transformer：向]]></title>

    <link>http://www.sykv.com/cat/depth/29579.html</link>

    <description><![CDATA[Transformer架构在自然语言处理和其他领域的机器学习(ML)任务中表现出了巨大的成功，但大多仅限于单个领域或特定的多模态领域的任务。例如，ViT专门用于视觉相关的任务，BERT专注于语]]></description>

    <pubDate>2021-03-10</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[当推荐遇到冷启动]]></title>

    <link>http://www.sykv.com/cat/depth/29578.html</link>

    <description><![CDATA[冷启动问题，大家并不陌生。但是如何解决呢？加特征，加样本，加图谱，加规则？十方在做信息流广告推荐时，主要通过加一些泛化特征解决冷启动问题，但是这样并不一定是最好的]]></description>

    <pubDate>2021-03-10</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[巨头竞逐Chiplet]]></title>

    <link>http://www.sykv.com/cat/depth/29577.html</link>

    <description><![CDATA[通过连接由单独的晶圆制造的芯片，形成具有某一功能的SoC技术就是“Chiplet”的概念。那么，为什么“Chiplet”越来越重要呢？其原因在于尖端半导体需要处理的数据量成指数级增长。由]]></description>

    <pubDate>2021-03-10</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[一文详解深度学习最常用的 10 个激活函数]]></title>

    <link>http://www.sykv.com/cat/depth/29576.html</link>

    <description><![CDATA[激活函数（Activation Function）是一种添加到人工神经网络中的函数，旨在帮助网络学习数据中的复杂模式。类似于人类大脑中基于神经元的模型，激活函数最终决定了要发射给下一个神经]]></description>

    <pubDate>2021-03-10</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[人工智能十年回顾：CNN、AlphaGo、GAN……它们曾这]]></title>

    <link>http://www.sykv.com/cat/depth/29575.html</link>

    <description><![CDATA[过去十年间，人工智能技术突飞猛进，最疯狂的科幻小说场景现在已经成为我们生活中不可或缺的一部分。十年前，人们在谈论 AI 的理论化和实验，但这些年来，AI 变得更加切实了，也]]></description>

    <pubDate>2021-03-10</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Hinton：我终于想明白大脑怎么工作了！神经学家]]></title>

    <link>http://www.sykv.com/cat/depth/29574.html</link>

    <description><![CDATA[若干年来，大脑的工作原理让AI研究者们前赴后继，而横亘在人工智能网络和大脑工作原理之间的，就是反向传播算法。反向传播是深度学习不可或缺的一部分。正是因为反向传播算法，]]></description>

    <pubDate>2021-03-10</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[增量学习(Incremental Learning)小综述]]></title>

    <link>http://www.sykv.com/cat/depth/29541.html</link>

    <description><![CDATA[人类有终身不断获取、调整和转移知识的能力，虽然在我们的一生中，我们确实倾向于逐渐忘记之前学习过的知识，但只有在极少的情况下，对新知识的学习会灾难性地影响已经学到的]]></description>

    <pubDate>2021-02-24</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Google的『泛芯片』科技蓝图]]></title>

    <link>http://www.sykv.com/cat/depth/29540.html</link>

    <description><![CDATA[Google自研芯片已经有几年时间，Jeff Dean也已经是芯片顶会邀请的常客。2020年的Hotchips，Dan Belov(DeepMind)的keynote，阐述了Google对未来AI系统和芯片的看法，和来自Intel的keynote是完全不同的思]]></description>

    <pubDate>2021-02-24</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[抵近作战：DARPA启动“远射”无人机项目设计工作]]></title>

    <link>http://www.sykv.com/cat/depth/29539.html</link>

    <description><![CDATA[2月8日，美国国防高级研究计划局（DARPA）通过官网宣布，将“远射”（LongShot）项目第一阶段初步设计工作合同授予通用原子、洛克希德·马丁和诺斯罗普·格鲁曼三家公司，用以研制一]]></description>

    <pubDate>2021-02-24</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Attention！当推荐系统遇见注意力机制]]></title>

    <link>http://www.sykv.com/cat/depth/29538.html</link>

    <description><![CDATA[当注意力机制都已经变成很tasteless的手法的时候，使用或者魔改注意力机制一定要专注讲好自己的故事：即『为什么要用Attention，为什么要魔改Attention』。现阶段从传统的CF，FM等方法到]]></description>

    <pubDate>2021-02-24</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[更深、更轻量级的Transformer！Facebook提出：DeLigh]]></title>

    <link>http://www.sykv.com/cat/depth/29537.html</link>

    <description><![CDATA[本文提出了一个更深更轻量的Transformer，DeLighT，DeLighT更有效地在每个Transformer Block中分配参数：1)、使用DeLighT转换进行深度和轻量级的转换；2)、使用Block-wise Scaling进行跨Block，允许在输]]></description>

    <pubDate>2021-02-24</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[盘点近期大热对比学习模型：MoCo/SimCLR/BYOL/SimSi]]></title>

    <link>http://www.sykv.com/cat/depth/29536.html</link>

    <description><![CDATA[很多大佬认为，深度学习的本质就是做两件事情：Representation Learning（表示学习）和 Inductive Bias Learning（归纳偏好学习）。在表示学习方面，如果直接对语义进行监督学习，虽然表现很好]]></description>

    <pubDate>2021-02-24</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[AI已能求解微分方程，数学是这样一步步“沦陷”]]></title>

    <link>http://www.sykv.com/cat/depth/29535.html</link>

    <description><![CDATA[首先，先得说明，所谓的AI解方程，解的可不是简单的数值方程！人家正经求解的是面对实际工程问题的偏微分方程，又称PDE。N-S方程已经被大量的应用在天气预测、洋流建模、飞行器设]]></description>

    <pubDate>2021-02-24</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[龙泉寺贤超法师：用 AI 为古籍经书识别、断句、]]></title>

    <link>http://www.sykv.com/cat/depth/29534.html</link>

    <description><![CDATA[坐落在京郊凤凰岭脚下的龙泉寺，称得上全国甚至全球科研实力最强的佛教寺庙。凭借当年学诚法师的一句「佛教是古老的，但佛教徒是现代的」，推动了龙泉寺里的高僧们搞科研、写]]></description>

    <pubDate>2021-02-24</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[每年节省170万美元的文档预览费用，借助机器学]]></title>

    <link>http://www.sykv.com/cat/depth/29533.html</link>

    <description><![CDATA[最近，Dropbox 优化了生成和缓存文档预览的方式，并借助机器学习的预测能力，每年为公司节省了 170 万美元的基础架构成本。Dropbox 的一些常用功能都采用了机器学习，例如搜索、文件]]></description>

    <pubDate>2021-02-24</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[4纳米来了！全球首款10Gbps！高通发布第四代5G 骁]]></title>

    <link>http://www.sykv.com/cat/depth/29532.html</link>

    <description><![CDATA[2021年2月9日，高通宣布正式推出第4代5G调制解调器到天线的解决方案骁龙X65。这也是全球首个支持10Gbps 5G速率和首个符合3GPP Release 16规范的调制解调器及射频系统。此外，骁龙X65还支持]]></description>

    <pubDate>2021-02-24</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[手机芯片六巨头的并购史]]></title>

    <link>http://www.sykv.com/cat/depth/29531.html</link>

    <description><![CDATA[大浪淘沙，如今全球手机芯片市场的供应商几乎只剩6家，分别是苹果、高通、联发科、华为、展锐、三星。大的变化可能大概率不会发生，偶见联发科超越高通登上2020年第三季度智能手]]></description>

    <pubDate>2021-02-24</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[模仿人脑视觉处理，助力神经网络应对对抗性样本]]></title>

    <link>http://www.sykv.com/cat/depth/29510.html</link>

    <description><![CDATA[自从深度学习只能识别支票和信封上的手写字母以来，它已经取得了长足的进步。今天，深度神经网络已经成为许多计算机视觉应用的关键组成部分，从照片和视频编辑器到医疗软件和]]></description>

    <pubDate>2021-02-18</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>未知</comments>

</item>
<item>

    <title><![CDATA[神经网络背后的简单数学]]></title>

    <link>http://www.sykv.com/cat/depth/29509.html</link>

    <description><![CDATA[Image by Alina Grubnyak on Unsplash 神经网络是将数据映射到信息的通用逼近器。这是什么意思?神经网络可以解决任何问题吗?神经网络是一种经过验证的解决方案，可用于按场景/逐帧分析，股]]></description>

    <pubDate>2021-02-18</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>未知</comments>

</item>
<item>

    <title><![CDATA[准备好了吗？GNN 图神经网络 2021 年的5大应用热点]]></title>

    <link>http://www.sykv.com/cat/depth/29506.html</link>

    <description><![CDATA[今年开始。图神经网络(Graph Neural Networks)成为研究者讨论的焦点，作为该领域的研究人员，我甚是欣慰。记得大概三年前，图神经网络那时还受到冷落，当我和研究GAN和Transformers的同行]]></description>

    <pubDate>2021-02-18</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>未知</comments>

</item>
<item>

    <title><![CDATA[机器学习基础图表：概念、原理、历史、趋势和算法]]></title>

    <link>http://www.sykv.com/cat/depth/29505.html</link>

    <description><![CDATA[一、机器学习概览 1. 什么是机器学习？ 机器通过分析大量数据来进行学习。比如说，不需要通过编程来识别猫或人脸，它们可以通过使用图片来进行训练，从而归纳和识别特定的目标]]></description>

    <pubDate>2021-02-18</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>未知</comments>

</item>
<item>

    <title><![CDATA[分析了 600 多种烘焙配方，机器学习开发出新品]]></title>

    <link>http://www.sykv.com/cat/depth/29504.html</link>

    <description><![CDATA[世界上的各色美食中，烘焙食品一直都占据着重要的地位。松软的面包、细腻的蛋糕、酥脆的饼干，都让人无法拒绝。 烘焙不仅是一项烹饪技术，更像是一门艺术。将面粉、鸡蛋、奶油]]></description>

    <pubDate>2021-02-18</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>未知</comments>

</item>
<item>

    <title><![CDATA[2021年的机器学习生命周期]]></title>

    <link>http://www.sykv.com/cat/depth/29503.html</link>

    <description><![CDATA[您实际上是如何完成一个机器学习项目的?有哪些工具可以帮助完成每一步? Photo by Tolga Ulkan on Unsplash 在这个时代，每个人都在学习机器学习(ML)。似乎每个收集数据的公司都在尝试找出某]]></description>

    <pubDate>2021-02-18</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>未知</comments>

</item>
<item>

    <title><![CDATA[物联网和机器学习促进企业业务发展的5种方式]]></title>

    <link>http://www.sykv.com/cat/depth/29502.html</link>

    <description><![CDATA[物联网和机器学习是当今商业领域最具颠覆性的两项技术。另外，这两种创新都能给任何公司带来显著的好处。它们一起可以彻底改变企业业务。 物联网设备和机器学习的结合是一个自]]></description>

    <pubDate>2021-02-18</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>未知</comments>

</item>
<item>

    <title><![CDATA[20年以后，半数工作将被人工智能取代？这些“高危行业”有哪些]]></title>

    <link>http://www.sykv.com/cat/depth/29501.html</link>

    <description><![CDATA[《机械公敌》是菜菜小时候特别喜欢的一部电影，放在现在来看也是毫不过时。小时候看电影只是看个画面，被机器人的强大所震撼，画面精彩就行了，根本不会去想更深层次的问题。]]></description>

    <pubDate>2021-02-18</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>未知</comments>

</item>
<item>

    <title><![CDATA[机器学习中分类任务的常用评估指标和Python代码实现]]></title>

    <link>http://www.sykv.com/cat/depth/29500.html</link>

    <description><![CDATA[假设您的任务是训练ML模型，以将数据点分类为一定数量的预定义类。 一旦完成分类模型的构建，下一个任务就是评估其性能。 有许多指标可以帮助您根据用例进行操作。 在此文章中]]></description>

    <pubDate>2021-02-18</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>未知</comments>

</item>
<item>

    <title><![CDATA[机器学习和深度学习的区别是什么？]]></title>

    <link>http://www.sykv.com/cat/depth/29499.html</link>

    <description><![CDATA[深度学习是机器学习算法的子类，其特殊性是有更高的复杂度。因此，深度学习属于机器学习，但它们绝对不是相反的概念。我们将浅层学习称为不是深层的那些机器学习技术。 让我们]]></description>

    <pubDate>2021-02-18</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>未知</comments>

</item>
<item>

    <title><![CDATA[4款深度学习框架简介，初学者该如何选择？]]></title>

    <link>http://www.sykv.com/cat/depth/29496.html</link>

    <description><![CDATA[01 Theano Theano是在BSD许可证下发布的一个开源项目，诞生于加拿大魁北克蒙特利尔大学的LISA实验室，是用一位希腊数学家的名字命名的。 Theano是一个Python库，可用于定义、优化和计算数]]></description>

    <pubDate>2021-02-18</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>未知</comments>

</item>
<item>

    <title><![CDATA[AAAI21最佳论文Informer：效果远超Transformer的长序列]]></title>

    <link>http://www.sykv.com/cat/depth/29477.html</link>

    <description><![CDATA[在很多实际应用问题中，我们需要对长序列时间序列进行预测，例如用电使用规划。长序列时间序列预测（LSTF）要求模型具有很高的预测能力，即能够有效地捕捉输出和输入之间精确的]]></description>

    <pubDate>2021-02-09</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[技术实践：大规模知识图谱预训练及电商应用]]></title>

    <link>http://www.sykv.com/cat/depth/29476.html</link>

    <description><![CDATA[知识广泛存在于文本、结构化及多种模态的数据中。除了通过抽取技术将知识从原始数据中萃取出来以支持搜索、问答、推理、分析等应用以外，另外一种思路是利用数据中本身存在的]]></description>

    <pubDate>2021-02-09</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[深度学习中的3个秘密：集成、知识蒸馏和蒸馏]]></title>

    <link>http://www.sykv.com/cat/depth/29475.html</link>

    <description><![CDATA[在现在的标准技术下，例如过参数化、batch-normalization和添加残差连接，“现代”神经网络训练 —— 至少对于图像分类任务和许多其他任务来说 —— 通常是相当稳定的。使用标准的神经]]></description>

    <pubDate>2021-02-09</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[芯片上的大脑：英国科学家将类人脑干细胞编织]]></title>

    <link>http://www.sykv.com/cat/depth/29473.html</link>

    <description><![CDATA[人脑一直给研究者提供灵感，神经形态计算受到人脑的低功耗和快速计算特点启发而出现，它或许会是超大规模机器和人工智能应用（如自动驾驶）未来的基石。神经形态芯片的最初思]]></description>

    <pubDate>2021-02-09</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[RISC-V有何特别之处？]]></title>

    <link>http://www.sykv.com/cat/depth/29472.html</link>

    <description><![CDATA[20 世纪 90 年代末，RISC 和 CISC 爆发了一场大战，自那以后，大家却说 RISC 和 CISC 的区别没那么重要了了。许多人表示，指令集也就那么回事，对 CPU 没什么太大的影响。但其实不然，指令]]></description>

    <pubDate>2021-02-09</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[让研究人员绞尽脑汁的Transformer位置编码]]></title>

    <link>http://www.sykv.com/cat/depth/29471.html</link>

    <description><![CDATA[不同于RNN、CNN等模型，对于Transformer模型来说，位置编码的加入是必不可少的，因为纯粹的Attention模块是无法捕捉输入顺序的，即无法区分不同位置的Token。为此我们大体有两个选择：]]></description>

    <pubDate>2021-02-09</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[【模型压缩】深度卷积网络的剪枝和加速]]></title>

    <link>http://www.sykv.com/cat/depth/29470.html</link>

    <description><![CDATA[记录一下去年12月份实验室的一个工作：模型的剪枝压缩，虽然模型是基于yolov3的魔改，但是剪枝的对象还是CBL层（即Conv Layer + BN Layer + LeakyReLU Layer），主要分布在Darknet骨干网中，因此]]></description>

    <pubDate>2021-02-09</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[堪比当年的LSTM，Transformer引燃机器学习圈：它是]]></title>

    <link>http://www.sykv.com/cat/depth/29469.html</link>

    <description><![CDATA[谷歌研究科学家 David Ha：Transformer 是新的 LSTM。2017 年 6 月谷歌发布论文《Attention is All You Need》时，我们或许都没有意识到它提出的 Transformer 架构将带来多少惊喜。在诞生至今不足四年]]></description>

    <pubDate>2021-02-09</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[深度学习三大谜团：集成、知识蒸馏和自蒸馏]]></title>

    <link>http://www.sykv.com/cat/depth/29408.html</link>

    <description><![CDATA[集成（Ensemble，又称模型平均）是一种「古老」而强大的方法。只需要对同一个训练数据集上，几个独立训练的神经网络的输出，简单地求平均，便可以获得比原有模型更高的性能。甚至]]></description>

    <pubDate>2021-01-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[万万没想到，BERT学会写SQL了]]></title>

    <link>http://www.sykv.com/cat/depth/29407.html</link>

    <description><![CDATA[文本-SQL转化任务，是将用户的自然语言转化为SQL继而完成数据库查询的工作。例如根据下表，用户输入一个问题，模型将其转换为 SQL，查询数据库得到结果：quot;-4.52, -9.55quot;。Query：新]]></description>

    <pubDate>2021-01-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[全球第一架反潜无人机试飞，带声呐浮标和雷达]]></title>

    <link>http://www.sykv.com/cat/depth/29406.html</link>

    <description><![CDATA[根据简氏防务周刊报道，美国通用原子航空系统公司(GA-ASI)近日展示了MQ-9A“死神”和MQ-9B“海上守卫者”无人机系统的一种新的反潜战(ASW)能力，无人机可以挂载声呐浮标投放器和磁探测]]></description>

    <pubDate>2021-01-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Transformer又又来了，生成配有音乐的丝滑3D舞蹈，]]></title>

    <link>http://www.sykv.com/cat/depth/29405.html</link>

    <description><![CDATA[来自谷歌等单位的学者提出一个基于 transformer 的学习框架，用于以音乐为条件的3D舞蹈生成。设计了一个全新的网络框架，并验证得出获得高质量结果的关键。其中组件之一是深度跨模]]></description>

    <pubDate>2021-01-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[SOTA集结，2020登顶关系抽取的3篇佳作]]></title>

    <link>http://www.sykv.com/cat/depth/29404.html</link>

    <description><![CDATA[2020实体关系联合抽取一片红海，各种SOTA方法你方唱罢我方登场，在一些数据集上也是不断刷出新高度，为信息抽取领域带来了新思路，推动了信息抽取领域的发展。本文梳理了实体关系]]></description>

    <pubDate>2021-01-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[删数据，还要删AI模型：美国科技公司遭遇最严厉]]></title>

    <link>http://www.sykv.com/cat/depth/29403.html</link>

    <description><![CDATA[近日，美国联邦贸易委员会（Federal Trade Commission ，FTC）公布了一项特殊的处罚决定：勒令一家名为「Everalbum」的公司删除其从客户手中收集的照片，以及利用这些数据训练出的所有算法]]></description>

    <pubDate>2021-01-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[异构计算时代正式起飞]]></title>

    <link>http://www.sykv.com/cat/depth/29402.html</link>

    <description><![CDATA[一个新的时代似乎已经到来。英特尔，这位CPU领域的绝对王者开始频频与“软件为先”和“XPU”等词进行捆绑。同样值得关注的是英特尔的老对手英伟达以及AMD，在过去的一年中，英伟]]></description>

    <pubDate>2021-01-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Transformer为何能闯入CV界秒杀CNN？]]></title>

    <link>http://www.sykv.com/cat/depth/29321.html</link>

    <description><![CDATA[在自然语言处理领域中，一个重要的技术基础就是创建合理的Embedding。Embedding是NLP系统的根基，一个好的Embedding需要能够将原始文本中尽可能多的语义片段进行有效编码。这些语义信息]]></description>

    <pubDate>2021-01-21</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[加快PyTorch训练速度！掌握这17种方法，让你省时]]></title>

    <link>http://www.sykv.com/cat/depth/29320.html</link>

    <description><![CDATA[近日，Reddit 上一个帖子热度爆表。主题内容是关于怎样加速 PyTorch 训练。原文作者是来自苏黎世联邦理工学院的计算机科学硕士生 LORENZ KUHN，文章向我们介绍了在使用 PyTorch 训练深度模]]></description>

    <pubDate>2021-01-21</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[多核之后，CPU 的发展方向是什么？]]></title>

    <link>http://www.sykv.com/cat/depth/29319.html</link>

    <description><![CDATA[2020年底给某大厂做过一个报告，包含两部分内容：一部分是关于计算机体系结构，尤其是CPU结构的演变；另一部分关于处理器芯片设计方法。这里把第一部分内容贴出来回答一下这个知]]></description>

    <pubDate>2021-01-21</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[ASIC芯片除了用来挖矿，还能用来做什么？]]></title>

    <link>http://www.sykv.com/cat/depth/29318.html</link>

    <description><![CDATA[ASIC (Application Specific Integrated Circuit )芯片是专用集成电路，是针对用户对特定电子系统的需求，从根级设计、制造的专有应用程序芯片，其计算能力和计算效率可根据算法需要进行定制，]]></description>

    <pubDate>2021-01-21</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[​AMD如何应对半路杀出的程咬金？]]></title>

    <link>http://www.sykv.com/cat/depth/29244.html</link>

    <description><![CDATA[本周，业界关注的焦点非CES 2021莫属了，英特尔、AMD和英伟达这三家，凭借其市场影响力，以及同时具有半导体行业和消费类产品核心元器件供应商的“双重”身份，是历年CES展最受关注]]></description>

    <pubDate>2021-01-17</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[万物皆可Graph | 当推荐系统遇上图神经网络]]></title>

    <link>http://www.sykv.com/cat/depth/29243.html</link>

    <description><![CDATA[图神经网络可以说是现在AI领域的超级宠儿。针对推荐系统的稀疏性问题，图方法还真的很适合，主要原因有下：推荐系统中存在很多的图结构，如二部图，序列图，社交关系图，知识语]]></description>

    <pubDate>2021-01-17</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[1.6万亿参数，秒杀GPT-3！谷歌推出超级语言模型]]></title>

    <link>http://www.sykv.com/cat/depth/29242.html</link>

    <description><![CDATA[对于机器学习来说，参数可以算得上算法的关键：他们是历史的输入数据，经过模型训练得来的结果，是模型的一部分。一般来说，在NLP领域，参数数量和复杂程度之间具有正相关性。]]></description>

    <pubDate>2021-01-17</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Transformer家族简史（PART II）]]></title>

    <link>http://www.sykv.com/cat/depth/29241.html</link>

    <description><![CDATA[Transformer 不同 head 所关注的序列长度 span 是不一样的，一些 head（如 Head A）重点关注附近较短的信息，而另外一些 head（如 Head B）则关注在范围更大的全文。如果能在训练中利用这一特]]></description>

    <pubDate>2021-01-17</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Transformer家族简史（PART I）]]></title>

    <link>http://www.sykv.com/cat/depth/29240.html</link>

    <description><![CDATA[经过之前一段时间的 NLP Big Bang，现在相对比较平静了，Transformer 派已经占据了绝对的主导地位，在各类应用中表现出色。看标题大家也可以猜个差不多，整理了一系列自《Attention is al]]></description>

    <pubDate>2021-01-17</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[步履不停：TensorFlow 2.4 新功能一览！]]></title>

    <link>http://www.sykv.com/cat/depth/29239.html</link>

    <description><![CDATA[TensorFlow 2.4 正式发布！随着对分布式训练和混合精度提供更多支持，加入新的 Numpy 前端及用于监控和诊断性能瓶颈的工具，这个版本的亮点在于推出新功能，以及对性能和扩展方面的增]]></description>

    <pubDate>2021-01-17</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[英特尔x86大突破！一口气发布四款CPU：10nm、大小]]></title>

    <link>http://www.sykv.com/cat/depth/29238.html</link>

    <description><![CDATA[继先前推出代号为TigerLake的第11代Core笔电处理器，这次Intel在CES 2021活动中发布了增强版的Tiger Lake-H。这次发布的为H35系列为4核8线程架构，TDP为35W，目标为厚度仅有1.6公分的超可携式（]]></description>

    <pubDate>2021-01-17</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[人工智能十年回顾：CNN、AlphaGo、GAN……它们曾这]]></title>

    <link>http://www.sykv.com/cat/depth/29237.html</link>

    <description><![CDATA[过去十年间，人工智能技术突飞猛进，最疯狂的科幻小说场景现在已经成为我们生活中不可或缺的一部分。十年前，人们在谈论 AI 的理论化和实验，但这些年来，AI 变得更加切实了，也]]></description>

    <pubDate>2021-01-17</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[全球半导体设备“大乱斗”]]></title>

    <link>http://www.sykv.com/cat/depth/29236.html</link>

    <description><![CDATA[本周，半导体设备市场又传来一则消息，应用材料在收购美国投资公司KKR集团旗下半导体设备供货商Kokusai Electric（原本隶属日立国际电气，在 2018 年 6 月分拆出来，之后被KKR集团纳入麾]]></description>

    <pubDate>2021-01-17</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[一文搞懂 PyTorch 内部机制]]></title>

    <link>http://www.sykv.com/cat/depth/29229.html</link>

    <description><![CDATA[Tensor 是PyTorch的核心数据结构。你可能对tensor的概念已经相当了解了：它是包含若干个标量(标量可以是各种数据类型如浮点型、整形等)的n-维的数据结构。我们可以认为tensor包含了数据]]></description>

    <pubDate>2021-01-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[处理器游侠、前英特尔、AMD、特斯拉首席芯片架]]></title>

    <link>http://www.sykv.com/cat/depth/29228.html</link>

    <description><![CDATA[2020年6月11日，英特尔突然宣布负责硅工程部门(Silicon Engineering Group)的高级副总裁吉姆·凯勒(Jim Keller)因为个人原因辞职，辞呈立即生效。吉姆·凯勒将继续出任公司顾问六个月时间，以协]]></description>

    <pubDate>2021-01-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[浅谈多核心CPU和SoC芯片及其工作原理]]></title>

    <link>http://www.sykv.com/cat/depth/29227.html</link>

    <description><![CDATA[要说明什么是多核心CPU或SoC芯片，首先要从CPU核心(Core)说起。我们知道，CPU是中央处理器(Central Processing Unit)的英文简称，它具有控制和信息处理的能力，是电脑和智能设备的控制中枢。]]></description>

    <pubDate>2021-01-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[完全图解GPT-2：看完这篇就够了（二）]]></title>

    <link>http://www.sykv.com/cat/depth/29226.html</link>

    <description><![CDATA[在本节中，我们会详细介绍该过程是如何实现的。请注意，我们将会以试图弄清单个单词被如何处理的角度来看待这个问题。这也是我们会展示许多单个向量的原因。这实际上是通过将]]></description>

    <pubDate>2021-01-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[完全图解GPT-2：看完这篇就够了（一）]]></title>

    <link>http://www.sykv.com/cat/depth/29225.html</link>

    <description><![CDATA[GPT-2 有着超大的规模，它是一个在海量数据集上训练的基于 transformer 的巨大模型。GPT-2 成功的背后究竟隐藏着什么秘密？本文将带你一起探索取得优异性能的 GPT-2 模型架构，重点阐释其]]></description>

    <pubDate>2021-01-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Jürgen Schmidhuber回顾30年前旧作，称其启发了现今]]></title>

    <link>http://www.sykv.com/cat/depth/29224.html</link>

    <description><![CDATA[现今流行的生成对抗网络（GAN）只是对抗好奇心的一种特例？在近日 Jürgen Schmidhuber 发表的博客文章中，他重申了这样一种说法。Jürgen 表示，他在 1990 年的一篇文章中详细描述了基于控]]></description>

    <pubDate>2021-01-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[个人深度学习工作站配置指南]]></title>

    <link>http://www.sykv.com/cat/depth/29223.html</link>

    <description><![CDATA[服务器的配置以个人使用性价比为主，同时考虑到以后的扩展性像是主板和机箱这些配件配置设置一些冗余。首先是CPU平台的选择，虽然AMD这两年实在是香，但是作为生产力工具考虑到]]></description>

    <pubDate>2021-01-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[AI 发展方向大争论：混合AI ？强化学习 ？将实际]]></title>

    <link>http://www.sykv.com/cat/depth/29222.html</link>

    <description><![CDATA[2010年代对于AI界来说意义重大，这归功于深度学习领域取得了惊人的进步，AI的这个分支因收集、存储和处理大量数据的能力不断增强而变得切实可行。如今，深度学习不仅是一个科学研]]></description>

    <pubDate>2021-01-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Pytorch中的四种经典Loss源码解析]]></title>

    <link>http://www.sykv.com/cat/depth/29139.html</link>

    <description><![CDATA[了解过Pytorch的应该知道其历史包袱比较重，它吸收了Caffe2的底层代码，然后自己借用这部分底层代码来写各种OP的逻辑，最后再暴露出一层Python接口供用户使用。因此第一次接触Pytorch源]]></description>

    <pubDate>2021-01-02</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[从GPT-3到DETR，一起来盘点2020有哪些突破？]]></title>

    <link>http://www.sykv.com/cat/depth/29138.html</link>

    <description><![CDATA[2020年是巨大飞跃的一年。从OpenAI的GPT-3，再到AlphaFold，都是令人振奋的成就。与此同时，数据科学在机器学习、自然语言处理（NLP）、计算机视觉等领域中蓬勃发展。今年2月微软才发布]]></description>

    <pubDate>2021-01-02</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[RealFormer：把残差转移到Attention矩阵上面去]]></title>

    <link>http://www.sykv.com/cat/depth/29137.html</link>

    <description><![CDATA[大家知道 Layer Normalization 是 Transformer 模型的重要组成之一，它的用法有 PostLN 和 PreLN 两种，论文 On Layer Normalization in the Transformer Architecture 中有对两者比较详细的分析。简单来说，就是]]></description>

    <pubDate>2021-01-02</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[一文详解神经网络与激活函数的基本原理]]></title>

    <link>http://www.sykv.com/cat/depth/29136.html</link>

    <description><![CDATA[关于模型架构。虽然具有一个隐藏层的神经网络已经可以模拟大部分函数，但是实践证明深度神经网络（即有更多的隐藏层）在图像识别和自然语言处理等任务中具有更优的表现，因此]]></description>

    <pubDate>2021-01-02</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[苹果 M1 芯片预示着 RISC-V 完全替代 ARM？]]></title>

    <link>http://www.sykv.com/cat/depth/29135.html</link>

    <description><![CDATA[与 CPU 不同，协处理器不能单独存在。只使用协处理器无法造出计算机。协处理器作为专用处理器，可以很好地完成某些特定的任务。最早的协处理器当属英特尔 8087 浮点单元（FPU）。英]]></description>

    <pubDate>2021-01-02</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[解读自然语言处理的2020年：“大力出奇迹”的]]></title>

    <link>http://www.sykv.com/cat/depth/29134.html</link>

    <description><![CDATA[近几年，自然语言处理遵循一个规律或者说方法论，大部分在做 Pre-training（预训练），用更复杂的模型、更大的数据量、更多的计算资源进行模型预训练。然后针对领域或者特定任务进]]></description>

    <pubDate>2021-01-02</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[打马赛克就安全了吗？AI 消除马赛克，在 GitHub]]></title>

    <link>http://www.sykv.com/cat/depth/29133.html</link>

    <description><![CDATA[像素化（又称马赛克）是一种常见的打码方式，通过降低图像中部分区域的分辨率来隐藏某些关键信息。但是，在你想隐藏信息的同时，有一些技术却反其道而行之，试图将图片还原为]]></description>

    <pubDate>2021-01-02</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[你可能不知道美国这家纯代工厂]]></title>

    <link>http://www.sykv.com/cat/depth/29132.html</link>

    <description><![CDATA[提到代工厂，我们最熟悉的莫过于台积电，英特尔，三星或GlobalFoundries等大公司。许多人甚至可能从未听说过SkyWater，因为它是几年前才从赛普拉斯半导体公司中分离出来的。诸如前三大]]></description>

    <pubDate>2021-01-02</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[吴恩达：2020 年，这些 AI 大事件让我无法忘怀.]]></title>

    <link>http://www.sykv.com/cat/depth/29131.html</link>

    <description><![CDATA[在过去一年，一种新的具有高度传染性的冠状病毒破坏了人们的正常生活，它所导致的社会裂痕也威胁到了我们的共同利益。在这一年期间，有大量的机器学习工程师参与其中，设计了]]></description>

    <pubDate>2021-01-02</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[年终总结：2021年五大人工智能(AI)和机器学习(ML)发展趋势]]></title>

    <link>http://www.sykv.com/cat/depth/29129.html</link>

    <description><![CDATA[明年，人工智能技术将在企业运营中更加根深蒂固。 人工智能(AI)和机器学习(ML)一直在改变着我们的世界，但是2020年给这两个改变游戏规则的人带来了新的机遇和紧迫性-预计2021年会有]]></description>

    <pubDate>2020-12-26</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>未知</comments>

</item>
<item>

    <title><![CDATA[从开发到产出：关于机器学习的七则干货建议]]></title>

    <link>http://www.sykv.com/cat/depth/29128.html</link>

    <description><![CDATA[笔者去初创公司工作主要是为了做项目，所以尽管任务紧急、团队又小，还伴随着频繁改动的项目要求以及其它琐事，笔者还是去了。不走运的是，笔者作为一名机器学习工程师着手的]]></description>

    <pubDate>2020-12-26</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>未知</comments>

</item>
<item>

    <title><![CDATA[Google综述：细数Transformer模型的17大高效变种]]></title>

    <link>http://www.sykv.com/cat/depth/28998.html</link>

    <description><![CDATA[在NLP领域transformer已经是成功地取代了RNN（LSTM/GRU），在CV领域也出现了应用，比如目标检测和图像加注，还有RL领域。这是一篇谷歌2020年9月份在arXiv发表的综述论文 “Efficient Transformer]]></description>

    <pubDate>2020-12-21</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[苹果M1预示着RISC-V的崛起？]]></title>

    <link>http://www.sykv.com/cat/depth/28997.html</link>

    <description><![CDATA[到目前为止，很明显，苹果的M1芯片是一件大事。而且，对其他行业的影响也越来越清晰。在这个故事中，我想谈谈这件事对RISC-V微处理器的影响，而这对于大多数读者而言可能并不明显]]></description>

    <pubDate>2020-12-21</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[英特尔：没落的芯片王者]]></title>

    <link>http://www.sykv.com/cat/depth/28996.html</link>

    <description><![CDATA[英特尔已从行业王者沦落为命运观察者。“听着，Clayton，我是一个很忙的人，我没有时间听学者们的废话，但是有人告诉我你有这个理论……我想知道你能不能出来向我和我的员工们介]]></description>

    <pubDate>2020-12-21</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[AI种草莓，比最强人类多两倍：首次农业人机大战]]></title>

    <link>http://www.sykv.com/cat/depth/28995.html</link>

    <description><![CDATA[水果为什么越来越好吃了？网红农产品背后是农业的创新力量。你也许不知道，最近一段时间里最流行的「网红水果」，很多都曾是默默无闻的小众水果。比如云南的人参果，一度无人]]></description>

    <pubDate>2020-12-21</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[入学试可用手机找数据　日本大学考核学生思维]]></title>

    <link>http://www.sykv.com/cat/depth/28989.html</link>

    <description><![CDATA[日本政府一直有意对大学入学试进行改革，认为有必要更改现时的模式，改为对知识和思维能力进行综合评估。而位于东京神奈川县的产业能率大学就在近日作出一个新决定，允许学生]]></description>

    <pubDate>2020-12-20</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[【时间序列】DTW算法详解]]></title>

    <link>http://www.sykv.com/plus/view-28917-1.html</link>

    <description><![CDATA[1.DTW 1.1 时序相似度 在时间序列数据中，一个常见的任务是比较两个序列的相似度，作为分类或聚类任务的基础。那么，时间序列的相似度应该如何计算呢？ 经典的时间序列相似性度量]]></description>

    <pubDate>暂无</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[红杉树智能英语在线教育培养孩子学习兴趣，提]]></title>

    <link>http://www.sykv.com/cat/depth/28886.html</link>

    <description><![CDATA[当代教育行业发展十分迅猛，其中智能教育逐渐成为了主流，被更多家长、学生接受。大家对于红杉树智能英语在线教育都十分信赖，因为这是一个教育行业的领导品牌，采用全新的智]]></description>

    <pubDate>2020-12-15</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[MIT韩松团队开发全新微型深度学习技术MCUNet-符印]]></title>

    <link>http://www.sykv.com/cat/depth/28731.html</link>

    <description><![CDATA[ldquo;MCUNet能够把深度学习在单片机上做到ImageNet70%以上的准确率，我们的研究表明，在物联网设备上在线进行小资源机器学习的时代正在到来。rdquo;符印巨树 近日，MIT电子工程和计算机]]></description>

    <pubDate>2020-12-13</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Facebook AI新研究：可解释神经元或许会阻碍DNN的学]]></title>

    <link>http://www.sykv.com/cat/depth/28730.html</link>

    <description><![CDATA[FacebookAI近期更新博客介绍了一篇新论文，即研究人员通过实验发现「易于解释的神经元可能会阻碍深层神经网络的学习」。为了解决这些问题，他们提出了一种策略，通过可伪造的可解]]></description>

    <pubDate>2020-12-13</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[蒲慕明院士发问：颠覆性技术是否带来伦理问题]]></title>

    <link>http://www.sykv.com/cat/depth/28729.html</link>

    <description><![CDATA[包括脑科学领域的颠覆性技术是否会带来伦理方面的问题？在AI时代人类是否将无用武之地？10月30日，在上海举行的第三届世界顶尖科学家论坛ldquo;科学前沿与颠覆性技术rdquo;论坛上，]]></description>

    <pubDate>2020-12-13</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[微软和谷歌分别开源分布式深度学习框架，各自]]></title>

    <link>http://www.sykv.com/cat/depth/28728.html</link>

    <description><![CDATA[微软和谷歌一直在积极研究用于训练深度神经网络的新框架，并且在最近将各自的成果开源mdash;mdash;微软的PipeDream和谷歌的GPipe。 原则上看，他们都遵循了类似的原则来训练深度学习模]]></description>

    <pubDate>2020-12-13</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[私塾家亮相GET2020教育科技大会,以AI智能重构智慧]]></title>

    <link>http://www.sykv.com/cat/depth/28727.html</link>

    <description><![CDATA[11月23日-11月24日,GET2020教育科技大会在北京国际会议中心正式召开,大会以ldquo;或跃在渊bull;教育的信心与发展rdquo;为主题,倡导后疫情时代重拾对教育的初心与信心,汇聚上千位行业专家及]]></description>

    <pubDate>2020-12-13</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[图灵奖得主的大神之家：一家三口都是MIT博士，]]></title>

    <link>http://www.sykv.com/cat/depth/28726.html</link>

    <description><![CDATA[一家三口都是MIT博士是一种怎样的体验？最近，图灵奖得主曼纽尔middot;布鲁姆（ManuelBlum）和他的妻子莱诺尔middot;布鲁姆（LenoreBlum）、他的儿子阿夫里姆middot;布鲁姆联合发表了一篇论]]></description>

    <pubDate>2020-12-13</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[LSRA: 轻量级Transformer，注意力长短搭配]]></title>

    <link>http://www.sykv.com/cat/depth/28594.html</link>

    <description><![CDATA[Transformer虽然效果好，但是却对资源要求比较高，很难在端设备上运行。在传统的Transformer中，每个block中都有Multi-head Attention和全连接层，其中，随着序列长度N的增大，全连接层的计算]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[PyTorch or TensorFlow？]]></title>

    <link>http://www.sykv.com/cat/depth/28593.html</link>

    <description><![CDATA[机器学习领域，面对各类复杂多变的业务问题，构建灵活易调整的模型是高阶机器学习工程师必备的工作能力。然而，许多工程师还是有一个想法上的误区，以为只要掌握了一种深度学]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[TensorFlow 2.4 Mac 优化版：在 Mac 上实现加速的 CPU]]></title>

    <link>http://www.sykv.com/cat/depth/28592.html</link>

    <description><![CDATA[借助 TensorFlow 2，可在跨平台、设备和硬件上实现一流的训练性能，从而使开发者、工程师和研究人员能够在他们喜欢的平台上工作。现在，TensorFlow 用户可以在搭载 Apple 全新 M1 芯片或]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[图卷积神经网络理论基础]]></title>

    <link>http://www.sykv.com/cat/depth/28591.html</link>

    <description><![CDATA[Graph Convolutional Networks图卷积网络涉及到两个重要的概念，Graph和Convolution。传统的卷积主要应用于Euclidean Structure的数据上（排列很整齐、Grid形式的），如图像、语句等，主要是因为欧式]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[一文看懂CV中的注意力机制]]></title>

    <link>http://www.sykv.com/cat/depth/28590.html</link>

    <description><![CDATA[计算机视觉领域注意力机制的开篇之作。提出了non-local operations，使用自注意力机制建立远程依赖。- local operations: 卷积(对局部领域)、recurrent(对当前/前一时刻)等操作。- non-local operati]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[YOLO系列：YOLOv1,YOLOv2,YOLOv3,YOLOv4,YOLOv5简介]]></title>

    <link>http://www.sykv.com/cat/depth/28589.html</link>

    <description><![CDATA[YOLO没有显示求取region proposal的过程。Faster R-CNN中尽管RPN与fast rcnn共享卷积层，但是在模型训练过程中，需要反复训练RPN网络和fast rcnn网络.相对于R-CNN系列的quot;看两眼quot;(候选框提取与]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[英伟达RTX 3080值不值得抢？有人用它在TensorFlow上]]></title>

    <link>http://www.sykv.com/cat/depth/28588.html</link>

    <description><![CDATA[一通跑分猛如虎，结果发现深度学习框架还不支持。自 9 月份英伟达发布新一代安培架构消费级显卡 RTX 30 系列已过去两个月了，随着芯片代工者三星的产能爬坡，未来更多的人将有机会]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[深度学习GPU最全对比，到底谁才是性价比之王？]]></title>

    <link>http://www.sykv.com/cat/depth/28587.html</link>

    <description><![CDATA[搞AI，谁又没有“GPU之惑”？张量核心、显存带宽、16位能力……各种纷繁复杂的GPU参数让人眼花缭乱，到底怎么选？从不到1000元1050 Ti到近30000元的Titan V，GPU价格的跨度这么大，该从何]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[分布式训练框架Horovod初步学习]]></title>

    <link>http://www.sykv.com/cat/depth/28586.html</link>

    <description><![CDATA[Horovod 是 TensorFlow、Keras、PyTorch 和 Apache MXNet 的分布式深度学习训练框架。Horovod 的目标是使分布式深度学习快速且易于使用。简单来说就是为这些框架提供分布式支持，比如有一个需求]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[再讲卷积的本质及物理意义，解释的真幽默！]]></title>

    <link>http://www.sykv.com/cat/depth/28585.html</link>

    <description><![CDATA[卷积这个东东是“信号与系统”中论述系统对输入信号的响应而提出的。因为是对模拟信号论述的，所以常常带有繁琐的算术推倒，很简单的问题的本质常常就被一大堆公式淹没了，那]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[二值化神经网络(BNN)综述]]></title>

    <link>http://www.sykv.com/cat/depth/28584.html</link>

    <description><![CDATA[二值化神经网络BNN由于可以实现极高的压缩比和加速效果，所以它是推动以深度神经网络为代表的人工智能模型在资源受限和功耗受限的移动端设备，嵌入式设备上落地应用的一门非常]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Facebook AI新研究：可解释神经元或许会阻碍DNN的学]]></title>

    <link>http://www.sykv.com/cat/depth/28583.html</link>

    <description><![CDATA[人工智能模型到底「理解」了什么内容，又是如何「理解」的呢？回答这个问题对于改进人工智能系统来说至关重要。而不幸的是，计算机科学家解释深层神经网络(DNN)的能力远远落后于]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[漫谈图神经网络 (三)]]></title>

    <link>http://www.sykv.com/cat/depth/28582.html</link>

    <description><![CDATA[图读出操作，顾名思义，就是用来生成图表示的。它的别名有图粗化(翻译捉急，Graph Coarsening)/图池化(Graph Pooling)。对于这种操作而言，它的核心要义在于：操作本身要对结点顺序不敏感]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[从图(Graph)到图卷积(Graph Convolution)：漫谈图神经网]]></title>

    <link>http://www.sykv.com/cat/depth/28581.html</link>

    <description><![CDATA[在开始正式介绍图卷积之前，我们先花一点篇幅探讨一个问题：为什么研究者们要设计图卷积操作，传统的卷积不能直接用在图上吗？ 要理解这个问题，我们首先要理解能够应用传统卷]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Hinton新作！越大的自监督模型，半监督学习需要]]></title>

    <link>http://www.sykv.com/cat/depth/28580.html</link>

    <description><![CDATA[仅使用1％的标签（每类≤13个标签图像），本文提出的方法即可达到73.9％ImageNet top-1准确率，与以前的SOTA相比，标签效率提高了10倍。使用10％的标签，本文的方法可以达到77.5％的top-]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[ASML 1nm光刻机完成：摩尔定律尚未结束]]></title>

    <link>http://www.sykv.com/cat/depth/28469.html</link>

    <description><![CDATA[根据日媒的报道，在不久前举办的线上活动中，欧洲微电子研究中心IMEC首席执行官兼总裁Luc Van den hove在线上演讲中表示，在与ASML公司的合作下，更加先进的光刻机已经取得了进展。摩]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[LSRA: 轻量级Transformer，注意力长短搭配]]></title>

    <link>http://www.sykv.com/cat/depth/28468.html</link>

    <description><![CDATA[Transformer虽然效果好，但是却对资源要求比较高，很难在端设备上运行。在传统的Transformer中，每个block中都有Multi-head Attention和全连接层，其中，随着序列长度N的增大，全连接层的计算]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[神经科学如何影响人工智能？看DeepMind在NeurIPS2]]></title>

    <link>http://www.sykv.com/cat/depth/28467.html</link>

    <description><![CDATA[大脑仍然是唯一已知的真正通用智能系统的例子。对人类和动物认知的研究已经揭晓了一些关键的见解，如并行分布式处理、生物视觉和从奖赏信号中学习的想法，这些都极大影响了人]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Gebru被辞退的背后真相：指出BERT的4大危害，威胁]]></title>

    <link>http://www.sykv.com/cat/depth/28466.html</link>

    <description><![CDATA[根据 Timnit Gebru 与 Google AI 负责人Jeff Dean被透露的邮件内容，Gebru的论文在提交审核中没有达到发表要求，因此被驳斥；接着，Gebru提出一些要求，如希望谷歌提供论文审核者的名单信息，]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[被深度学习彻底改变的十大行业]]></title>

    <link>http://www.sykv.com/cat/depth/28465.html</link>

    <description><![CDATA[深度学习是机器学习的一个子领域，属于人工智能(AI)和物联网(IoT)。然而，如果没有深度学习的应用，自动化和智能就不会达到今天的水平。例如，人工智能在制造业已经取得了长足的]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[“逃离”英伟达]]></title>

    <link>http://www.sykv.com/cat/depth/28464.html</link>

    <description><![CDATA[继11月亚马逊将 Alexa 语音助手的部分计算任务转移到自主设计的定制设计芯片Inferentia 后，近日，其再次宣布推出了全新的AI训练芯片AWS Trainium，据消息称，这是该公司用于训练机器学习]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[PyTorch or TensorFlow？]]></title>

    <link>http://www.sykv.com/cat/depth/28463.html</link>

    <description><![CDATA[机器学习领域，面对各类复杂多变的业务问题，构建灵活易调整的模型是高阶机器学习工程师必备的工作能力。然而，许多工程师还是有一个想法上的误区，以为只要掌握了一种深度学]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[一位前ARM工程师对RISC-V的批评]]></title>

    <link>http://www.sykv.com/cat/depth/28461.html</link>

    <description><![CDATA[RISC-V 的极简主义让解码器（CPU 前端）变得更简单，代价则是需要执行更多的指令。然而，相对于拓宽流水线这个难题而言，解码不规则指令的问题很好解决，主要难点在于确定指令的长]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[美俄人工智能军事应用]]></title>

    <link>http://www.sykv.com/cat/depth/28460.html</link>

    <description><![CDATA[21世纪中期以来，美国军方开始探索人工智能如何改变战争，俄罗斯也开展了一系列的对老旧设备进行现代化改造的军事改革。随着人工智能技术的发展，美国、俄罗斯都开始将人工智能]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[DeepMind的AlphaFold被刷屏后，圈内科学家是如何“吃]]></title>

    <link>http://www.sykv.com/cat/depth/28459.html</link>

    <description><![CDATA[这周，让生物科学圈和人工智能圈为之沸腾的，必然是DeepMind宣布蛋白质折叠预测问题已被其攻破的消息。此消息一出，立刻登上了Nature杂志封面，标题直接评论为：“它将改变一切！”]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[TensorFlow 2.4 Mac 优化版：在 Mac 上实现加速的 CPU]]></title>

    <link>http://www.sykv.com/cat/depth/28458.html</link>

    <description><![CDATA[借助 TensorFlow 2，可在跨平台、设备和硬件上实现一流的训练性能，从而使开发者、工程师和研究人员能够在他们喜欢的平台上工作。现在，TensorFlow 用户可以在搭载 Apple 全新 M1 芯片或]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[光刻如何一步一步变成了芯片制造的卡脖子技术]]></title>

    <link>http://www.sykv.com/cat/depth/28457.html</link>

    <description><![CDATA[芯片制造用到的技术很多，光刻是芯片制造的灵魂技术，但是开始的时候，光刻并不是所有技术中最厉害的。现在大众认识到了芯片的重要性，讨论芯片产业的卡脖子问题时，提到最多]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[终于讲明白了！国外大神超详细解读：苹果M1为什]]></title>

    <link>http://www.sykv.com/cat/depth/28456.html</link>

    <description><![CDATA[12 月 1 日消息 苹果的 M1 芯片是苹果在 Mac 上搭载的单核 CPU 基准测试成绩最快的芯片，在多核性能方面，也击败了许多高端英特尔竞品。开发者Erik Engheim 近日分享了对 M1 芯片的深入研究]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[图卷积神经网络理论基础]]></title>

    <link>http://www.sykv.com/cat/depth/28455.html</link>

    <description><![CDATA[Graph Convolutional Networks图卷积网络涉及到两个重要的概念，Graph和Convolution。传统的卷积主要应用于Euclidean Structure的数据上（排列很整齐、Grid形式的），如图像、语句等，主要是因为欧式]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[DeepMind推出二代AlphaFold，破解蛋白质分子折叠，生]]></title>

    <link>http://www.sykv.com/cat/depth/28454.html</link>

    <description><![CDATA[近日，谷歌AI团队DeepMind所研究的 AlphaFold 算法在生物学领域取得了重要突破：通过蛋白质的氨基酸序列高精度地确定其3D结构。具体而言，是DeepMind的第二代AlphaFold 在国际蛋白质结构预测]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[David Patterson：RISC-V将成为世界上最重要的指令集]]></title>

    <link>http://www.sykv.com/cat/depth/28453.html</link>

    <description><![CDATA[十年前，一个想法诞生于加利福尼亚大学伯克利分校的一个实验室中，他们创造了一种通用的计算机芯片语言，按照他们的设想，这套指令将被能所有芯片制造商所使用，而不属于任何]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Data Lakehouse (湖仓一体) 到底是什么]]></title>

    <link>http://www.sykv.com/cat/depth/28451.html</link>

    <description><![CDATA[数据湖（Data Lake)，湖仓一体（Data Lakehouse）俨然已经成为了大数据领域最为火热的流行词，在接受这些流行词洗礼的时候，身为技术人员我们往往会发出这样的疑问，这是一种新的技术]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[一文看懂CV中的注意力机制]]></title>

    <link>http://www.sykv.com/cat/depth/28450.html</link>

    <description><![CDATA[计算机视觉领域注意力机制的开篇之作。提出了non-local operations，使用自注意力机制建立远程依赖。- local operations: 卷积(对局部领域)、recurrent(对当前/前一时刻)等操作。- non-local operati]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[为什么说苹果M1芯片是颠覆性的]]></title>

    <link>http://www.sykv.com/cat/depth/28449.html</link>

    <description><![CDATA[上周，苹果发布了其M1 SoC。M1采用与最新iPhone相同的A14 CPU，和是十年来首个挑战AMD和Intel等公司的非x86 CPU架构。从那时起，多项关于Apple M1 芯片与AMD和Intel综合测试表明，M1在多个领域处]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[英特尔与AMD的龟兔赛跑]]></title>

    <link>http://www.sykv.com/cat/depth/28448.html</link>

    <description><![CDATA[英特尔与AMD的竞争是乌龟与野兔的竞争。但哪家公司是龟？哪家公司是兔？在过去的几个发布周期中，英特尔和AMD的粉丝之间的评论之战一直很激烈，大量的数字墨水都在讨论这些年来]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[苹果三位芯片大神讲述M1背后的故事]]></title>

    <link>http://www.sykv.com/cat/depth/28447.html</link>

    <description><![CDATA[前不久，苹果发布了在Arm芯片上运行的Mac机器，当我们惊叹于苹果为何能在自言芯片上不断迈出自己坚实的步伐时，背后到底有怎样的故事呢？一家外媒近期采访了苹果公司软件工程高]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[YOLO系列：YOLOv1,YOLOv2,YOLOv3,YOLOv4,YOLOv5简介]]></title>

    <link>http://www.sykv.com/cat/depth/28446.html</link>

    <description><![CDATA[YOLO没有显示求取region proposal的过程。Faster R-CNN中尽管RPN与fast rcnn共享卷积层，但是在模型训练过程中，需要反复训练RPN网络和fast rcnn网络.相对于R-CNN系列的quot;看两眼quot;(候选框提取与]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[民调不靠谱？人工智能预测拜登获胜]]></title>

    <link>http://www.sykv.com/cat/depth/28445.html</link>

    <description><![CDATA[预测美国 2020 年总统大选结果的一些民调似乎并没有实现准确的猜测。聚合网站 RealClearPolitics 的数据显示，前副总统拜登比现任总统特朗普领先 7 个百分点，而 FiveThirtyEight 的数据显示]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[认知科学顶刊：挑战过去50年神经科学观点，人类]]></title>

    <link>http://www.sykv.com/cat/depth/28444.html</link>

    <description><![CDATA[先前的研究认为，海马体（大脑中的一个对记忆来讲至关重要的区域）的模式分离可以使神经元形成不同的神经元群组来存储记忆，这样记忆就不会发生混淆。而历经15年的研究，莱斯特]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[英伟达RTX 3080值不值得抢？有人用它在TensorFlow上]]></title>

    <link>http://www.sykv.com/cat/depth/28443.html</link>

    <description><![CDATA[一通跑分猛如虎，结果发现深度学习框架还不支持。自 9 月份英伟达发布新一代安培架构消费级显卡 RTX 30 系列已过去两个月了，随着芯片代工者三星的产能爬坡，未来更多的人将有机会]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[为什么苹果非要用自己的芯片]]></title>

    <link>http://www.sykv.com/cat/depth/28442.html</link>

    <description><![CDATA[苹果又来了。这次发布会上，三款全新的 Mac 正式释出，最大的亮点，是它们都搭载了苹果自主研发的 M1 芯片。为什么苹果要研发自己的芯片？给电脑换「芯」究竟有多难？过去 15 年，]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[为集成电路大家族“拍摄全家福”]]></title>

    <link>http://www.sykv.com/cat/depth/28441.html</link>

    <description><![CDATA[集成电路(芯片)应用十分广泛，种类很多，型号十分繁杂。只要出现新的应用需求，就会产生新的芯片。要描绘芯片大家族全貌，首先要对它进行分类。芯片的分类方法可以有许多种，例]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[给BERT加一个loss就能稳定提升？斯坦福+Facebook最新]]></title>

    <link>http://www.sykv.com/cat/depth/28440.html</link>

    <description><![CDATA[关注CV领域的小伙伴一定都记得Hinton团队在年初提出的SimCLR，采用自监督的对比学习方法进行encoder的训练，各种碾压之前的模型。所以今年我一直在等某个大招，终于在20年的尾巴看到了]]></description>

    <pubDate>2020-12-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[独立FPGA厂商走向穷途末路？]]></title>

    <link>http://www.sykv.com/cat/depth/28350.html</link>

    <description><![CDATA[大浪淘沙沉者为金，风卷残云胜者为王。但对于FPGA这个市场来说，沉者、胜者或许都不是最后的赢家。在2010年以前的FPGA市场中，虽然有赛灵思和Altera两家巨头占据着大部分市场份额，]]></description>

    <pubDate>2020-10-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[ResNet、Faster RCNN、Mask RCNN是专利算法吗？盘点何恺]]></title>

    <link>http://www.sykv.com/cat/depth/28349.html</link>

    <description><![CDATA[前段时间OpenCV正式将SIFT算法的实现从Non-free模块移到主库（OpenCV 4.4 发布！SIFT移到主库，新增YOLOv4 和 EfficientDet 推断支持），因SIFT专利到期了（专利授权后，从申请日开始有20年的保护]]></description>

    <pubDate>2020-10-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[DeepMind新突破！首次用深度学习从第一性原理计算]]></title>

    <link>http://www.sykv.com/cat/depth/28348.html</link>

    <description><![CDATA[DeepMind发表了一项新研究，展示了深度学习如何帮助解决现实系统中的量子力学基本方程问题，相关论文发表在物理学期刊《Physical Review Research》，代码也已经开源。这种新的神经网络架]]></description>

    <pubDate>2020-10-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[巨头们纷纷涌入，DPU有何魔力？]]></title>

    <link>http://www.sykv.com/cat/depth/28347.html</link>

    <description><![CDATA[自1950年代以来，中央处理器“ CPU”一直是每台计算机或智能设备的核心；到1990年代以来，GPU或图形处理单元扮演了重要角色；所以，在过去的十年中，计算已经摆脱了PC和服务器的繁琐]]></description>

    <pubDate>2020-10-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[英伟达的DPU，是想在数据中心奇袭英特尔？]]></title>

    <link>http://www.sykv.com/cat/depth/28346.html</link>

    <description><![CDATA[最近几年，经常关注科技圈的朋友们总会发现，每次遇到厂商有重大发布，就总能看到“颠覆”、“极致”、“革命性”等概念出现在发布会上。前几天，iPhone12的发布现场，蒂姆库克就]]></description>

    <pubDate>2020-10-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[重磅盘点：过去8年中深度学习最重要的想法汇总]]></title>

    <link>http://www.sykv.com/cat/depth/28345.html</link>

    <description><![CDATA[深度学习是一个瞬息万变的领域，层出不穷的论文和新思路可能会令人不知所措。即使是经验丰富的研究人员，也很难准确将研究成果传达给公司的公关部门，继而传达给大众。对于初]]></description>

    <pubDate>2020-10-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[牛津CS博士小姐姐134页毕业论文探索神经网络内部]]></title>

    <link>http://www.sykv.com/cat/depth/28344.html</link>

    <description><![CDATA[近年来，深度神经网络正在计算机视觉、自然语言处理和语音识别等多种领域发挥着重要作用，推动了人工智能的发展。但是，深度神经网络仍存在一些局限性，例如这些模型的决策过]]></description>

    <pubDate>2020-10-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[芯片江湖之灭门历史、丛林法则等]]></title>

    <link>http://www.sykv.com/cat/depth/28343.html</link>

    <description><![CDATA[芯片行业是一个集人类智慧之大成，超级烧脑，挥金如土，永远追求卓越的行业。也是一个灭门许多前辈行业，信奉成王败寇，永远创新，激烈竞争，看似走火入魔的一个科技江湖。集]]></description>

    <pubDate>2020-10-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[从图(Graph)到图卷积(Graph Convolution)：漫谈图神经网]]></title>

    <link>http://www.sykv.com/cat/depth/28282.html</link>

    <description><![CDATA[最早的GNN主要解决的还是如分子结构分类等严格意义上的图论问题。但实际上欧式空间(比如像图像 Image)或者是序列(比如像文本 Text)，许多常见场景也都可以转换成图(Graph)，然后就能使]]></description>

    <pubDate>2020-10-17</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[GPU必知必会 | 哪款显卡配得上我的炼丹炉]]></title>

    <link>http://www.sykv.com/cat/depth/28281.html</link>

    <description><![CDATA[众所周知，深度学习是一个很吃算力的领域，所以，GPU 选得好不好直接决定了你的炼丹体验。那么，哪些指标是你在买 GPU 时应该重视的呢？RAM、core 还是 tensor core？如何做出一个高性价]]></description>

    <pubDate>2020-10-17</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[从发展历史视角解析Transformer：从全连接CNN到Tr]]></title>

    <link>http://www.sykv.com/cat/depth/28280.html</link>

    <description><![CDATA[Transformer架构在机器学习领域（尤其是NLP里）是一项热门研究，为我们带来了许多重要成果，比如：GPT-2、GPT-3等写稿机器人；第一代GPT及其性能更优越的“继任者”BERT模型，在众多语言]]></description>

    <pubDate>2020-10-17</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[YOLO算法最全综述：从YOLOv1到YOLOv5]]></title>

    <link>http://www.sykv.com/cat/depth/28279.html</link>

    <description><![CDATA[YOLO没有显示求取region proposal的过程。Faster R-CNN中尽管RPN与fast rcnn共享卷积层，但是在模型训练过程中，需要反复训练RPN网络和fast rcnn网络.相对于R-CNN系列的quot;看两眼quot;(候选框提取与]]></description>

    <pubDate>2020-10-17</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[用最简单的方式训练史上最强ResNet-50，性能超过]]></title>

    <link>http://www.sykv.com/cat/depth/28278.html</link>

    <description><![CDATA[近日，CMU 的研究人员在 arXiv 上放出了一份技术报告，介绍他们如何通过蒸馏（distillation）训练一个强大的小模型。所提出方法使用相同模型结构和输入图片大小的前提下，在 ImageNet 上]]></description>

    <pubDate>2020-10-17</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[推荐系统架构与算法流程详解]]></title>

    <link>http://www.sykv.com/cat/depth/28245.html</link>

    <description><![CDATA[如果说互联网的目标就是连接一切，那么推荐系统的作用就是建立更加有效率的连接，推荐系统可以更有效率的连接用户与内容和服务，节约了大量的时间和成本。如果把推荐系统简单]]></description>

    <pubDate>2020-10-17</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[深度学习未来的三种范式]]></title>

    <link>http://www.sykv.com/cat/depth/28244.html</link>

    <description><![CDATA[深度学习是一个广阔的领域，它围绕着一种形态由数百万甚至数十亿个变量决定并不断变化的算法——神经网络。似乎每隔一天就有大量的新方法和新技术被提出来。不过，总的来说，]]></description>

    <pubDate>2020-10-17</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[我国首个实用化无人机“蜂群”,中国电科单车发]]></title>

    <link>http://www.sykv.com/cat/depth/28243.html</link>

    <description><![CDATA[近期，中国电科集团电科院开展了陆空协同固定翼无人机“蜂群”系统的相关试验试飞工作，验证了陆上发射和空中投放固定翼无人机“蜂群”开展对地察打、精确打击等各项任务能力]]></description>

    <pubDate>2020-10-17</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[光刻机能进口了！全球最大制造商ASML回应，卖给]]></title>

    <link>http://www.sykv.com/cat/depth/28242.html</link>

    <description><![CDATA[没有顶尖的光刻机，是我国半导体行业发展的最大瓶颈。在这个领域称得上龙头的，荷兰的阿斯麦尔(ASML)首屈一指。10月14日，ASML的首席财务官Roger Dassen就向中国出口光刻机的问题发表了]]></description>

    <pubDate>2020-10-17</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[BERT模型蒸馏有哪些方法？]]></title>

    <link>http://www.sykv.com/cat/depth/28151.html</link>

    <description><![CDATA[我们都知道预训练模型的标准范式：pretrain-利用大量的未标记数据通过一些自监督的学习方式学习丰富的语义和句法知识。例如：Bert 的 MLM，NSP 等等。finetune-将预训练过程中所学到的知]]></description>

    <pubDate>2020-10-13</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[从图(Graph)到图卷积(Graph Convolution)：漫谈图神经网]]></title>

    <link>http://www.sykv.com/cat/depth/28150.html</link>

    <description><![CDATA[最早的GNN主要解决的还是如分子结构分类等严格意义上的图论问题。但实际上欧式空间(比如像图像 Image)或者是序列(比如像文本 Text)，许多常见场景也都可以转换成图(Graph)，然后就能使]]></description>

    <pubDate>2020-10-13</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[OpenAI推出数学推理证明模型，推理结果首次被数]]></title>

    <link>http://www.sykv.com/cat/depth/28149.html</link>

    <description><![CDATA[今年6月，OpenAI发布一款强大的文本生成模型GPT-3，不少网友迅速上手用了起来，有人用它写食谱、写歌词，甚至有人用它写博客，愣是以假乱真登上了新闻平台技术板块热榜第一。前不]]></description>

    <pubDate>2020-10-13</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Arm服务器芯片新战局]]></title>

    <link>http://www.sykv.com/cat/depth/28148.html</link>

    <description><![CDATA[英特尔一统服务器芯片江湖已经很久了。虽然在这期间有IBM和MIPS前来挑战，但他们谁都无法撼动英特尔的地位。进入了二十一世纪以后，凭借移动领域而迅速崛起的Arm，为“高处不胜寒]]></description>

    <pubDate>2020-10-13</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[常见风控指标释义]]></title>

    <link>http://www.sykv.com/cat/depth/28147.html</link>

    <description><![CDATA[Application scorecard 进件评分卡，对授信阶段提交的资料赋值的规则。举例：“进件”是传统银行的说法，指申请单。评分卡是对一系列用户信息的综合判断。随着可以收集到的用户信息变]]></description>

    <pubDate>2020-10-13</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[从word2vec开始，说下GPT庞大的家族系谱]]></title>

    <link>http://www.sykv.com/cat/depth/28146.html</link>

    <description><![CDATA[本文从从老祖级别的 word2vec 开始，从头到尾梳理了 GPT 的 「家谱」 和 word2vec 领衔的庞大的 NLP「家族集团」。GPT 不是凭空而出，它是经过了很多人的努力，以及很长一段时间的演化得来]]></description>

    <pubDate>2020-10-13</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[为AI而生的IPU芯片，或挑战GPU的霸主位？]]></title>

    <link>http://www.sykv.com/cat/depth/28139.html</link>

    <description><![CDATA[在CPU芯片领域，延续至今的“摩尔定律”正在随着制程工艺逼近物理极限而有了延缓的趋势，甚至失效的可能。就在摩尔定律的增长放缓脚步的同时，半导体芯片的计算也正在从通用走]]></description>

    <pubDate>2020-10-09</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[GPU必知必会 | 哪款显卡配得上我的炼丹炉]]></title>

    <link>http://www.sykv.com/cat/depth/28138.html</link>

    <description><![CDATA[众所周知，深度学习是一个很吃算力的领域，所以，GPU 选得好不好直接决定了你的炼丹体验。那么，哪些指标是你在买 GPU 时应该重视的呢？RAM、core 还是 tensor core？如何做出一个高性价]]></description>

    <pubDate>2020-10-09</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[从发展历史视角解析Transformer：从全连接CNN到Tr]]></title>

    <link>http://www.sykv.com/cat/depth/28137.html</link>

    <description><![CDATA[Transformer架构在机器学习领域（尤其是NLP里）是一项热门研究，为我们带来了许多重要成果，比如：GPT-2、GPT-3等写稿机器人；第一代GPT及其性能更优越的“继任者”BERT模型，在众多语言]]></description>

    <pubDate>2020-10-09</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[一文带你了解协同过滤的前世今生]]></title>

    <link>http://www.sykv.com/cat/depth/28136.html</link>

    <description><![CDATA[协同过滤是基于用户行为设计的推荐算法，具体来说，是通过群体的行为来找到某种相似性（用户之间的相似性或者物品之间的相似性），通过相似性来为用户做决策和推荐。从字面上]]></description>

    <pubDate>2020-10-09</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[独霸市场数十年，X86处理器究竟难在哪里？]]></title>

    <link>http://www.sykv.com/cat/depth/28135.html</link>

    <description><![CDATA[这些年来，相信各位闲闲没事，就会在网路各角落看到，不同领域的各路英雄好汉一直有相同疑惑：为何今天的x86 处理器市场，台面上只剩下英特尔和AMD 两家美国公司？顶多再加个存在]]></description>

    <pubDate>2020-10-09</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[谷歌最新模型pQRNN：效果接近BERT，参数量缩小3]]></title>

    <link>http://www.sykv.com/cat/depth/28134.html</link>

    <description><![CDATA[文本分类是NLP最常见的应用之一，有了BERT之后更是可以通过小批量数据精调达到不错的效果。但在对速度要求高、没有钱买GPU、移动设备部署的场景下，还是得用浅层网络。今天就跟大]]></description>

    <pubDate>2020-10-09</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[YOLO算法最全综述：从YOLOv1到YOLOv5]]></title>

    <link>http://www.sykv.com/cat/depth/28133.html</link>

    <description><![CDATA[YOLO没有显示求取region proposal的过程。Faster R-CNN中尽管RPN与fast rcnn共享卷积层，但是在模型训练过程中，需要反复训练RPN网络和fast rcnn网络.相对于R-CNN系列的quot;看两眼quot;(候选框提取与]]></description>

    <pubDate>2020-10-09</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[按照时间线帮你梳理10种预训练模型]]></title>

    <link>http://www.sykv.com/cat/depth/28021.html</link>

    <description><![CDATA[BERT中及XLNet和RoBERTa中，词嵌入大小 E 和隐藏层大小 H 相等的，H =E=768；而ALBERT认为，词嵌入学习单个词的信息，而隐藏层输出包含上下文信息，应该 Hgt;gt;E。所以ALBERT的词向量的维度小]]></description>

    <pubDate>2020-09-29</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[基于OpenCV 的车牌识别]]></title>

    <link>http://www.sykv.com/cat/depth/28020.html</link>

    <description><![CDATA[车牌识别是一种图像处理技术，用于识别不同车辆。这项技术被广泛用于各种安全检测中。现在让我一起基于OpenCV编写Python代码来完成这一任务。第一步是从汽车上检测车牌所在位置。]]></description>

    <pubDate>2020-09-29</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[对比自监督学习浪潮迅猛来袭，你准备好了吗？]]></title>

    <link>http://www.sykv.com/cat/depth/28019.html</link>

    <description><![CDATA[近年来，自监督学习逐渐成为了备受人们关注的应对标注缺乏问题的热门解决方案，科研人员在基于对比学习的自监督方法方面进行了大量研究。本文是 PyTorch Lightning 创始人 William Fal]]></description>

    <pubDate>2020-09-29</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[用最简单的方式训练史上最强ResNet-50，性能超过]]></title>

    <link>http://www.sykv.com/cat/depth/28018.html</link>

    <description><![CDATA[近日，CMU 的研究人员在 arXiv 上放出了一份技术报告，介绍他们如何通过蒸馏（distillation）训练一个强大的小模型。所提出方法使用相同模型结构和输入图片大小的前提下，在 ImageNet 上]]></description>

    <pubDate>2020-09-29</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[一定要GPT3吗？不，BERT的MLM模型也能小样本学习]]></title>

    <link>http://www.sykv.com/cat/depth/28017.html</link>

    <description><![CDATA[大家都知道现在GPT3风头正盛，然而，到处都是GPT3、GPT3地推，读者是否记得GPT3的论文的名字呢？事实上，GPT3的论文叫做《Language Models are Few-Shot Learners》，标题里边已经没有G、P、T几个]]></description>

    <pubDate>2020-09-29</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[BERT为什么是NLP的革新者]]></title>

    <link>http://www.sykv.com/cat/depth/28015.html</link>

    <description><![CDATA[BERT，全称 Bidirectional Encoder Representation from Transformers，是一款于 2018 年发布，在包括问答和语言理解等多个任务中达到顶尖性能的语言模型。它不仅击败了之前最先进的计算模型，而且在]]></description>

    <pubDate>2020-09-29</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Repulsion Loss 遮挡场景下的目标检测]]></title>

    <link>http://www.sykv.com/cat/depth/27986.html</link>

    <description><![CDATA[在检测行人任务中，由于行人之间互相遮挡，导致传统的检测器容易受遮挡的干扰，给出错误的预测框。研究人员先是从数据集上进行分析，定量描述了遮挡对行人检测带来的影响。后]]></description>

    <pubDate>2020-09-25</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[深度神经网络模型训练中的 tricks（原理与代码汇]]></title>

    <link>http://www.sykv.com/cat/depth/27952.html</link>

    <description><![CDATA[计算机视觉主要问题有图像分类、目标检测和图像分割等。针对图像分类任务，提升准确率的方法路线有两条，一个是模型的修改，另一个是各种数据处理和训练的技巧(tricks)。图像分类]]></description>

    <pubDate>2020-09-25</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Arm连发两大服务器CPU新品！单核性能猛增50%]]></title>

    <link>http://www.sykv.com/cat/depth/27951.html</link>

    <description><![CDATA[今天，Arm公布下一代Neoverse服务器CPU设计，不仅公布N系列的第二代产品N2，还首次推出了全新产品类别Neoverse V系列平台，剑指最高单线程性能。Neoverse V1内核（代号Zeus）支持可伸缩扩展]]></description>

    <pubDate>2020-09-25</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[任务式对话中的自然语言理解]]></title>

    <link>http://www.sykv.com/cat/depth/27950.html</link>

    <description><![CDATA[随着人工智能技术的发展，智能对话的应用场景越来越多，目前已经成为了研究的热点。天猫精灵，小度小度，腾讯叮当，这些智能助手都是智能对话在业界的应用。智能助手的对话方]]></description>

    <pubDate>2020-09-25</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[微软与OpenAI达成合作，获得GPT-3独家使用授权]]></title>

    <link>http://www.sykv.com/cat/depth/27949.html</link>

    <description><![CDATA[当地时间9月22日，微软在官网发布通告，与OpenAI合作，独家获取了GPT-3语言模型的使用许可。这份通告以微软首席技术官凯文·斯科特（Kevin Scott）的身份发出，称微软正在与OpenAI合作，]]></description>

    <pubDate>2020-09-25</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[台媒：台积电2nm制程获重大突破]]></title>

    <link>http://www.sykv.com/cat/depth/27948.html</link>

    <description><![CDATA[据台媒经济日报透露，台积电2纳米制程研发获重大突破。供应链透露，有别于3纳米与5纳米采用鳍式场效电晶体（FinFET）架构，台积电2纳米改采全新的多桥通道场效电晶体（MBCFET）架构]]></description>

    <pubDate>2020-09-25</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Repulsion Loss 遮挡场景下的目标检测]]></title>

    <link>http://www.sykv.com/cat/depth/27946.html</link>

    <description><![CDATA[在检测行人任务中，由于行人之间互相遮挡，导致传统的检测器容易受遮挡的干扰，给出错误的预测框。研究人员先是从数据集上进行分析，定量描述了遮挡对行人检测带来的影响。后]]></description>

    <pubDate>2020-09-24</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[封闭的NVIDIA收购Arm，开放的RISC-V机会来了？]]></title>

    <link>http://www.sykv.com/cat/depth/27945.html</link>

    <description><![CDATA[近日，NVIDIA 斥资 400 亿美元收购 Arm 的消息疯狂刷屏，看来今年挤爆牙膏的老黄确实够豪横。但很快也有业内人士表达了对此次收购案的担忧，认为立场原本相对中立的 ARM 生态一旦落入]]></description>

    <pubDate>2020-09-24</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[R-tmap 绘制带指北针和比例尺的空间地图]]></title>

    <link>http://www.sykv.com/cat/depth/27944.html</link>

    <description><![CDATA[说起绘制空间数据相关的可视化作品，R语言还是比Python 要方便的多的。这里我们就简单介绍下tmap 空间数据可视化绘图包。值得注意的是，tmap 拥有类似于ggplot2 “图层” 语法绘图原理]]></description>

    <pubDate>2020-09-24</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[RNN 其常见架构：一文带你了解RNN家族知识点]]></title>

    <link>http://www.sykv.com/cat/depth/27807.html</link>

    <description><![CDATA[CNN 和 RNN是当下 Deep Learning 应用领域中主流的两大结构。前篇文章中我们介绍了 CNN，本篇开始我们聊聊 RNN。RNN 跟 CNN 历史相似之处在于，都是上个世纪提出来的概念。但是由于当时计算]]></description>

    <pubDate>2020-09-24</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Dynamic ReLU：微软推出提点神器，可能是最好的R]]></title>

    <link>http://www.sykv.com/cat/depth/27806.html</link>

    <description><![CDATA[ReLU是深度学习中很重要的里程碑，简单但强大，能够极大地提升神经网络的性能。目前也有很多ReLU的改进版，比如Leaky ReLU和 PReLU，而这些改进版和原版的最终参数都是固定的。所以论]]></description>

    <pubDate>2020-09-24</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Jürgen Schmidhuber发文纪念10年前的研究，网友：转]]></title>

    <link>http://www.sykv.com/cat/depth/27805.html</link>

    <description><![CDATA[LSTM 之父、深度学习元老 Jürgen Schmidhuber 发文纪念 10 年前发表的研究。Jürgen Schmidhuber 每次发博客都会引起一阵「腥风血雨」，这次似乎也不例外。最近，这位机器学习大牛发布博客，纪]]></description>

    <pubDate>2020-09-24</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[基于图神经网络的知识图谱研究进展]]></title>

    <link>http://www.sykv.com/cat/depth/27804.html</link>

    <description><![CDATA[近几年来，人工智能技术得到了飞速发展，其进展突出体现在以知识图谱(Knowledge Graph)为代表的知识工程和以图神经网络(Graph Neural NetWorks, GNN)为代表的深度学习等相关领域。融合知识图]]></description>

    <pubDate>2020-09-24</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[哈佛专家披露：马斯克侵入式脑机接口技术的三]]></title>

    <link>http://www.sykv.com/cat/depth/27752.html</link>

    <description><![CDATA[美国时间 8 月 28 日下午，侵入式脑机接口技术公司 Neuralink 的创始人、科技英雄「硅谷钢铁侠」埃隆-马斯克举行了他戏称为「三只小猪」的发布会。通过「遛猪」的方式，向世界宣布和]]></description>

    <pubDate>2020-09-24</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[118亿晶体管！苹果A14首秀，这颗全球首发的5nm芯]]></title>

    <link>http://www.sykv.com/cat/depth/27751.html</link>

    <description><![CDATA[今日凌晨，苹果新一代A14仿生芯片“甩开”历年硬件主角iPhone，首次搭载于苹果新一代平板产品iPad Air上抢跑发布！在此之前，有关A14芯片的行业“剧透”已被曝光了太多，而苹果此次一]]></description>

    <pubDate>2020-09-24</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[MIPS和Arm都无法幸免，为何受伤的都是IP巨头？]]></title>

    <link>http://www.sykv.com/cat/depth/27750.html</link>

    <description><![CDATA[英伟达欲以400亿美元的价格从软银手中收购Arm的传言，在9月14日伴随着英伟达与软银联合发布的一则公告而终止。据英伟达公告显示，这笔400亿美元的拟议中的交易要符合惯例成交条件]]></description>

    <pubDate>2020-09-24</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[RNN 其常见架构：一文带你了解RNN家族知识点]]></title>

    <link>http://www.sykv.com/cat/depth/27741.html</link>

    <description><![CDATA[CNN 和 RNN是当下 Deep Learning 应用领域中主流的两大结构。前篇文章中我们介绍了 CNN，本篇开始我们聊聊 RNN。RNN 跟 CNN 历史相似之处在于，都是上个世纪提出来的概念。但是由于当时计算]]></description>

    <pubDate>2020-09-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[400亿美元！软银最快周一出售ARM给英伟达，或成]]></title>

    <link>http://www.sykv.com/cat/depth/27740.html</link>

    <description><![CDATA[ARM出售案又有新进展，软银出售ARM给英伟达的消息即将尘埃落定，这一交易金额将高达400亿美元。据福布斯今日消息，日本软银集团（SoftBank Group Corp.）准备以超过400亿美元的价格将英国]]></description>

    <pubDate>2020-09-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[一文看懂光刻胶]]></title>

    <link>http://www.sykv.com/cat/depth/27739.html</link>

    <description><![CDATA[光刻胶又称光致抗蚀剂，是一种对光敏感的混合液体。其组成部分包括：光引发剂（包括光增感剂、光致产酸剂）、光刻胶树脂、单体、溶剂和其他助剂。光刻胶可以通过光化学反应，]]></description>

    <pubDate>2020-09-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Dynamic ReLU：微软推出提点神器，可能是最好的R]]></title>

    <link>http://www.sykv.com/cat/depth/27738.html</link>

    <description><![CDATA[ReLU是深度学习中很重要的里程碑，简单但强大，能够极大地提升神经网络的性能。目前也有很多ReLU的改进版，比如Leaky ReLU和 PReLU，而这些改进版和原版的最终参数都是固定的。所以论]]></description>

    <pubDate>2020-09-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[GitHub：小目标检测最全资料集锦]]></title>

    <link>http://www.sykv.com/cat/depth/27705.html</link>

    <description><![CDATA[实际上，小目标检测是目标检测落地应用中非常棘手的问题，比如经常在遥感/无人机目标检测、人脸检测应用中出现。小目标检测（Small/Tiny Object Detection）概念很好理解，定性分析简单]]></description>

    <pubDate>2020-09-11</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[GPT-1 &amp;amp; 2: 预训练+微调带来的奇迹]]></title>

    <link>http://www.sykv.com/cat/depth/27704.html</link>

    <description><![CDATA[GPT，全称是Generative Pre-training，顾名思义，就是预训练模型。在GPT出现之前，通用的使用预训练的方式是word2vec，即学习词语的表达。而在GPT出现之后，通用的预训练方式是预训练整个网]]></description>

    <pubDate>2020-09-11</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Transformer: Attention的集大成者]]></title>

    <link>http://www.sykv.com/cat/depth/27703.html</link>

    <description><![CDATA[Transformer模型是机器翻译领域的一个全部基于attention的模型。那么什么是attention呢？且看下图。图中是一个seq2seq+attention的机器翻译模型。机器翻译问题中分为源语言和目标语言，图中是]]></description>

    <pubDate>2020-09-11</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Jürgen Schmidhuber发文纪念10年前的研究，网友：转]]></title>

    <link>http://www.sykv.com/cat/depth/27702.html</link>

    <description><![CDATA[LSTM 之父、深度学习元老 Jürgen Schmidhuber 发文纪念 10 年前发表的研究。Jürgen Schmidhuber 每次发博客都会引起一阵「腥风血雨」，这次似乎也不例外。最近，这位机器学习大牛发布博客，纪]]></description>

    <pubDate>2020-09-11</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[英特尔的反击！第11代移动PC处理器AI性能飙升5倍]]></title>

    <link>http://www.sykv.com/cat/depth/27674.html</link>

    <description><![CDATA[今天，英特尔推出新一代移动PC处理器——第11代智能英特尔酷睿处理器，代号Tiger Lake，搭载英特尔锐炬Xe显卡，并首次加入全新SuperFin晶体管技术。据介绍，Tiger Lake的CPU性能提升逾20%，]]></description>

    <pubDate>2020-09-05</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[泡沫过后，沉淀下来的AI芯片将落在何处？]]></title>

    <link>http://www.sykv.com/cat/depth/27673.html</link>

    <description><![CDATA[前几年的“人工智能热”让大小厂商陆续跳入AI芯片的研发大军中，而当这股潮水褪去，当初的50多家公司大多数都黯然退出历史舞台，如今只剩10家左右。AI芯片的风口已然过去。据艾瑞]]></description>

    <pubDate>2020-09-05</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[苹果将推出首款自研GPU！明年下半年落地iMac]]></title>

    <link>http://www.sykv.com/cat/depth/27672.html</link>

    <description><![CDATA[据台媒工商时报援引业界消息，苹果或将配合其首款自研Mac芯片Apple Silicon，推出自研的GPU。这款GPU代号为Lifuka，或将搭载于2021年下半年推出的iMac，与苹果自研的Mac处理器Apple Silicon一样]]></description>

    <pubDate>2020-09-05</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[贝尔实验室和周公“掰手腕”：AI算法解梦成为现]]></title>

    <link>http://www.sykv.com/cat/depth/27671.html</link>

    <description><![CDATA[最近，在一篇发表于《皇家社会科学学会》期刊上的研究中，来自诺基亚贝尔实验室（Nokia Bell Labs）和罗马大学的三位研究员合力使用AI算法分析了数千个梦，表示AI可以识别并量化梦的]]></description>

    <pubDate>2020-09-05</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[OpenKG区块链：构建可信开放的联邦知识图谱平台]]></title>

    <link>http://www.sykv.com/cat/depth/27641.html</link>

    <description><![CDATA[经过一年努力，OpenKG初步完成了底层区块链平台测试，以及OpenKG数据集、工具集和Openbase细粒度知识众包的上链测试工作。在这个测试平台中，已包含1033位确权的知识贡献者。上链测试]]></description>

    <pubDate>2020-09-03</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[bert性能优化之——用另一种方式整合多头注意力]]></title>

    <link>http://www.sykv.com/cat/depth/27640.html</link>

    <description><![CDATA[众所周知，经典的transformer架构中采用了multi-head attention机制来引导模型从不同角度学习不同的语义信息，从各种实验对比中也能发现多头机制确实能够提升模型在NLP任务上的精度。然而]]></description>

    <pubDate>2020-09-03</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[漫谈hotchip 2020 CPU： ARM服务器]]></title>

    <link>http://www.sykv.com/cat/depth/27639.html</link>

    <description><![CDATA[今年的hotchip上marvell展示了其基于ARM架构的Thunder X3服务器芯片。Marvell在fabless厂商中应该算是鼎鼎大名，从硬盘控制芯片起家至今，已经发展成为包含丰富产品线的综合性公司。其中AR]]></description>

    <pubDate>2020-09-03</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[基于图神经网络的知识图谱研究进展]]></title>

    <link>http://www.sykv.com/cat/depth/27637.html</link>

    <description><![CDATA[近几年来，人工智能技术得到了飞速发展，其进展突出体现在以知识图谱(Knowledge Graph)为代表的知识工程和以图神经网络(Graph Neural NetWorks, GNN)为代表的深度学习等相关领域。融合知识图]]></description>

    <pubDate>2020-09-03</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[使用BERT进行跨领域情感分析]]></title>

    <link>http://www.sykv.com/cat/depth/27636.html</link>

    <description><![CDATA[文章所研究的“跨领域情感分析”，旨在通过源领域的标注数据对目标领域的无标注数据进行情感分类。源领域如餐饮领域，目标领域如电子产品领域，这两个领域之间存在一定的差异]]></description>

    <pubDate>2020-09-03</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[性能超越GPU、FPGA，华人学者提出软件算法架构加]]></title>

    <link>http://www.sykv.com/cat/depth/27634.html</link>

    <description><![CDATA[近年来，机器学习(Machine Learning)领域的研究和发展可谓是与日俱新，各式各样与机器学习相关的研究成果与应用层出不穷（如图像识别，自动驾驶，语音识别等），机器学习能够处理的]]></description>

    <pubDate>2020-09-03</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[2020年深度学习框架对比速读]]></title>

    <link>http://www.sykv.com/cat/depth/27628.html</link>

    <description><![CDATA[众所周知，在机器学习框架领域，PyTorch、TensorFlow已分别成为目前学术界和工业界使用最广泛的两大实力玩家，而紧随其后的Keras、MXNet等框架也由于其自身的独特性受到开发者的喜爱。]]></description>

    <pubDate>2020-09-02</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[阿里开源3D-FUTURE数据集 建模时间可从3小时降至10秒]]></title>

    <link>http://www.sykv.com/cat/depth/27615.html</link>

    <description><![CDATA[记者从阿里云方面获悉，其开源的业界首个工业级大型3D家具数据集3D-FUTURE，在保证工业级质量前提下，可以将建模时间从3小时降到10秒，建模成本可降低9成。 阿里云方面介绍，3D建模]]></description>

    <pubDate>2020-08-31</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[计算机视觉与图像处理、模式识别、机器学习，]]></title>

    <link>http://www.sykv.com/cat/depth/27557.html</link>

    <description><![CDATA[众所周知，要实现计算机视觉必须有图像处理的帮助，那么除了图像处理是必要的还有哪些呢？今天我们就来学习一下计算机视觉及其相关。]]></description>

    <pubDate>2020-08-30</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[一文读懂深度学习中的各种卷积]]></title>

    <link>http://www.sykv.com/cat/depth/27534.html</link>

    <description><![CDATA[在信号处理、图像处理和其它工程/科学领域，卷积都是一种使用广泛的技术。在深度学习领域，（CNN）这种模型架构就得名于这种技术。但是，深度学习领域的卷积本质上是信号/图像处]]></description>

    <pubDate>2020-08-30</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[越做越强的台积电：5纳米良率比7纳米更高、2纳]]></title>

    <link>http://www.sykv.com/cat/depth/27533.html</link>

    <description><![CDATA[台积电近日在线上研讨会上透露了有关于先进制程的大量资讯，目前刚量产的5 纳米制程良率已经迅速超过7 纳米，对于苹果A14X 芯片以及AMD Zen 4 处理器都是非常好的消息。通常半导体制]]></description>

    <pubDate>2020-08-30</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[一文看懂台积电的技术布局]]></title>

    <link>http://www.sykv.com/cat/depth/27532.html</link>

    <description><![CDATA[台积电是全球领先的晶圆代工厂，这是一个不争的事实。根据集邦咨询的最新数据预测，受惠于5G建设持续部署、高效能运算和远程办公教学的CPU、GPU等强劲需求，台积电产能维持满载，]]></description>

    <pubDate>2020-08-30</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[一文读懂深度学习中的各种卷积]]></title>

    <link>http://www.sykv.com/cat/depth/27517.html</link>

    <description><![CDATA[在信号处理、图像处理和其它工程/科学领域，卷积都是一种使用广泛的技术。在深度学习领域，（CNN）这种模型架构就得名于这种技术。但是，深度学习领域的卷积本质上是信号/图像处]]></description>

    <pubDate>2020-08-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[魔改Attention大集合]]></title>

    <link>http://www.sykv.com/cat/depth/27492.html</link>

    <description><![CDATA[前几天逛github刷到一个『awesome-fast-attention』大列表，整理了一系列关于attention的高效改进文章，包括论文、引用量、源码实现、算法复杂度以及关键亮点。]]></description>

    <pubDate>2020-08-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[盘点当前最流行的激活函数及选择经验]]></title>

    <link>http://www.sykv.com/cat/depth/27491.html</link>

    <description><![CDATA[提到激活函数，最想问的一个问题肯定是它是干什么用的？激活函数的主要作用是提供网络的非线性表达建模能力，想象一下如果没有激活函数，那么神经网络只能表达线性映射，此刻]]></description>

    <pubDate>2020-08-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[台积电公布3nm技术细节，明年试产！正建8000人]]></title>

    <link>http://www.sykv.com/cat/depth/27452.html</link>

    <description><![CDATA[在台积电第26届技术研讨会上，台积电揭秘其3nm工艺节点的更多细节，并分享了5nm后续产品N5P和N4工艺节点的相关进展。台积电在先进制程领先的道路上一往无前，计划3nm技术于2021年进入]]></description>

    <pubDate>2020-08-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[人工智能正在误导我们的广告，是时候纠正这些错误了]]></title>

    <link>http://www.sykv.com/cat/depth/27445.html</link>

    <description><![CDATA[在当今社会瞬息万变的时代，品牌安全策略正在引起分歧，并损害了其旨在保护的声誉。人工智能公司GumGum的首席执行官Phil Schraeder 和全球营销顾问Lisa Licht 写道，现在该纠正这种平衡]]></description>

    <pubDate>2020-08-24</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[魔改Attention大集合]]></title>

    <link>http://www.sykv.com/cat/depth/27386.html</link>

    <description><![CDATA[前几天逛github刷到一个『awesome-fast-attention』大列表，整理了一系列关于attention的高效改进文章，包括论文、引用量、源码实现、算法复杂度以及关键亮点。]]></description>

    <pubDate>2020-08-23</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[一文了解卷积神经网络基础，建议收藏]]></title>

    <link>http://www.sykv.com/cat/depth/27375.html</link>

    <description><![CDATA[今天给大家讲一下卷积神经网络，主要包括四个部分：卷积神经网络的历史、全连接层、卷积层和池化层。 CNN的英文全称是Convolutional Neural Network，雏形是LeCun在1998年发明的LeNet网络结构]]></description>

    <pubDate>2020-08-20</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[监督学习、非监督学习、强化学习都是什么？终于有人讲明白了]]></title>

    <link>http://www.sykv.com/cat/depth/27374.html</link>

    <description><![CDATA[监督学习、非监督学习、强化学习都是什么？终于有人讲明白了]]></description>

    <pubDate>2020-08-20</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[用于可解释机器学习的 Python 库]]></title>

    <link>http://www.sykv.com/cat/depth/27373.html</link>

    <description><![CDATA[本文转自雷锋网，如需转载请至雷锋网官网申请授权。 由于对人工智能偏见的担心日益凸显，从业者解释模型产出的预测结果的能力以及解释模型自身运作机制的能力变的越来越重要。]]></description>

    <pubDate>2020-08-20</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[盘点当前最流行的激活函数及选择经验]]></title>

    <link>http://www.sykv.com/cat/depth/27364.html</link>

    <description><![CDATA[提到激活函数，最想问的一个问题肯定是它是干什么用的？激活函数的主要作用是提供网络的非线性表达建模能力，想象一下如果没有激活函数，那么神经网络只能表达线性映射，此刻]]></description>

    <pubDate>2020-08-20</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[CNN结构设计技巧-兼顾速度精度与工程实现]]></title>

    <link>http://www.sykv.com/cat/depth/27314.html</link>

    <description><![CDATA[深度决定了网络的表达能力，网络越深学习能力越强。宽度（通道数）决定了网络在某一层学到的信息量，另外因为卷积层能重组通道间的信息，这一操作能让有效信息量增大（这也是]]></description>

    <pubDate>2020-08-18</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[CNN一定需要池化层吗？]]></title>

    <link>http://www.sykv.com/cat/depth/27313.html</link>

    <description><![CDATA[在现有的网络结构设计指导下，似乎卷积层后跟一个池化层下采样，已经是一个准则。我们重新思考了现有SOTA网络，并得出结论最大池化层是能被卷积层给替代。我们设计了一系列小网]]></description>

    <pubDate>2020-08-18</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[硬刚无限宽神经网络后，谷歌大脑有了12个新发现]]></title>

    <link>http://www.sykv.com/cat/depth/27312.html</link>

    <description><![CDATA[各位炼丹师平时“炼丹”时最多跑过多深的神经网络呢？152层，256层，还是更多层？那各位跑过最宽的神经网络又有多宽呢？可能一层撑死有10个或20个神经元？对第二个问题，谷歌的回]]></description>

    <pubDate>2020-08-18</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[强大如GPT-3，1750亿参数也搞不定中国话]]></title>

    <link>http://www.sykv.com/cat/depth/27227.html</link>

    <description><![CDATA[2019 年，GPT-2 凭借将近 30 亿条参数的规模拿下来“最强 NLP 模型”的称号；2020 年，1750 亿条参数的 GPT-3 震撼发布，并同时在工业界与学术界掀起了各种争论。随着时间的推移，争论的焦]]></description>

    <pubDate>2020-08-17</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[台积电布局新存储技术]]></title>

    <link>http://www.sykv.com/cat/depth/27226.html</link>

    <description><![CDATA[近年来，在人工智能（AI）、5G等推动下，以MRAM（磁阻式随机存取存储器）、铁电随机存取存储器 (FRAM)、相变随机存取存储器（PRAM），以及可变电阻式随机存取存储器（RRAM）为代表的新]]></description>

    <pubDate>2020-08-17</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[硬刚无限宽神经网络后，谷歌大脑有了12个新发现]]></title>

    <link>http://www.sykv.com/cat/depth/27225.html</link>

    <description><![CDATA[各位炼丹师平时“炼丹”时最多跑过多深的神经网络呢？152层，256层，还是更多层？那各位跑过最宽的神经网络又有多宽呢？可能一层撑死有10个或20个神经元？对第二个问题，谷歌的回]]></description>

    <pubDate>2020-08-17</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[YOLOv5被禁用！Kaggle全球小麦检测竞赛结果惹争议]]></title>

    <link>http://www.sykv.com/cat/depth/27152.html</link>

    <description><![CDATA[昨天Kaggle 全球小麦检测（Global Wheat Detection）比赛落下帷幕，共计2,270 支队伍参赛。比赛结束后，讨论区本该是晒成绩或者解决方案的，但却出现了大量关于quot;YOLOv5quot;的讨论。因为Y]]></description>

    <pubDate>2020-08-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Facebook将Windows版PyTorch的开发维护移交给微软]]></title>

    <link>http://www.sykv.com/cat/depth/27151.html</link>

    <description><![CDATA[Facebook 通过 PyTorch 官方博客宣布，微软已扩大了对 PyTorch 社区的参与，现在拥有 PyTorch 在 Windows 上的开发和维护所有权。PyTorch 是基于 Torch 的开源 Python 机器学习库，由 Facebook 的人工智]]></description>

    <pubDate>2020-08-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[PyTorch 1.6、TensorFlow 2.3、Pandas 1.1 同日发布！都有]]></title>

    <link>http://www.sykv.com/cat/depth/27150.html</link>

    <description><![CDATA[7月29日，PyTorch 1.6、TenorFlow 2.3、Pandas 1.1恰巧同时发布。这三个库都是定期滚动更新，大约每个季度更新一次小版本。在AI内卷化达到“灰飞烟灭”的今日，仅仅会对PyTorch或TensorFlow进行调]]></description>

    <pubDate>2020-08-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[MIT研究人员发现 ImageNet 数据集存在系统性缺陷]]></title>

    <link>http://www.sykv.com/cat/depth/27149.html</link>

    <description><![CDATA[“我们的分析明确指出，嘈杂的数据收集管道是如何导致结果基准与其作为代理的实际任务之间的系统性不一致的”， 麻省理工学院的研究人员 在一篇题为《从 ImageNet 到图像分类：基]]></description>

    <pubDate>2020-08-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Transformer模型深度解读]]></title>

    <link>http://www.sykv.com/cat/depth/27148.html</link>

    <description><![CDATA[「Transformer」 是2017年的一篇论文《Attention is All You Need》提出的一种模型架构，这篇论文里只针对机器翻译这一种场景做了实验，全面击败了当时的SOTA，并且由于encoder端是并行计算的，]]></description>

    <pubDate>2020-08-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[那些轻轻拍了拍Attention的后浪们]]></title>

    <link>http://www.sykv.com/cat/depth/27147.html</link>

    <description><![CDATA[Reformer的论文选择了局部敏感哈希的angular变体。它们首先约束每个输入向量的L2范数(即将向量投影到一个单位球面上)，然后应用一系列的旋转，最后找到每个旋转向量所属的切片。这样]]></description>

    <pubDate>2020-08-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[深度学习之父Hinton：下一代神经网络]]></title>

    <link>http://www.sykv.com/cat/depth/27146.html</link>

    <description><![CDATA[在机器学习中，有三种不同类型的学习模式：首先是监督学习，即给定输入向量学习预测输出。然后是强化学习，通过学习选择动作以获得最大奖励。最后是无监督学习，其目的是学习]]></description>

    <pubDate>2020-08-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[深度学习败于“捷径”]]></title>

    <link>http://www.sykv.com/cat/depth/27145.html</link>

    <description><![CDATA[深度学习的未来在哪里？这一话题已经有过了无数讨论，大部分讨论都承认当前的深度学习还不是真正的智能，必须转向理解、常识。但是只看当前AI成功的案例，似乎还无法窥探理解。]]></description>

    <pubDate>2020-08-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[吊打一切：YOLOv4的tricks汇总]]></title>

    <link>http://www.sykv.com/cat/depth/27144.html</link>

    <description><![CDATA[即使是目标检测在过去几年开始成熟，竞争仍然很激烈。如下所示，YOLOv4声称拥有最先进的精度，同时保持高处理帧速率。它在 MS COCO数据集上，使用Tesla V100以接近65 FPS推理速度获得精]]></description>

    <pubDate>2020-08-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[11 种主要神经网络结构图解]]></title>

    <link>http://www.sykv.com/cat/depth/27143.html</link>

    <description><![CDATA[随着深度学习的快速发展，人们创建了一整套神经网络结构来解决各种各样的任务和问题。尽管有无数的神经网络结构，这里有十一种对于任何深度学习工程师来说都应该理解的结构，]]></description>

    <pubDate>2020-08-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[如何理解YOLO：YOLO详解]]></title>

    <link>http://www.sykv.com/cat/depth/27142.html</link>

    <description><![CDATA[YOLO将物体检测作为回归问题求解。基于一个单独的end-to-end网络，完成从原始图像的输入到物体位置和类别的输出。Faster rcnn使用RPN（region proposal network）卷积网络替代rcnn/fast rcnn的selec]]></description>

    <pubDate>2020-08-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[YOLOv5是真的吗？并不比YOLOv4强，不配这个名字]]></title>

    <link>http://www.sykv.com/cat/depth/27141.html</link>

    <description><![CDATA[首先简单介绍一下 YOLO。YOLO 是一个实时目标检测框架，其意思是 You Only Look Once（你只看一次）。也就是说待检测的目标图像仅会通过全卷积神经网络（FCNN）一次。Ultralytics 的创始人兼]]></description>

    <pubDate>2020-08-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[线性Attention的探索：Attention必须有个Softmax吗？]]></title>

    <link>http://www.sykv.com/cat/depth/27140.html</link>

    <description><![CDATA[某种意义上来说，Reformer 也是稀疏 Attention 的一种，只不过它的稀疏 pattern 不是事先指定的，而是通过 LSH（Locality Sensitive Hashing）技术（近似地）快速地找到最大的若干个 Attention 值，然]]></description>

    <pubDate>2020-08-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[自然语言处理在当今商业中的八大应用]]></title>

    <link>http://www.sykv.com/cat/depth/26865.html</link>

    <description><![CDATA[基于人工智能的工具现在统治着每个工业部门。有了丰富的社交媒体、组织和数字平台，产生的数据中不乏有用的资源。]]></description>

    <pubDate>2020-08-09</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[YOLOv5被禁用！Kaggle全球小麦检测竞赛结果惹争议]]></title>

    <link>http://www.sykv.com/cat/depth/26848.html</link>

    <description><![CDATA[昨天Kaggle 全球小麦检测（Global Wheat Detection）比赛落下帷幕，共计2,270 支队伍参赛。比赛结束后，讨论区本该是晒成绩或者解决方案的，但却出现了大量关于quot;YOLOv5quot;的讨论。因为Y]]></description>

    <pubDate>2020-08-09</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[关于Transformer，那些的你不知道的事]]></title>

    <link>http://www.sykv.com/cat/depth/26847.html</link>

    <description><![CDATA[基于Transformer的架构主要用于建模语言理解任务，它避免了在神经网络中使用递归，而是完全依赖于self-attention机制来绘制输入和输出之间的全局依赖关系。]]></description>

    <pubDate>2020-08-09</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[GPT-3的威力，算法平台的阴谋]]></title>

    <link>http://www.sykv.com/cat/depth/26846.html</link>

    <description><![CDATA[大概一个月之前，史上最巨无霸NLP模型GPT-3问世。当时它向世界展示的能力是，“不仅会写短文，而且写出来的作文挺逼真的，几乎可以骗过人类，可以说几乎通过了图灵测试。”可能是]]></description>

    <pubDate>2020-08-09</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Facebook将Windows版PyTorch的开发维护移交给微软]]></title>

    <link>http://www.sykv.com/cat/depth/26845.html</link>

    <description><![CDATA[Facebook 通过 PyTorch 官方博客宣布，微软已扩大了对 PyTorch 社区的参与，现在拥有 PyTorch 在 Windows 上的开发和维护所有权。PyTorch 是基于 Torch 的开源 Python 机器学习库，由 Facebook 的人工智]]></description>

    <pubDate>2020-08-09</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[芯片业最大并购案！消息称英伟达拟收购Arm 估值]]></title>

    <link>http://www.sykv.com/cat/depth/26844.html</link>

    <description><![CDATA[7月31日， 据两名知情人士透露，美国芯片公司英伟达正在洽谈以现金加股票的方式从软银手中收购其英国芯片设计子公司Arm，这笔交易对ARM的估值超过320亿美元。据悉，谈判始于近几个]]></description>

    <pubDate>2020-08-09</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[PyTorch 1.6、TensorFlow 2.3、Pandas 1.1 同日发布！都有]]></title>

    <link>http://www.sykv.com/cat/depth/26790.html</link>

    <description><![CDATA[7月29日，PyTorch 1.6、TenorFlow 2.3、Pandas 1.1恰巧同时发布。这三个库都是定期滚动更新，大约每个季度更新一次小版本。在AI内卷化达到“灰飞烟灭”的今日，仅仅会对PyTorch或TensorFlow进行调]]></description>

    <pubDate>2020-08-04</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[揭秘Facebook搜索中的语义检索技术]]></title>

    <link>http://www.sykv.com/cat/depth/26788.html</link>

    <description><![CDATA[相对于传统的网页搜索，社交网络中的搜索问题不仅需要关注输入 query 的信息，还需要考虑用户的上下文信息，在 Facebook 搜索场景中用户的社交图网络便是这种上下文信息中非常重要的]]></description>

    <pubDate>2020-08-04</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[时代的眼泪：繁华落尽的SPARC处理器]]></title>

    <link>http://www.sykv.com/cat/depth/26787.html</link>

    <description><![CDATA[「网络就是电脑」（The Network Is TheComputer）这句格言，是在1984 年，由Sun 第21 名员工John Gage 创造。别说网络，在连个人电脑都尚未普及的年代，如此独树一帜的另类论点，恐怕让不少人]]></description>

    <pubDate>2020-08-04</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Transformer模型深度解读]]></title>

    <link>http://www.sykv.com/cat/depth/26786.html</link>

    <description><![CDATA[「Transformer」 是2017年的一篇论文《Attention is All You Need》提出的一种模型架构，这篇论文里只针对机器翻译这一种场景做了实验，全面击败了当时的SOTA，并且由于encoder端是并行计算的，]]></description>

    <pubDate>2020-08-04</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[YOLO 系目标检测算法家族全景图！]]></title>

    <link>http://www.sykv.com/cat/depth/26784.html</link>

    <description><![CDATA[YOLO目标检测算法诞生于2015年6月，从出生的那一天起就是“高精度、高效率、高实用性”目标检测算法的代名词。在原作者Joseph Redmon博士手中YOLO经历了三代到YOLOv3，今年初Joseph Redmon宣]]></description>

    <pubDate>2020-08-04</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[EUV光刻机全球出货量达57台]]></title>

    <link>http://www.sykv.com/cat/depth/26783.html</link>

    <description><![CDATA[IMEC是推动半导体技术前进的主要组织之一，日前，他们举办了一场线上论坛，谈及了对芯片现状和未来的看法。在演讲中，ASML总裁则对光刻的发展进行了演讲。从他的PPT中可以看到，浸]]></description>

    <pubDate>2020-08-04</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[出道即巅峰，掀起AI领域巨浪的GPT-3，被过誉了吗]]></title>

    <link>http://www.sykv.com/cat/depth/26782.html</link>

    <description><![CDATA[是时候重新审视这个「无所不能的」模型了！GPT-3，「出道即巅峰」界的代表。2020 年 5 月，OpenAI 高调推出了一款具有 1750 亿参数的自回归语言模型「GPT-3」，在人工智能领域掀起了一阵]]></description>

    <pubDate>2020-08-04</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[机器学习中的五个实际问题及其对业务的影响]]></title>

    <link>http://www.sykv.com/cat/depth/26777.html</link>

    <description><![CDATA[如今，很多企业需要快速处理大量数据。与此同时，市场竞争格局正在迅速发展变化，因此企业能够快速做出决定至关重要。 就像商业管理畅销书《快鱼吃慢鱼》的作者Jason Jennings和]]></description>

    <pubDate>2020-08-01</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[11种比较常见的机器学习算法简介]]></title>

    <link>http://www.sykv.com/cat/depth/26776.html</link>

    <description><![CDATA[近年来，由于对技术的高需求和进步，机器学习的普及已大大增加。 机器学习可以从数据中创造价值的潜力使其吸引了许多不同行业的企业。 大多数机器学习产品都是使用现成的机器]]></description>

    <pubDate>2020-08-01</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[深度学习推荐系统中各类流行的Embedding方法（下]]></title>

    <link>http://www.sykv.com/cat/depth/26715.html</link>

    <description><![CDATA[Word2Vec和其衍生出的Item2Vec类模型是Embedding技术的基础性方法，二者都是建立在“序列”样本（比如句子、用户行为序列）的基础上的。在互联网场景下，数据对象之间更多呈现的是图结]]></description>

    <pubDate>2020-07-31</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[深度学习推荐系统中各类流行的Embedding方法（上]]></title>

    <link>http://www.sykv.com/cat/depth/26714.html</link>

    <description><![CDATA[Embedding，中文直译为“嵌入”，常被翻译为“向量化”或者“向量映射”。在整个深度学习框架中都是十分重要的“基本操作”，不论是NLP（Natural Language Processing，自然语言处理）、搜]]></description>

    <pubDate>2020-07-31</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[那些轻轻拍了拍Attention的后浪们]]></title>

    <link>http://www.sykv.com/cat/depth/26713.html</link>

    <description><![CDATA[Reformer的论文选择了局部敏感哈希的angular变体。它们首先约束每个输入向量的L2范数(即将向量投影到一个单位球面上)，然后应用一系列的旋转，最后找到每个旋转向量所属的切片。这样]]></description>

    <pubDate>2020-07-31</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[深度学习之父Hinton：下一代神经网络]]></title>

    <link>http://www.sykv.com/cat/depth/26712.html</link>

    <description><![CDATA[在机器学习中，有三种不同类型的学习模式：首先是监督学习，即给定输入向量学习预测输出。然后是强化学习，通过学习选择动作以获得最大奖励。最后是无监督学习，其目的是学习]]></description>

    <pubDate>2020-07-31</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[深度学习败于“捷径”]]></title>

    <link>http://www.sykv.com/cat/depth/26711.html</link>

    <description><![CDATA[深度学习的未来在哪里？这一话题已经有过了无数讨论，大部分讨论都承认当前的深度学习还不是真正的智能，必须转向理解、常识。但是只看当前AI成功的案例，似乎还无法窥探理解。]]></description>

    <pubDate>2020-07-31</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[华为要进军光刻机？]]></title>

    <link>http://www.sykv.com/cat/depth/26700.html</link>

    <description><![CDATA[据媒体7月21日报道称，华为技术有限公司已经悄悄的在招聘“光刻工程师”，这或许意味着华为可能打算自己研发芯片制造技术。前不久有消息称，华为内部确实提出要坚定选择绝处逢]]></description>

    <pubDate>2020-07-25</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[摩尔定律的突围]]></title>

    <link>http://www.sykv.com/cat/depth/26699.html</link>

    <description><![CDATA[50多年前，Intel创始人之一摩尔（Gordon Moore）提出了著名的摩尔定律，其内容为：集成电路上可容纳的晶体管数目，约每隔两年便会增加一倍；经常被引用的“18个月”，是由Intel首席执行]]></description>

    <pubDate>2020-07-25</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[为什么搜索与推荐场景用AUC评价模型好坏？]]></title>

    <link>http://www.sykv.com/cat/depth/26444.html</link>

    <description><![CDATA[对比accuracy、precision等指标，AUC指标本身和模型预测score绝对值无关，只关注排序效果，因此特别适合排序业务。为何与模型预测score值无关为何是很好的特性呢？假设你采用precision、F]]></description>

    <pubDate>2020-07-23</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[港中文-商汤OpenMMLab开源全景图！]]></title>

    <link>http://www.sykv.com/cat/depth/26443.html</link>

    <description><![CDATA[OpenMMLab 为香港中文大学-商汤科技联合实验室 MMLab 开源的算法平台，不到两年时间，已经包含众多 SOTA 计算机视觉算法。OpenMMLab 在Github上不是一个单独项目，除了大家所熟知的 Github 上]]></description>

    <pubDate>2020-07-23</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[OpenCV 4.4 发布！SIFT移到主库，新增YOLOv4 和 Effic]]></title>

    <link>http://www.sykv.com/cat/depth/26442.html</link>

    <description><![CDATA[OpenCV 2020 夏季版如约而至，收录了不少State-of-the-art 和经典算法，我们一起来看看吧！SIFT算法因专利到期，成为公有技术，其OpenCV实现被移到主仓库。OpenCV一直对较为实用的YOLO系列算法]]></description>

    <pubDate>2020-07-23</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[2020年，知识图谱都有哪些研究风向？]]></title>

    <link>http://www.sykv.com/cat/depth/26441.html</link>

    <description><![CDATA[随着认知智能走进了人们的视野，知识图谱的重要性便日渐凸显。在今年的自然语言处理顶会 ACL 2020 上，自然语言知识图谱领域发生了巨大的革新。ACL 作为 NLP 领域的顶级学术会议，无]]></description>

    <pubDate>2020-07-23</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[CPU 明明 8 个核，网卡为啥拼命折腾 1 号核？]]></title>

    <link>http://www.sykv.com/cat/depth/26439.html</link>

    <description><![CDATA[我们日常的工作就是不断执行代码指令，不过这看似简单的工作背后其实也并不轻松。咱不能闷着头啥也不管一个劲的只管执行代码，还得和连接在主板上的其他单位打交道。经常保持]]></description>

    <pubDate>2020-07-23</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[一家AI创业公司的自救：深陷疫情重点打击行业，]]></title>

    <link>http://www.sykv.com/cat/depth/26438.html</link>

    <description><![CDATA[这是一家 AI 创业公司挺过疫情、扭亏为盈的故事。经历了 2019 年经济寒冬的人们，从没想到过下一年会以这样的方式到来。在新冠病毒的蔓延趋势下，2020 年的春天，显得格外寒冷。「]]></description>

    <pubDate>2020-07-23</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[BERT-of-Theseus：基于模块替换的模型压缩方法]]></title>

    <link>http://www.sykv.com/cat/depth/26437.html</link>

    <description><![CDATA[模型压缩就是“简化大模型，得到推理速度更快的小模型”。当然，一般来说模型压缩是有一定牺牲的，比如最明显的是最后的评测指标会有一定的下降，毕竟“更好又更快”的免费午]]></description>

    <pubDate>2020-07-23</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Uber正式开源分布式机器学习平台：Fiber]]></title>

    <link>http://www.sykv.com/cat/depth/26436.html</link>

    <description><![CDATA[在过去的几年中，计算机不断增强的处理能力推动了机器学习的进步。算法越来越多地利用并行性，并依赖分布式训练来处理大量数据。然而，随之而来的是增加数据和训练的需求，这]]></description>

    <pubDate>2020-07-23</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[半导体光刻机行业深度报告：复盘ASML，探寻本土]]></title>

    <link>http://www.sykv.com/cat/depth/26435.html</link>

    <description><![CDATA[半导体产业链分为设计、制造、封测三大环节，设备成为半导体产业支柱。芯片设计主 要根据芯片的设计目的进行逻辑设计和规则制定，并根据设计图制作掩模以供后续光刻步骤 使用。]]></description>

    <pubDate>2020-07-23</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[AI大觉醒：图灵奖得主Bengio称AI将产生意识，未来]]></title>

    <link>http://www.sykv.com/cat/depth/26434.html</link>

    <description><![CDATA[2020年ICLR上，图灵奖得主、蒙特利尔学习算法研究所主任Yoshua Bengio对AI和机器学习的未来提供了最新的见解。他讲到未来机器学习完全有可能超越无意识，向全意识迈进。而注意力机制正]]></description>

    <pubDate>2020-07-23</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[吊打一切：YOLOv4的tricks汇总]]></title>

    <link>http://www.sykv.com/cat/depth/26433.html</link>

    <description><![CDATA[即使是目标检测在过去几年开始成熟，竞争仍然很激烈。如下所示，YOLOv4声称拥有最先进的精度，同时保持高处理帧速率。它在 MS COCO数据集上，使用Tesla V100以接近65 FPS推理速度获得精]]></description>

    <pubDate>2020-07-23</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[11 种主要神经网络结构图解]]></title>

    <link>http://www.sykv.com/cat/depth/26432.html</link>

    <description><![CDATA[随着深度学习的快速发展，人们创建了一整套神经网络结构来解决各种各样的任务和问题。尽管有无数的神经网络结构，这里有十一种对于任何深度学习工程师来说都应该理解的结构，]]></description>

    <pubDate>2020-07-23</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Longformer：超越RoBERTa，为长文档而生的预训练模型]]></title>

    <link>http://www.sykv.com/cat/depth/26431.html</link>

    <description><![CDATA[传统Tranformer-based模型在处理长文本时有着天然的劣势。因为传统模型采用的是“全连接”型的attention机制，即每一个token都要与其他所有token进行交互。其attention复杂度高达。此前的解决]]></description>

    <pubDate>2020-07-23</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[软银欲出售Arm，苹果可能接盘]]></title>

    <link>http://www.sykv.com/cat/depth/26430.html</link>

    <description><![CDATA[据华尔街日报、彭博社等多家外媒报道，知情人士透露，软银正在探索通过私有交易或公开发行股票的出售Arm Holdings部分或全部股份。这家日本企业集团四年前以320亿美元的价格将其收]]></description>

    <pubDate>2020-07-23</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[芯片破壁者：光刻技术的“鬼斧”之变]]></title>

    <link>http://www.sykv.com/cat/depth/26429.html</link>

    <description><![CDATA[在我们今天看来，晶体管发明以后，集成电路的出现一直到今天超大规模集成电路的出现，似乎是一件水到渠成的事情。但是如果回到半导体产业初兴的历史现场，我们就会发现没有任]]></description>

    <pubDate>2020-07-23</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[台积电2纳米获得重大突破]]></title>

    <link>http://www.sykv.com/cat/depth/26428.html</link>

    <description><![CDATA[台积电冲刺先进制程，在2纳米研发有重大突破，已成功找到路径，将切入GAA（环绕闸极）技术，为台积电发展鳍式场效电晶体（FinFET）取得全球绝对领先地位之后，迈向另一全新的技术]]></description>

    <pubDate>2020-07-23</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[苹果自研芯片的优势与劣势]]></title>

    <link>http://www.sykv.com/cat/depth/26426.html</link>

    <description><![CDATA[不知不觉，注定多不胜数的重大事件将塞满历史课本的2020年，也走过一半了，距离预定年内发表的首款搭载「Apple Silicon」的Mac，也为时不远。我们有充分的理由相信，毕竟Apple这间树大]]></description>

    <pubDate>2020-07-23</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[如何理解YOLO：YOLO详解]]></title>

    <link>http://www.sykv.com/cat/depth/26425.html</link>

    <description><![CDATA[YOLO将物体检测作为回归问题求解。基于一个单独的end-to-end网络，完成从原始图像的输入到物体位置和类别的输出。Faster rcnn使用RPN（region proposal network）卷积网络替代rcnn/fast rcnn的selec]]></description>

    <pubDate>2020-07-23</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[YOLOv5是真的吗？并不比YOLOv4强，不配这个名字]]></title>

    <link>http://www.sykv.com/cat/depth/26423.html</link>

    <description><![CDATA[首先简单介绍一下 YOLO。YOLO 是一个实时目标检测框架，其意思是 You Only Look Once（你只看一次）。也就是说待检测的目标图像仅会通过全卷积神经网络（FCNN）一次。Ultralytics 的创始人兼]]></description>

    <pubDate>2020-07-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[​PowerPC的芯酸往事]]></title>

    <link>http://www.sykv.com/cat/depth/26419.html</link>

    <description><![CDATA[在芯片界，苹果可以说是最负盛名的客户。而做苹果的客户可谓是既“瑟瑟发抖”又“无限荣光”的事情。达则走向巅峰，败则跌落谷底。苹果近日的换芯计划，不禁让人联想起2005年的]]></description>

    <pubDate>2020-07-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[线性Attention的探索：Attention必须有个Softmax吗？]]></title>

    <link>http://www.sykv.com/cat/depth/26418.html</link>

    <description><![CDATA[某种意义上来说，Reformer 也是稀疏 Attention 的一种，只不过它的稀疏 pattern 不是事先指定的，而是通过 LSH（Locality Sensitive Hashing）技术（近似地）快速地找到最大的若干个 Attention 值，然]]></description>

    <pubDate>2020-07-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Google | 创造Youtube单次上线最高收益！解决推荐中]]></title>

    <link>http://www.sykv.com/cat/depth/26417.html</link>

    <description><![CDATA[众所周知，工业界大规模推荐系统一般都是有百万、千万级甚至更大规模的item候选集，因此从RL的角度来说，action空间异常的庞大。同时用户规模都是数以十亿计，带来了更复杂的user]]></description>

    <pubDate>2020-07-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[外媒：美国如何重返半导体制造巅峰？]]></title>

    <link>http://www.sykv.com/cat/depth/26416.html</link>

    <description><![CDATA[美国成功重返半导体制造市场巅峰绝不是确定的赌注。两党对美国《 CHIPS法案》的支持是令人鼓舞的，但是仅靠资金可能无法解决导致半导体制造业海外制造不成比例增长的系统性问题]]></description>

    <pubDate>2020-07-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[五年大涨1800%，英伟达市值有望超过英特尔]]></title>

    <link>http://www.sykv.com/cat/depth/26413.html</link>

    <description><![CDATA[不久后，「美国顶尖芯片制造商」的头衔也许将要易主。英特尔公司（Intel）过去50年来一直是美国芯片产业龙头，但英伟达（Nvidia）近来急起直追，眼看市值就快要追上英特尔。截至]]></description>

    <pubDate>2020-07-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Attention注意力机制的前世今身]]></title>

    <link>http://www.sykv.com/cat/depth/26177.html</link>

    <description><![CDATA[注意力机制（Attention Mechanism）最早应用 CV 任务上 ，但最初的论文引用，作者没有找到，如有知晓的，还望在评论中给出。在 NLP 中的最早应用，应该是文献 ，机器翻译中对齐与翻译联]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[详细解读LSTM与GRU单元的各个公式和区别]]></title>

    <link>http://www.sykv.com/cat/depth/26176.html</link>

    <description><![CDATA[因为自己LSTM和GRU学的时间相隔很远，并且当时学的也有点小小的蒙圈，也因为最近一直在用lstm，gru等等，所以今天没事好好缕了一下，接下来跟着我一起区分并且每个单元全都非常深刻]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[PyTorch称霸顶会：CVPR论文占比是TensorFlow 4 倍]]></title>

    <link>http://www.sykv.com/cat/depth/26175.html</link>

    <description><![CDATA[在最新的图表数据中，Horace He 依然以 ICLR 2020 和 CVPR 2020 接收论文中 PyTorch 使用量在 TensorFlow/PyTorch 使用总数中的占比情况，以及 PyTorch/TensorFlow 具体使用数及占接收论文总数的比例为评]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[NVIDIA针对数据不充分数据集进行生成改进，大幅]]></title>

    <link>http://www.sykv.com/cat/depth/26174.html</link>

    <description><![CDATA[生成对抗网络因其优异的生成质量而得到广泛的关注，然而想要得到高质量的生成结果往往需要大批量的训练数据进行加持才能训练出逼真的生成结果，这点在各大主流优秀的生成对抗]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[中科院计算所沈华伟：图神经网络表达能力的回]]></title>

    <link>http://www.sykv.com/cat/depth/26173.html</link>

    <description><![CDATA[图神经网络过去几年炙手可热，也取得了一系列的突破，但是这两年发展进入了相对停滞的状态。当前更多的研究员是把图神经网络当做一个工具，也即把图神经网络泛化到其他领域进]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[CVPR 2020 论文大盘点-实例分割篇]]></title>

    <link>http://www.sykv.com/cat/depth/26172.html</link>

    <description><![CDATA[图像分类是对整幅图像给出一个类别，目标检测将感兴趣的物体框出来，语义分割将相同类别的物体分割出来，实例分割则要分割出感兴趣类别物体的个体，既是对图像的像素级分割，]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[如何应对Seq2Seq中的“根本停不下来”问题？]]></title>

    <link>http://www.sykv.com/cat/depth/26171.html</link>

    <description><![CDATA[确定性解码算法就是当输入文本固定之后，解码出来的输出文本也是固定的，这类算法包含贪心搜索（Greedy Search）和束搜索（Beam Search），事实上贪心搜索是束搜索的一个特例，所以只]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[数据集永久下架，微软不是第一个，MIT 也不是最]]></title>

    <link>http://www.sykv.com/cat/depth/26076.html</link>

    <description><![CDATA[麻省理工学院（MIT）近日发布了一则致歉声明，宣布将 Tiny Images Dataset 数据集永久下架，并向全社会呼吁共同停用并删除这个数据集，已有该数据集的用户不要再向他人提供。近一年内]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Gartner发布2020年数据与分析领域的十大技术趋势]]></title>

    <link>http://www.sykv.com/cat/depth/26075.html</link>

    <description><![CDATA[近日，Gartner发布了数据与分析领域的十大技术趋势，为数据和分析领导者的新冠疫情（COVID-19）响应和恢复工作提供指导，并为疫情后的重启做好准备。数据和分析领导者如果希望在疫]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[世界最强超算芯片Fujitsu A64FX：继承于SPARC64架构的]]></title>

    <link>http://www.sykv.com/cat/depth/26074.html</link>

    <description><![CDATA[最近ARM指令集相容处理器占据不少新闻版面，除了千呼万唤始出来、预定两年内完全取代英特尔处理器的Apple Silicon，再来就是引起不少讨论、先后在2019年11月Green500和2020年6月Top500夺下榜]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[彻底搞懂机器学习中的正则化]]></title>

    <link>http://www.sykv.com/cat/depth/26073.html</link>

    <description><![CDATA[在总结正则化（Regularization）之前，我们先谈一谈正则化是什么，为什么要正则化。其实正则化的本质很简单，就是对某一问题加以先验的限制或约束以达到某种特定目的的一种手段或操]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[凭什么相信你，我的CNN模型？关于CNN模型可解释]]></title>

    <link>http://www.sykv.com/cat/depth/26072.html</link>

    <description><![CDATA[关于CNN模型的可解释问题，很早就有人开始研究了，姑且称之为CNN可视化吧。比较经典的有两个方法，反卷积(Deconvolution)和导向反向传播(Guided-backpropagation)，通过它们，我们能够一定程]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[GitHub超3万星：Transformer 3发布，BERT被一分为二]]></title>

    <link>http://www.sykv.com/cat/depth/26071.html</link>

    <description><![CDATA[来了来了，它来了！它带着全新的tokenizer API、TensorFlow改进以及增强的文档和教程来了！G站上最受欢迎的NLP项目，AI界无人不知的最先进NLP模型Transformer刚刚推出了第三代。这次更新力度]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Attention注意力机制的前世今身]]></title>

    <link>http://www.sykv.com/cat/depth/26070.html</link>

    <description><![CDATA[注意力机制（Attention Mechanism）最早应用 CV 任务上 ，但最初的论文引用，作者没有找到，如有知晓的，还望在评论中给出。在 NLP 中的最早应用，应该是文献 ，机器翻译中对齐与翻译联]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[详细解读LSTM与GRU单元的各个公式和区别]]></title>

    <link>http://www.sykv.com/cat/depth/26069.html</link>

    <description><![CDATA[因为自己LSTM和GRU学的时间相隔很远，并且当时学的也有点小小的蒙圈，也因为最近一直在用lstm，gru等等，所以今天没事好好缕了一下，接下来跟着我一起区分并且每个单元全都非常深刻]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[多款苹果芯片实测对比！自研芯片能有多强？]]></title>

    <link>http://www.sykv.com/cat/depth/26068.html</link>

    <description><![CDATA[本周的WWDC2020，苹果宣布了其“Apple Silicon”计划，即放弃英特尔芯片，转而使用自己的基于ARM的芯片。自从搭载苹果第一代自主开发的A4处理器的iPhone4上市，已经过去十多年了。这十年]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[枪与半导体：上一场科技世界大战]]></title>

    <link>http://www.sykv.com/cat/depth/26067.html</link>

    <description><![CDATA[为什么一个人员精良、资源富集、储备雄厚、水平居于前列的工业体系，在短短的二十年里，消失得几近无踪？对美国人来说，1961年4月12日是沮丧的一天。当华盛顿还在睡梦中时，远在]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[PyTorch称霸顶会：CVPR论文占比是TensorFlow 4 倍]]></title>

    <link>http://www.sykv.com/cat/depth/26065.html</link>

    <description><![CDATA[在最新的图表数据中，Horace He 依然以 ICLR 2020 和 CVPR 2020 接收论文中 PyTorch 使用量在 TensorFlow/PyTorch 使用总数中的占比情况，以及 PyTorch/TensorFlow 具体使用数及占接收论文总数的比例为评]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[ARM架构要逆天？]]></title>

    <link>http://www.sykv.com/cat/depth/26064.html</link>

    <description><![CDATA[经过多年谣传，苹果「总算」宣布Mac将逐步从Intel处理器转移到「Apple Silicon」，预计年底推出首台采用自家ARM指令集相容处理器的Mac电脑，也传出台积电将编列「300人大军」团队，从研]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[NVIDIA针对数据不充分数据集进行生成改进，大幅]]></title>

    <link>http://www.sykv.com/cat/depth/26063.html</link>

    <description><![CDATA[生成对抗网络因其优异的生成质量而得到广泛的关注，然而想要得到高质量的生成结果往往需要大批量的训练数据进行加持才能训练出逼真的生成结果，这点在各大主流优秀的生成对抗]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[为什么“晚上9点钟洗澡的大学生成绩更好”？]]></title>

    <link>http://www.sykv.com/cat/depth/26062.html</link>

    <description><![CDATA[教育在中国有着非常特殊的地位。在全世界还在盛行世袭制度和等级制度的时候，中国第一次通过科举制度把受教育转化为沿着社会等级向上攀爬的一种途径，从而使教育开始被赋予提]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[BERT大魔王为何在商业环境下碰壁？]]></title>

    <link>http://www.sykv.com/cat/depth/26061.html</link>

    <description><![CDATA[大型基于Transformer的神经网络，例如BERT，GPT和XLNET，最近在许多NLP任务中取得了最新的成果。这些模型的成功基于通用任务（例如语言建模）和特定下游任务之间的迁移学习， 这些模型]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Facebook推基于NetHack的深度强化学习利器，超轻量]]></title>

    <link>http://www.sykv.com/cat/depth/26060.html</link>

    <description><![CDATA[近日，Facebook 的研究人员表示，NetHack这款游戏是专门为训练、测试和评估人工智能模型而设计的。为此，他们今日发布了 NetHack 学习环境，这是用于对强化学习智能体的鲁棒性和泛化性]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[中科院计算所沈华伟：图神经网络表达能力的回]]></title>

    <link>http://www.sykv.com/cat/depth/26059.html</link>

    <description><![CDATA[图神经网络过去几年炙手可热，也取得了一系列的突破，但是这两年发展进入了相对停滞的状态。当前更多的研究员是把图神经网络当做一个工具，也即把图神经网络泛化到其他领域进]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[从零开始搭建无人机导航系统——初识传感器]]></title>

    <link>http://www.sykv.com/cat/depth/26058.html</link>

    <description><![CDATA[近年来，惯性测量单元（IMU）的普及，是多旋翼无人机崛起的其中一个重要原因。其成本低，体积小的优点同样使其在手机领域被广泛使用。IMU主要由陀螺仪（Gyroscope）与加速度计（A]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[SIA最新报告：美国半导体实力和发展方向]]></title>

    <link>http://www.sykv.com/cat/depth/26057.html</link>

    <description><![CDATA[数十年来，美国公司在生产这些为现代技术提供动力的微型芯片方面一直处于世界领先地位。美国在半导体领域的领导地位是美国成为全球最大经济体和领先最先进技术的重要原因。自]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[28篇论文、6 大主题带你一览 CVPR 2020 研究趋势]]></title>

    <link>http://www.sykv.com/cat/depth/26056.html</link>

    <description><![CDATA[图像分割模型（例如Mask R-CNN）通常在有规则网格上运行：输入图像是像素的规则网格，它们的隐藏表示是规则网格上的特征向量，其输出是规则网格上的标签图。但是，规则网格会不必]]></description>

    <pubDate>2020-07-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[定了！苹果确认放弃英特尔，全面采用自研芯片]]></title>

    <link>http://www.sykv.com/cat/depth/26010.html</link>

    <description><![CDATA[此前根据彭博社的报道，苹果准备在年度开发者大会上宣布将旗下 Mac 产品线中的英特尔芯片全面替换为 ARM 处理器。知情人士同时指出，选在这时发布是为了让苹果以外的开发人员有时]]></description>

    <pubDate>2020-06-27</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[苹果自研电脑芯片来了！现场飙性能，首次展示]]></title>

    <link>http://www.sykv.com/cat/depth/26007.html</link>

    <description><![CDATA[这是Mac产品线历史性的一天！对于Mac和苹果公司来说，都是一次巨大的飞跃。苹果Mac一度重新定义整个电脑行业，站在PC行业引领创新的最前端。在历史长河中，Mac曾经历三次重大转折：]]></description>

    <pubDate>2020-06-27</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[CRF用过了，不妨再了解下更快的MEMM？]]></title>

    <link>http://www.sykv.com/cat/depth/26006.html</link>

    <description><![CDATA[HMM、MEMM、CRF被称为是三大经典概率图模型，在深度学习之前的机器学习时代，它们被广泛用于各种序列标注相关的任务中。一个有趣的现象是，到了深度学习时代，HMM和MEMM似乎都“没落]]></description>

    <pubDate>2020-06-27</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[将“softmax+交叉熵”推广到多标签分类问题]]></title>

    <link>http://www.sykv.com/cat/depth/26005.html</link>

    <description><![CDATA[一般来说，在处理常规的多分类问题时，我们会在模型的最后用一个全连接层输出每个类的分数，然后用softmax激活并用交叉熵作为损失函数。在这篇文章里，我们尝试将“softmax+交叉熵]]></description>

    <pubDate>2020-06-27</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Arm芯片的新革命在缓缓上演]]></title>

    <link>http://www.sykv.com/cat/depth/26004.html</link>

    <description><![CDATA[因为苹果将发布使用其自研Arm芯片的Mac电脑，为此我认为基于ARM的芯片将蚕食 Intel和AMD的核心业务。这其实已经发生了，但是它是如此缓慢，除非您退后一步，否则你很难看到：阶段1：]]></description>

    <pubDate>2020-06-27</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Facebook 开源聊天机器人Blender，经94 亿个参数强化]]></title>

    <link>http://www.sykv.com/cat/depth/26002.html</link>

    <description><![CDATA[近日，Facebook 的人工智能和机器学习部门 Facebook AI Research（FAIR）详细介绍了一个名为 Blender 的综合人工智能聊天机器人框架。FAIR 声称，目前可以在 GitHub 上以开源方式获得的 Blender，是]]></description>

    <pubDate>2020-06-27</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[CVPR 2020 论文大盘点-实例分割篇]]></title>

    <link>http://www.sykv.com/cat/depth/26001.html</link>

    <description><![CDATA[图像分类是对整幅图像给出一个类别，目标检测将感兴趣的物体框出来，语义分割将相同类别的物体分割出来，实例分割则要分割出感兴趣类别物体的个体，既是对图像的像素级分割，]]></description>

    <pubDate>2020-06-27</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[如何应对Seq2Seq中的“根本停不下来”问题？]]></title>

    <link>http://www.sykv.com/cat/depth/26000.html</link>

    <description><![CDATA[确定性解码算法就是当输入文本固定之后，解码出来的输出文本也是固定的，这类算法包含贪心搜索（Greedy Search）和束搜索（Beam Search），事实上贪心搜索是束搜索的一个特例，所以只]]></description>

    <pubDate>2020-06-27</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[一个故事带你了解版本控制]]></title>

    <link>http://www.sykv.com/cat/depth/25999.html</link>

    <description><![CDATA[当我们初次在项目中使用版本控制时，这个概念可能难以理解。我看到很多人（也包括我）都在运行诸如 git pull，git push 以及运行其他一些我不理解的命令。为什么我既要 commit 还要 p]]></description>

    <pubDate>2020-06-27</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[准确率、精准率、召回率、F1，我们真了解这些评]]></title>

    <link>http://www.sykv.com/cat/depth/25997.html</link>

    <description><![CDATA[众所周知，机器学习分类模型常用评价指标有Accuracy, Precision, Recall和F1-score，而回归模型最常用指标有MAE和RMSE。但是我们真正了解这些评价指标的意义吗？在具体场景（如不均衡多分类]]></description>

    <pubDate>2020-06-27</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[国产半导体路在何方，瓦森纳与光刻机你了解多]]></title>

    <link>http://www.sykv.com/cat/depth/25996.html</link>

    <description><![CDATA[光刻机（Mask Aligner）是制造微机电、光电、二极体大规模集成电路的重要设备。一台光刻机主要包括了曝光系统和对准系统两个部分。光刻机能够利用曝光系统发射出的紫外线通过模版]]></description>

    <pubDate>2020-06-27</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[苹果的芯片帝国]]></title>

    <link>http://www.sykv.com/cat/depth/25995.html</link>

    <description><![CDATA[若不出意外，苹果极有可能在下周的WWDC2020上官宣Mac电脑的“芯”计划，将要用自研的芯片了，这是一件让乔布斯知道了都会兴奋不已的大事。目前，苹果公司手里的iPhone、iPad、AirPods、]]></description>

    <pubDate>2020-06-27</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[深入浅出词嵌入技术]]></title>

    <link>http://www.sykv.com/cat/depth/25994.html</link>

    <description><![CDATA[独热编码是NLP领域最简单的一种单词表示法。One-hot Encoding就是一个单词用长度为的向量表示，其中只有一个位置为，其余位置为，为语料中词库的大小。One-hot Encoding有什么问题呢？假如]]></description>

    <pubDate>2020-06-27</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[历时 6 年发展， GAN 领域当下最热门的“弄潮儿”]]></title>

    <link>http://www.sykv.com/cat/depth/25956.html</link>

    <description><![CDATA[生成式对抗网络（Generative Adversarial Networks, GAN）诞生于2014年，它的作者Ian Goodfellow 因它而声名大噪，被誉为“GAN 之父”。据说GAN是Goodfellow手握扎啤在酒吧灵机一动所得（咦？这篇文章]]></description>

    <pubDate>2020-06-21</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[GANSynth：使用 GAN 制作音乐]]></title>

    <link>http://www.sykv.com/cat/depth/25955.html</link>

    <description><![CDATA[众所周知，GAN 是一种生成高质量图像的 SOTA 方法。因而，研究人员也一直在努力将其应用于更加序列化的数据，例如音频和音乐。在这个领域，自回归 (AR) 模型通过一次预测一个样本占]]></description>

    <pubDate>2020-06-21</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[建议收藏！超棒的AWS机器学习工具包汇总]]></title>

    <link>http://www.sykv.com/cat/depth/25902.html</link>

    <description><![CDATA[随着技术和生态的不断演进、应用场景的不断探索，机器学习已然不再仅仅停留在实验室当中。无论是日新月异的互联网应用，还是求新求变的企业转型，机器学习都得到了广泛的应用]]></description>

    <pubDate>2020-06-21</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[一只 53 万！波士顿动力网红机器狗开售，充电器]]></title>

    <link>http://www.sykv.com/cat/depth/25864.html</link>

    <description><![CDATA[屡屡全球刷屏的网红，现在终于可以买回家。波士顿动力机机器狗——那只可甜可咸、可宠可用的地球首富同款，万万没想到，现在你我皆能拥有。只要7.45万美元，折合人民币53万元，]]></description>

    <pubDate>2020-06-21</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[大脑新生神经元：加速你遗忘的“催化剂”]]></title>

    <link>http://www.sykv.com/cat/depth/25863.html</link>

    <description><![CDATA[“成年动物大脑中存在新生神经元”这一假说最早出现在上世纪60年代初。当时MIT的神经生物学家Joseph Altman利用放射性同位素标记的方法，成功追踪到成年大鼠脑神经细胞的增殖情况，]]></description>

    <pubDate>2020-06-21</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[FPGA与ASIC战火重燃]]></title>

    <link>http://www.sykv.com/cat/depth/25862.html</link>

    <description><![CDATA[本周，诺基亚宣布与博通公司合作进行5G芯片的研发工作，为其5G产品打造包括处理器在内的定制芯片组，以使其供应链多元化。更重要的是，此项合作的主要原因在于：诺基亚希望加快]]></description>

    <pubDate>2020-06-21</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[你不一定知道的英国半导体实力]]></title>

    <link>http://www.sykv.com/cat/depth/25861.html</link>

    <description><![CDATA[全球围绕着半导体产业的竞争日渐激烈，各国以及各地区都陆续宣布了与此相关的布局计划或投资计划。在这种情况下，在尚未宣布相关计划的国家中，也有一些半导体企业发出了他们]]></description>

    <pubDate>2020-06-21</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[文本增强、半监督学习，谁才是 NLP 少样本困境问]]></title>

    <link>http://www.sykv.com/cat/depth/25860.html</link>

    <description><![CDATA[谈起文本增强技术，相信NLPer一定不会陌生，相关方法也是数不胜数。我们通常对标注数据集提供附加的感应偏置进行扩充，如何设计增强变换就变得至关重要。本文尝试从一个新角度—]]></description>

    <pubDate>2020-06-21</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Github 高赞的 YOLOv5 引发争议？Roboflow 和开发者这]]></title>

    <link>http://www.sykv.com/cat/depth/25859.html</link>

    <description><![CDATA[YOLOv5的发布备受关注，在多个社区引发热议。6月14日，Roboflow联合YOLOv5开发者，正面回应了Hacker News社区对于YOLOv5的质疑。YOLOv5自发布之后就受到了许多关注，无论是Hacker News，Github还是]]></description>

    <pubDate>2020-06-21</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[硬杠Arm、热功耗仅7W，英特尔迈入大小核时代]]></title>

    <link>http://www.sykv.com/cat/depth/25858.html</link>

    <description><![CDATA[在ARM 处理器上普遍使用的大小核架构，现在Intel 终于也跟上了脚步。全新推出的3D 堆叠Lakefield CPU，将有1 个 Sunny Cove 大核心配合4个低功耗Tremont 核心共同运作，未来预计应用于移动装置]]></description>

    <pubDate>2020-06-21</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[无监督分词和句法分析！原来BERT还可以这样用]]></title>

    <link>http://www.sykv.com/cat/depth/25857.html</link>

    <description><![CDATA[BERT 的一般用法就是加载其预训练权重，再接一小部分新层，然后在下游任务上进行 finetune，换句话说一般的用法都是有监督训练的。基于这个流程，我们可以做中文的分词、NER 甚至句]]></description>

    <pubDate>2020-06-21</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[光刻机霸主阿斯麦封神之路]]></title>

    <link>http://www.sykv.com/cat/depth/25856.html</link>

    <description><![CDATA[现在，5nm制程芯片作为目前可量产的最先进芯片，将是顶级手机的标配，也是摩尔定律真正的捍卫者。年内将推出的华为Mate 40采用的麒麟1020芯片、苹果iPhone 12搭载的A14仿生芯片不出意外]]></description>

    <pubDate>2020-06-21</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[万物皆Embedding，从经典的word2vec到深度学习基本操]]></title>

    <link>http://www.sykv.com/cat/depth/25855.html</link>

    <description><![CDATA[简单来说，embedding就是用一个低维的向量表示一个物体，可以是一个词，或是一个商品，或是一个电影等等。这个embedding向量的性质是能使距离相近的向量对应的物体有相近的含义，比]]></description>

    <pubDate>2020-06-21</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[历时 6 年发展， GAN 领域当下最热门的“弄潮儿”]]></title>

    <link>http://www.sykv.com/cat/depth/25849.html</link>

    <description><![CDATA[生成式对抗网络（Generative Adversarial Networks, GAN）诞生于2014年，它的作者Ian Goodfellow 因它而声名大噪，被誉为“GAN 之父”。据说GAN是Goodfellow手握扎啤在酒吧灵机一动所得（咦？这篇文章]]></description>

    <pubDate>2020-06-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[LTP 4.0！单模型完成6项自然语言处理任务]]></title>

    <link>http://www.sykv.com/cat/depth/25848.html</link>

    <description><![CDATA[语言技术平台（Language Technology Platform, LTP）是哈工大社会计算与信息检索研究中心（HIT-SCIR）历时多年研发的一整套高效、高精度的中文自然语言处理开源基础技术平台。该平台集词法分]]></description>

    <pubDate>2020-06-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[GANSynth：使用 GAN 制作音乐]]></title>

    <link>http://www.sykv.com/cat/depth/25847.html</link>

    <description><![CDATA[众所周知，GAN 是一种生成高质量图像的 SOTA 方法。因而，研究人员也一直在努力将其应用于更加序列化的数据，例如音频和音乐。在这个领域，自回归 (AR) 模型通过一次预测一个样本占]]></description>

    <pubDate>2020-06-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[特朗普转推呼吁制裁微软，因微软、IBM、亚马逊]]></title>

    <link>http://www.sykv.com/cat/depth/25846.html</link>

    <description><![CDATA[格雷内尔对微软宣布停止向警方出售面部识别技术的新闻发表评论，称应该禁止微软签订和联邦政府的业务合同，并表示既然微软公开表明了立场，就要承担这样做的后果。随后，美国]]></description>

    <pubDate>2020-06-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[硬核还原：显微镜手撸晶体管，逆向工程还原经]]></title>

    <link>http://www.sykv.com/cat/depth/25843.html</link>

    <description><![CDATA[Sinclair Scientific计算器酷吗？它很受欢迎，自1974年发售，就频频出现在《大众机械》等出版物封面。其巧妙编写的固件，使它本只用于基础算术的处理器，能马力倍开远远超出正常性能。]]></description>

    <pubDate>2020-06-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[纽约时报：近1/3美国顶尖AI科学家来自中国]]></title>

    <link>http://www.sykv.com/cat/depth/25842.html</link>

    <description><![CDATA[在一篇名为《美国AI的秘密武器》长文中，《纽约时报》援引一份最新出炉的人才调查报告，有理有据、苦口婆心，怒其不争哀其不幸地“劝谏”美国政策制定者们，少喊口号、认清现实]]></description>

    <pubDate>2020-06-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[如果AMD想进军Arm移动SoC市场的传言是真的，那么]]></title>

    <link>http://www.sykv.com/cat/depth/25841.html</link>

    <description><![CDATA[即使AMD 并非ARM 兼容处理器的新手，早在2014 年公布停留在简报「融合x86 与ARM 系统架构」的SkyBridge 计划与相容ARM 指令集的K12 核心，并在2016 年发表市场反应冷淡的Opteron A1100 处理器，但]]></description>

    <pubDate>2020-06-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[用强化学习寻找关键节点——复杂网络研究新范]]></title>

    <link>http://www.sykv.com/cat/depth/25840.html</link>

    <description><![CDATA[牵一发而动全身，网络中有些节点一旦被去除，就会对网络的连通性产生断崖式的影响。该如何找到这样的节点。近日，发表在 Nature Machine Intelligence 上的一篇论文“通过深度强化学习识]]></description>

    <pubDate>2020-06-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[CVPR 2020 论文大盘点-目标检测篇]]></title>

    <link>http://www.sykv.com/cat/depth/25838.html</link>

    <description><![CDATA[本文盘点CVPR 2020 所有目标检测相关论文，总计64篇论文，感觉最大的特点是3D目标检测研究工作很多有21篇，尤其是工业界单位，可能是自动驾驶热带来的。2D目标检测依然很热，神经架]]></description>

    <pubDate>2020-06-16</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Github上 10 个超好看可视化面板]]></title>

    <link>http://www.sykv.com/cat/depth/25798.html</link>

    <description><![CDATA[Web 开发中几乎的平台都需要一个后台管理，但是从零开发一套后台控制面板并不容易，幸运的是有很多开源免费的后台控制面板可以给开发者使用，那么有哪些优秀的开源免费的控制面]]></description>

    <pubDate>2020-06-14</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[机器学习“调音师”：如何及何时重新调校ML]]></title>

    <link>http://www.sykv.com/cat/depth/25727.html</link>

    <description><![CDATA[古希腊哲学家赫拉克利特说：“唯一不变的就是变化”。时间拥有着我们无法撼动的强大力量，无论是观念、社会还是人类本身，都会随着时间的推移而发生巨大的变化。]]></description>

    <pubDate>2020-06-11</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[全面改进Transformer类预训练模型，自然语言任务超]]></title>

    <link>http://www.sykv.com/cat/depth/25702.html</link>

    <description><![CDATA[语言模型（Language Modeling）作为自然语言领域经典的序列建模任务，已有数十年的研究历史。近年来，因其自监督的特性备受学术界与工业界关注，相继涌现出 GPT2、BERT、RoBERTa、XLNET 等]]></description>

    <pubDate>2020-06-11</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[重大突破！第一台国产28nm光刻机！]]></title>

    <link>http://www.sykv.com/cat/depth/25701.html</link>

    <description><![CDATA[6月5日，据业内媒体消息，上海微电子装备(集团)股份有限公司披露，将在2021-2022年交付第一台28nm工艺的国产沉浸式光刻机！虽然这与当今国际顶尖的7nm乃至是5nm光刻机还有数代的隔阂，]]></description>

    <pubDate>2020-06-11</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[ARK Invest最新报告 ：AI训练成本下降了100倍，但训]]></title>

    <link>http://www.sykv.com/cat/depth/25700.html</link>

    <description><![CDATA[方舟评估委员会在其报告中发现，从1960年到2010年，按照摩尔定律，用于训练的AI算力翻了一番。人工智能计算的复杂度自2010年以来每年飙升10倍（每秒千万亿次运算）。与此同时，过去]]></description>

    <pubDate>2020-06-11</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[用PyTorch实现一个简单的分类器]]></title>

    <link>http://www.sykv.com/cat/depth/25699.html</link>

    <description><![CDATA[回想了一下自己关于 pytorch 的学习路线，一开始找的各种资料，写下来都能跑，但是却没有给自己体会到学习的过程。有的教程一上来就是写一个 cnn，虽然其实内容很简单，但是直接上]]></description>

    <pubDate>2020-06-05</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[使用神经网络在表格中查找答案]]></title>

    <link>http://www.sykv.com/cat/depth/25588.html</link>

    <description><![CDATA[绝大多数的信息都以表格为形式进行存储，并包含于网页、数据库或是文档中。从消费类商品的技术规格到金融和国家发展统计数据、体育赛事结果等等，都可能使用表格存储。目前，]]></description>

    <pubDate>2020-06-04</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[近年图像翻译先进模型小结]]></title>

    <link>http://www.sykv.com/cat/depth/25587.html</link>

    <description><![CDATA[图像翻译旨在通过设计端到端的模型将源域图像转换到目标域图像，通常源域提供图像的内容，目标域提供图像的“风格”(可以是图像属性或图像风格)，在源域内容下实现目标域的“风]]></description>

    <pubDate>2020-06-04</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[刚刚，史上最大 AI 模型 GPT-3 终于上线了！训练一]]></title>

    <link>http://www.sykv.com/cat/depth/25586.html</link>

    <description><![CDATA[时隔一年，OpenAI 放出的预训练语言模型 GPT-3 再次让人刮目相看。「我们训练了 GPT-3，一种具有 1750 亿参数的自回归语言模型，这个数字比以往任何非稀疏语言模型都多 10 倍。我们在]]></description>

    <pubDate>2020-06-04</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[机器学习：有监督和无监督之间有什么区别]]></title>

    <link>http://www.sykv.com/cat/depth/25542.html</link>

    <description><![CDATA[机器学习是人工智能的一个子集，它通过示例和经验教会计算机执行任务，是研究和开发的热门领域。我们每天使用的许多应用程序都使用机器学习算法，包括AI助手，Web搜索和机器翻译]]></description>

    <pubDate>2020-06-04</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[可再生能源与机器学习“双重加持”，谷歌成功]]></title>

    <link>http://www.sykv.com/cat/depth/25539.html</link>

    <description><![CDATA[从传统角度看，电力电场的发电能力普遍较弱，因为我们至今很难预测无形无相的风，会在新一天中表现出怎样的活动趋势。]]></description>

    <pubDate>2020-06-04</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[光刻机大败局]]></title>

    <link>http://www.sykv.com/cat/depth/25517.html</link>

    <description><![CDATA[在芯片领域，有一样叫光刻机的设备，不是印钞机，但却比印钞机还金贵。历数全球，也只有荷兰一家叫做阿斯麦（ASML）的公司集全球高端制造业之大成，一年时间造得出二十台高端设]]></description>

    <pubDate>2020-06-04</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[178页，四年图神经网络研究精华，图卷积网络作]]></title>

    <link>http://www.sykv.com/cat/depth/25516.html</link>

    <description><![CDATA[在深度学习领域，图神经网络早已成为热门话题。去年年底，有人统计了 2019 年到 2020 年各大顶会提交论文关键词的数据。结果显示，「graph neural network”」的增长速度位列榜首，成为上]]></description>

    <pubDate>2020-06-04</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[147页详述「结构在神经网络中的复兴」，图注意]]></title>

    <link>http://www.sykv.com/cat/depth/25515.html</link>

    <description><![CDATA[在一项针对 2019 年到 2020 年各大顶会论文关键词的统计中，「图神经网络」的增长速度位列榜首，成为上升最快的话题。在图神经网络出现之前，尽管深度学习已经在欧几里得数据中取]]></description>

    <pubDate>2020-06-04</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[伦敦帝国学院提出局部特征提取新模式D2D：先描]]></title>

    <link>http://www.sykv.com/cat/depth/25514.html</link>

    <description><![CDATA[提到局部特征提取，传统方法如SIFT等往往是先检测关键点，然后以关键点为中心计算特征描述，近年来出现了一些检测和描述联合计算的方法，如 SuperPoint、 D2-Net 、 R2D2等。作者认为特]]></description>

    <pubDate>2020-06-04</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[一文看懂台积电的研发实力]]></title>

    <link>http://www.sykv.com/cat/depth/25510.html</link>

    <description><![CDATA[2019年，台积公司持续投资研究与开发，全年研发总预算约占总营收之 8.5%，此一研发投资规模相当于或超越了许多其他高科技领导公司的规模。延续每二年半导体运算能力增加一倍之摩]]></description>

    <pubDate>2020-06-04</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[三年布局，狂揽芯片高管，OPPO造芯要成了？]]></title>

    <link>http://www.sykv.com/cat/depth/25509.html</link>

    <description><![CDATA[高通、联发科、华为海思、紫光展锐四家的芯片专家聚在一起会发生什么？2020年一季度全球第六大智能手机厂商OPPO可能很快就要对这个问题给出自己的答案了。就在这两天，《日经亚洲]]></description>

    <pubDate>2020-06-04</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[第三代半导体材料的“心里话”]]></title>

    <link>http://www.sykv.com/cat/depth/25505.html</link>

    <description><![CDATA[第三代半导体材料及应用产业（简称：三代半）成为近年国内产业界的热点，专家和市场分析师推波助澜，使它在投资界和金融市场人气爆棚，三代半似乎成了我们摆脱集成电路（芯片]]></description>

    <pubDate>2020-06-04</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[GPT-3诞生，Finetune也不再必要了！NLP领域又一核弹]]></title>

    <link>http://www.sykv.com/cat/depth/25504.html</link>

    <description><![CDATA[2018年10月推出的BERT一直有着划NLP时代的意义，然而还有一个让人不能忽略的全程陪跑模型——OpenAI GPT（Generative Pre-Training）在以它的方式坚持着，向更通用的终极目标进发。最初的GPT只]]></description>

    <pubDate>2020-06-04</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Science：有调查有真相！某些AI领域多年无实际进]]></title>

    <link>http://www.sykv.com/cat/depth/25503.html</link>

    <description><![CDATA[5月29日，Science刊登了一篇标题为“人工智能某些领域的核心进展一直停滞不前”的文章，在文章里，作者Matthew Hutson提到：一些多年之前的“老算法”如果经过微调，其性能足以匹敌当]]></description>

    <pubDate>2020-06-04</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[为什么神经网络如此强大？]]></title>

    <link>http://www.sykv.com/cat/depth/25502.html</link>

    <description><![CDATA[普适逼近定理 众所周知，神经网络非常强大，可以将其用于几乎任何统计学习问题，而且效果很好。 但是您是否考虑过为什么会这样? 为什么在大多数情况下此方法比许多其他算法更强]]></description>

    <pubDate>2020-05-30</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[美国DARPA联手芯片设计团队，拟推出“最安全”芯]]></title>

    <link>http://www.sykv.com/cat/depth/25456.html</link>

    <description><![CDATA[5月29日消息，本周，美国国防高级研究计划局（DARPA）宣布，已组建两支团队来推进其芯片安全设计计划。据悉，2019年4月，DARPA推出“自动化实现硅安全（AISS）”计划，旨在用自动化手]]></description>

    <pubDate>2020-05-30</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[彰显自然语言处理商业价值的5个成功案例]]></title>

    <link>http://www.sykv.com/cat/depth/25371.html</link>

    <description><![CDATA[数据是现在最有价值的企业商品之一。根据IDG的2020年CIO报告，37%的IT领导者表示，数据分析将推动他们组织今年最大的IT投资。]]></description>

    <pubDate>2020-05-27</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[日本半导体的兴亡]]></title>

    <link>http://www.sykv.com/cat/depth/25360.html</link>

    <description><![CDATA[2018年6月1日，日本东芝半导体出售案历时8个多月终于尘埃落定。东芝宣布将旗下半导体公司出售给贝恩资本牵头的日美韩财团组建的收购公司Pangea。日本媒体将这件事情视为日本半导体]]></description>

    <pubDate>2020-05-27</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[芯片将走向何方？]]></title>

    <link>http://www.sykv.com/cat/depth/25359.html</link>

    <description><![CDATA[目前，原子尺度硅材料的基本物理限制使得由摩尔定律驱动的硅技术演进路径似乎正快速接近终点。随着摩尔定律走向终结，人工智能、物联网、超级计算及其相关应用却提出了更高的]]></description>

    <pubDate>2020-05-27</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Keras vs PyTorch，哪一个更适合做深度学习？]]></title>

    <link>http://www.sykv.com/cat/depth/25350.html</link>

    <description><![CDATA[如何选择工具对深度学习初学者是个难题。本文作者以 Keras 和 Pytorch 库为例，提供了解决该问题的思路。当你决定学习深度学习时，有一个问题会一直存在——学习哪种工具？深度学习]]></description>

    <pubDate>2020-05-24</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[美国陆军研究如何组建人-人工智能系统团队]]></title>

    <link>http://www.sykv.com/cat/depth/25334.html</link>

    <description><![CDATA[人工智能技术最终将降低危险战场环境下的士兵数量，但是无法实现对士兵的完全替代。人工智能系统对战场士兵的支撑主要包括:提供更强的数据存储和分析能力，抵达人无法抵达的区]]></description>

    <pubDate>2020-05-24</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Keras vs PyTorch，哪一个更适合做深度学习？]]></title>

    <link>http://www.sykv.com/cat/depth/25332.html</link>

    <description><![CDATA[如何选择工具对深度学习初学者是个难题。本文作者以 Keras 和 Pytorch 库为例，提供了解决该问题的思路。当你决定学习深度学习时，有一个问题会一直存在——学习哪种工具？深度学习]]></description>

    <pubDate>2020-05-24</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Transformer 在美团搜索排序中的实践]]></title>

    <link>http://www.sykv.com/cat/depth/25331.html</link>

    <description><![CDATA[近些年，基于 Transformer的一些 NLP 模型大放光彩，比如 BERT 等等（可参考《美团BERT的探索和实践》），将 Transformer 结构应用于搜索推荐系统也成为业界的一个潮流。比如应用于对 CTR 预]]></description>

    <pubDate>2020-05-24</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[CVPR 2020| 商汤提出大规模多标签目标检测新算法]]></title>

    <link>http://www.sykv.com/cat/depth/25300.html</link>

    <description><![CDATA[在CVPR 2020上，商汤搜索与决策团队与中科院自动化所合作，针对超大规模多标签目标检测任务，提出了有效的解决方案。该工作以真实世界中的通用检测任务为背景，分析了主要面临的]]></description>

    <pubDate>2020-05-21</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[小样本分割综述]]></title>

    <link>http://www.sykv.com/cat/depth/25249.html</link>

    <description><![CDATA[深度卷积神经网络在图像分类、目标检测、语义分割等许多视觉理解任务上都取得了重大突破。一个关键的原因是大规模数据集的可用性，比如 ImageNet，这些数据集支持对深度模型的培]]></description>

    <pubDate>2020-05-21</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[数据科学vs.机器学习：有什么区别?]]></title>

    <link>http://www.sykv.com/cat/depth/25163.html</link>

    <description><![CDATA[机器学习是人工智能(AI)的一个分支，而数据科学是数据清理、准备和分析的学科。人们需要了解每种技术的工作原理，以及它们是如何一起工作的。]]></description>

    <pubDate>2020-05-18</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[油管博主路透 3080Ti 参数、黄教主烤箱中拿出]]></title>

    <link>http://www.sykv.com/cat/depth/25137.html</link>

    <description><![CDATA[黄教主又搞怪了，这一次是把自家的新品放进了烤箱。5 月 12 日，NVIDIA 在 Youtube 上发布了一段视频，黄仁勋从烤箱中取出了一个 DGX A100 ，并表示「它已经烤了一段时间了」。黄老板是表]]></description>

    <pubDate>2020-05-18</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[机器学习中需要了解的 5 种基础采样方法]]></title>

    <link>http://www.sykv.com/cat/depth/25122.html</link>

    <description><![CDATA[采样是数据科学中常见问题，工业机器人数据采样中也会用到。]]></description>

    <pubDate>2020-05-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[清华大学发布：人脸识别最全知识图谱]]></title>

    <link>http://www.sykv.com/cat/depth/25056.html</link>

    <description><![CDATA[自20世纪下半叶，计算机视觉技术逐渐地发展壮大。同时，伴随着数字图像相关的软硬件技术在人们生活中的广泛使用，数字图像已经成为当代社会信息来源的重要构成因素，各种图像处]]></description>

    <pubDate>2020-05-11</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[打开AI的黑盒子：模型可解释性的现状、应用前景]]></title>

    <link>http://www.sykv.com/cat/depth/25055.html</link>

    <description><![CDATA[无论在学术界还是工业界，模型可解释性目前都还是一个相当新的领域。我们会在这次分享中用综述的形式对模型可解释性做一个总体介绍，帮助大家了解什么是模型的可解释性，以及]]></description>

    <pubDate>2020-05-11</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[PyTorch 分布式训练简明教程]]></title>

    <link>http://www.sykv.com/cat/depth/25049.html</link>

    <description><![CDATA[神经网络训练加速的最简单方法是使用GPU，对弈神经网络中常规操作（矩阵乘法和加法）GPU运算速度要倍超于CPU。随着模型或数据集越来越大，一个GPU很快就会变得不足。例如，BERT和]]></description>

    <pubDate>2020-05-08</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[YOLO系列综述：从V1到V4]]></title>

    <link>http://www.sykv.com/cat/depth/25001.html</link>

    <description><![CDATA[YOLO的核心思想就是利用整张图作为网络的输入，直接在输出层回归bounding box的位置和bounding box所属的类别。faster RCNN中也直接用整张图作为输入，但是faster-RCNN整体还是采用了RCNN那种]]></description>

    <pubDate>2020-05-08</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[别人家的后浪，美国的年轻人实力有多强？]]></title>

    <link>http://www.sykv.com/cat/depth/25000.html</link>

    <description><![CDATA[后浪要跟后浪比。10岁的滴答，爱在油管上看视频，有一大批美国的年轻人，专门给孩子们做各种视频。我带大家看看别人家的后浪在忙什么。他最喜欢的是一个叫Physics Girl的女孩，黛安]]></description>

    <pubDate>2020-05-08</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[终于有人对语音技术来了次彻头彻尾的批判！]]></title>

    <link>http://www.sykv.com/cat/depth/24998.html</link>

    <description><![CDATA[ImageNet的出现带来计算机视觉领域的突破发展，掀起了一股预训练之风，这就是所谓的ImageNet时刻。但与计算机视觉同样重要的语音领域，却是迟迟不见“ImageNet时刻”的到来。而作为N]]></description>

    <pubDate>2020-05-08</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[ARM的免费IP战略，能否撼动RISC-V的根基？]]></title>

    <link>http://www.sykv.com/cat/depth/24996.html</link>

    <description><![CDATA[近日，ARM宣布了灵活访问计划（flexible access），该计划主要针对处于早期阶段的芯片初创企业。根据该计划，拥有不超过500万美元资金的初创公司可以免费试用各种ARM IP，从而使他们可]]></description>

    <pubDate>2020-05-08</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[智能马桶已经学会看“菊”识人了，真有人敢用]]></title>

    <link>http://www.sykv.com/cat/depth/24992.html</link>

    <description><![CDATA[如果有人说要在马桶里放个摄像头，在你大便的时候全程监视，甚至还会特意窥探你的菊花纹路，这个人多半会被当做变态，要么报警抓起来，要么被社会铁拳教育一顿。但如果这么做]]></description>

    <pubDate>2020-05-08</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[CVPR 2020: 8比特数值也能训练模型？商汤提出训练]]></title>

    <link>http://www.sykv.com/cat/depth/24991.html</link>

    <description><![CDATA[卷积神经网络被广泛应用在多种计算机视觉任务中并且取得了优异的精度。由于拥有庞大的参数量，训练和部署卷积神经网络需要耗费大量计算资源和漫长的训练时间，如何用更少资源]]></description>

    <pubDate>2020-05-08</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[PyTorch 分布式训练简明教程]]></title>

    <link>http://www.sykv.com/cat/depth/24990.html</link>

    <description><![CDATA[神经网络训练加速的最简单方法是使用GPU，对弈神经网络中常规操作（矩阵乘法和加法）GPU运算速度要倍超于CPU。随着模型或数据集越来越大，一个GPU很快就会变得不足。例如，BERT和]]></description>

    <pubDate>2020-05-08</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[图灵奖之后，Yoshua Bengio再获全球级荣誉：入选英]]></title>

    <link>http://www.sykv.com/cat/depth/24989.html</link>

    <description><![CDATA[越来越多的荣誉归属深度学习巨头。近日，官方消息称，著名的蒙特利尔大学计算机科学教授 Yoshua Bengio 当选为英国皇家学会（Royal Society）的成员，此次一共有 62 位杰出科学家入选。此]]></description>

    <pubDate>2020-05-08</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[BERT在小米NLP业务中的实战探索]]></title>

    <link>http://www.sykv.com/cat/depth/24988.html</link>

    <description><![CDATA[近年来，预训练模型在自然语言处理领域大放异彩，其中最重要的工作之一就是 Google 于 2018 年发布的 BERT 预训练模型 。自被发布以来，BERT 预训练模型就在多项自然语言理解任务上取得]]></description>

    <pubDate>2020-05-08</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[YOLOv4 的各种新实现、配置、测试、训练资源汇总]]></title>

    <link>http://www.sykv.com/cat/depth/24894.html</link>

    <description><![CDATA[YOLOv4 没有理论创新，而是在原有YOLO目标检测架构的基础上增加了近年CNN改进的众多技术，从数据处理到网络训练再到损失函数，遵行“拿来主义”，加上漂亮的工程实践，打造实现最佳]]></description>

    <pubDate>2020-04-29</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[AutoML-调参迈入蒸汽时代]]></title>

    <link>http://www.sykv.com/cat/depth/24778.html</link>

    <description><![CDATA[抽象，再抽象。 AutoML体验有感。抽象这个词我真的是越来越喜欢了。小时候把看不懂的文字或者画叫抽象，虽然那些东西我现在依然不懂，但是现在对于抽象这两个字多少有点认识。本]]></description>

    <pubDate>2020-04-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[周志华：Boosting学习理论的探索 —— 一个跨越]]></title>

    <link>http://www.sykv.com/cat/depth/24775.html</link>

    <description><![CDATA[AdaBoost的算法流程非常简单，用夏柏尔自己的话说，它仅需“十来行代码(just 10 lines of code)”。但这个算法非常有效，并且经修改推广能应用于诸多类型的任务。例如，在人脸识别领域被]]></description>

    <pubDate>2020-04-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[ResNet最强改进版来了！ResNeSt：Split-Attention Netwo]]></title>

    <link>http://www.sykv.com/cat/depth/24774.html</link>

    <description><![CDATA[ResNeSt 的全称是：Split-Attention Networks，也就是特别引入了Split-Attention模块。如果没有猜错，ResNeSt 的 S 应该就是 Split。GoogleNet 采用了Multi-path机制，其中每个网络块均由不同的卷积kernels组]]></description>

    <pubDate>2020-04-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[记“渣硕”的一篇SCI写作历程（SLAM方向）]]></title>

    <link>http://www.sykv.com/cat/depth/24766.html</link>

    <description><![CDATA[SLAM是强实战的交叉学科，在SLAM知识星球经常收到很多同学的提问，大家对于发表SLAM方向的论文一脸懵逼，在论文、项目和就业三座大山下鸭梨山大。幼时好清净，常闷家门里，却有学]]></description>

    <pubDate>2020-04-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[LDA主题模型 | 原理详解与代码实战]]></title>

    <link>http://www.sykv.com/cat/depth/24765.html</link>

    <description><![CDATA[在机器学习领域，关于LDA有两种含义，一是「线性判别分析（Linear Discriminant Analysis）」，是一种经典的降维学习方法；一是本文要讲的「隐含狄利克雷分布（Latent Dirichlet Allocation）」，]]></description>

    <pubDate>2020-04-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[剑桥量子自然语言处理实验记录]]></title>

    <link>http://www.sykv.com/cat/depth/24763.html</link>

    <description><![CDATA[剑桥量子计算执行世界上第一个量子自然语言处理实验：剑桥量子计算公司（CQC）宣布，他们已使用自然语言的“本机量子”结构，通过将语法语句翻译成量子电路，然后在量子计算机]]></description>

    <pubDate>2020-04-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[使用大batch优化深度学习：训练BERT仅需76分钟]]></title>

    <link>http://www.sykv.com/cat/depth/24762.html</link>

    <description><![CDATA[在海量数据集上训练大型深度神经网络，是非常具有挑战性的。最近，有许多研究均使用大batch随机优化方法来解决此问题。在该研究领域中，目前最杰出的算法是LARS，它通过采用分层]]></description>

    <pubDate>2020-04-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[PyTorch trick 集锦]]></title>

    <link>http://www.sykv.com/cat/depth/24761.html</link>

    <description><![CDATA[Keras有一个简洁的API来查看模型的每一层输出尺寸，这在调试网络时非常有用。现在在PyTorch中也可以实现这个功能。在PyTorch中使用交叉熵损失函数的时候会自动把label转化成onehot，所以]]></description>

    <pubDate>2020-04-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[NLP的12种后BERT预训练方法]]></title>

    <link>http://www.sykv.com/cat/depth/24760.html</link>

    <description><![CDATA[使用NLP的工具来识别短语和实体，包括3种层级的Masking：基本、phrase和entity。依次对基于基本级别、短语级别、实体级别分别进行mask训练。对于对话数据，还训练了Dialogue LM。使用Q和R标]]></description>

    <pubDate>2020-04-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[NLP，吹爆与落地]]></title>

    <link>http://www.sykv.com/cat/depth/24759.html</link>

    <description><![CDATA[机器翻译。可以用独立的方式提供服务，比如提供在线实时多语种的翻译功能。比如翻译专用的硬件产品。对话系统。智能客服，对话机器人（用软的方式呈现能力），智能音箱类（用]]></description>

    <pubDate>2020-04-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[Manning大神牵头，斯坦福开源Python版NLP库Stanza：涵]]></title>

    <link>http://www.sykv.com/cat/depth/24754.html</link>

    <description><![CDATA[对于斯坦福 NLP 库，我们一定不会陌生，但是这一库主要基于 Java。近日，Christopher Manning 所在的斯坦福 NLP 组开源了 Python 版的工具包——Stanza，让 Python 生态系统又增添了一员 NLP 大将。]]></description>

    <pubDate>2020-04-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[YouTube深度学习推荐模型最全总结]]></title>

    <link>http://www.sykv.com/cat/depth/24751.html</link>

    <description><![CDATA[作为全球最大的视频分享网站，YouTube 平台中几乎所有的视频都来自 UGC（User-Generated Content），这样的内容产生模式有两个特点：（1）商业模式不同。国外的 Netflix 和国内的爱奇艺等流媒]]></description>

    <pubDate>2020-04-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[ResNet最强改进版来了！ResNeSt：Split-Attention Netwo]]></title>

    <link>http://www.sykv.com/cat/depth/24679.html</link>

    <description><![CDATA[ResNeSt 的全称是：Split-Attention Networks，也就是特别引入了Split-Attention模块。如果没有猜错，ResNeSt 的 S 应该就是 Split。GoogleNet 采用了Multi-path机制，其中每个网络块均由不同的卷积kernels组]]></description>

    <pubDate>2020-04-18</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[超全！19 种损失函数，你能认识几个？]]></title>

    <link>http://www.sykv.com/cat/depth/24678.html</link>

    <description><![CDATA[当训练有 C 个类别的分类问题时很有效. 可选参数 weight 必须是一个1维 Tensor, 权重将被分配给各个类别. 对于不平衡的训练集非常有效。在多分类任务中，经常采用 softmax 激活函数+交叉熵]]></description>

    <pubDate>2020-04-18</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[AI和Wi-Fi 6：推动家庭Wi-Fi的革命]]></title>

    <link>http://www.sykv.com/cat/depth/24630.html</link>

    <description><![CDATA[固定网络走进了F5G(第五代)时代，家庭Wi-Fi技术也经历了一个可预见的升级周期，以支持新的无线电技术和远程管理能力。但随着升级周期的加快，服务提供商意识到，在宽带竞争日益激]]></description>

    <pubDate>2020-04-16</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[使用专用服务器进行机器学习的重要性与日俱增]]></title>

    <link>http://www.sykv.com/cat/depth/24629.html</link>

    <description><![CDATA[机器学习正以各种方式改变着网络托管行业。许多第三方托管服务提供商，如AWS公司已经开始以不同的能力利用机器学习技术。Amazon Sagemaker是机器学习工具之一，它改变了平台向客户提]]></description>

    <pubDate>2020-04-16</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[使用专用服务器进行机器学习的重要性与日俱增]]></title>

    <link>http://www.sykv.com/cat/depth/24628.html</link>

    <description><![CDATA[机器学习正以各种方式改变着网络托管行业。许多第三方托管服务提供商，如AWS公司已经开始以不同的能力利用机器学习技术。Amazon Sagemaker是机器学习工具之一，它改变了平台向客户提]]></description>

    <pubDate>2020-04-16</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[详解Kubeflow这一K8S的机器学习利器]]></title>

    <link>http://www.sykv.com/cat/depth/24627.html</link>

    <description><![CDATA[针对Kubeflow组件较多，容易搞不清每个组件是干什么的，本文先对Kubeflow进行一个系统的概括，让大家明白各个组件分别的用处，并对组件间的关系进行理顺，帮助大家合理快速的选择自]]></description>

    <pubDate>2020-04-16</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[从入门到放弃：深度学习中的模型蒸馏技术]]></title>

    <link>http://www.sykv.com/cat/depth/24622.html</link>

    <description><![CDATA[本文的部分内容来自博文链接[1]，也补充了一些自己阅读到的论文。模型蒸馏在自然语言处理、计算机视觉和语音识别等领域均有广泛研究，这篇阅读笔记只包括与计算机视觉相关的部]]></description>

    <pubDate>2020-04-16</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[你知道深度学习为什么叫做深度学习吗？]]></title>

    <link>http://www.sykv.com/cat/depth/24621.html</link>

    <description><![CDATA[这是一篇单纯的推送，今天我们单纯来聊一聊深度学习这个名字。 深度学习的复苏，可以从2012算起，那一年，深度学习网络AlexNet横空出世，在ImageNet竞赛中取得了冠军，到了2016年，]]></description>

    <pubDate>2020-04-16</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[谁说RL智能体只能在线训练？谷歌发布离线强化学习新范式]]></title>

    <link>http://www.sykv.com/cat/depth/24620.html</link>

    <description><![CDATA[为了避免 distribution mismatch，强化学习的训练一定要在线与环境进行交互吗？谷歌的这项最新研究从优化角度，为我们提供了离线强化学习研究新思路，即鲁棒的 RL 算法在足够大且多样]]></description>

    <pubDate>2020-04-16</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[自然语言处理助力全球抗击新冠肺炎疫情]]></title>

    <link>http://www.sykv.com/cat/depth/24617.html</link>

    <description><![CDATA[随着互联网的普及和海量信息的涌现，作为人工智能领域中的一个重要方向，自然语言处理(NLP)正在人们的日常生活中扮演着越来越重要的角色，并将在科技创新的过程中发挥越来越重]]></description>

    <pubDate>2020-04-16</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[从零开始构建简单人工神经网络：1个输入层和1个输出层]]></title>

    <link>http://www.sykv.com/cat/depth/24499.html</link>

    <description><![CDATA[为何从零开始? 有许多深度学习库(Keras、TensorFlow和PyTorch等)可仅用几行代码构建一个神经网络。然而，如果你真想了解神经网络的底层运作，建议学习如何使用Python或任何其他编程语言]]></description>

    <pubDate>2020-04-13</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[华为开源只用加法的神经网络：实习生领衔打造，效果不输传统CNN]]></title>

    <link>http://www.sykv.com/cat/depth/24498.html</link>

    <description><![CDATA[没有乘法的神经网络，你敢想象吗？无论是单个神经元的运算还是卷积运算，都不可避免地要使用乘法。 然而乘法对硬件资源的消耗远大于加法。如果不用乘法，全部改用加法应该可以]]></description>

    <pubDate>2020-04-13</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[LSTM 为何如此有效？这五个秘密是你要知道的]]></title>

    <link>http://www.sykv.com/cat/depth/24496.html</link>

    <description><![CDATA[长短期记忆网络（LSTM），作为一种改进之后的循环神经网络，不仅能够解决 RNN无法处理长距离的依赖的问题，还能够解决神经网络中常见的梯度爆炸或梯度消失等问题，在处理序列数据]]></description>

    <pubDate>2020-04-13</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[破解机器学习的误区——常见机器学习神话究竟从何而来？]]></title>

    <link>http://www.sykv.com/cat/depth/24477.html</link>

    <description><![CDATA[如果一个人对机器学习有很多误解，可能会对他的职业和声誉产生负面影响。 Forrester Research最近发布了一份名为 粉碎机器学习的七个神话的报告。在其中，作者警告说：不幸的是，一]]></description>

    <pubDate>2020-04-12</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[使用大batch优化深度学习：训练BERT仅需76分钟]]></title>

    <link>http://www.sykv.com/cat/depth/24432.html</link>

    <description><![CDATA[在海量数据集上训练大型深度神经网络，是非常具有挑战性的。最近，有许多研究均使用大batch随机优化方法来解决此问题。在该研究领域中，目前最杰出的算法是LARS，它通过采用分层]]></description>

    <pubDate>2020-04-12</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[PyTorch trick 集锦]]></title>

    <link>http://www.sykv.com/cat/depth/24431.html</link>

    <description><![CDATA[Keras有一个简洁的API来查看模型的每一层输出尺寸，这在调试网络时非常有用。现在在PyTorch中也可以实现这个功能。在PyTorch中使用交叉熵损失函数的时候会自动把label转化成onehot，所以]]></description>

    <pubDate>2020-04-08</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[2020之最：最实用的机器学习工具有哪些？]]></title>

    <link>http://www.sykv.com/cat/depth/24357.html</link>

    <description><![CDATA[就如同制作米其林菜肴，拥有井井有条的厨房固然重要，但可选择的东西太多也着实让人烦恼，建立良好的机器学习(ML)应用程序也是如此。 所以，小编将重点介绍一些可用于交付专业]]></description>

    <pubDate>2020-04-01</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[探究谷歌用于构建量子机器学习模型的新框架：TensorFlow Quantum]]></title>

    <link>http://www.sykv.com/cat/depth/24356.html</link>

    <description><![CDATA[【51CTO.com快译】量子计算和人工智能(AI)的交汇有望成为整个技术发展史上最引人入胜的潮流之一。量子计算的出现可能迫使我们重新构思几乎所有现有的计算范式，AI也不例外。然而，]]></description>

    <pubDate>2020-04-01</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[2020年AI和机器学习的重要趋势是什么]]></title>

    <link>http://www.sykv.com/cat/depth/24355.html</link>

    <description><![CDATA[在竞争日益激烈的技术市场中，从高科技初创公司到全球跨国公司都将人工智能视为关键竞争优势。 但是，人工智能行业发展如此之快，以至于很难跟踪最新的研究突破和成就，甚至很]]></description>

    <pubDate>2020-04-01</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[2020年深度学习优秀GPU一览，看看哪一款最适合你]]></title>

    <link>http://www.sykv.com/cat/depth/24354.html</link>

    <description><![CDATA[2020年深度学习优秀GPU一览，看看哪一款最适合你！ 如果你准备进入深度学习，什么样的GPU才是最合适的呢?下面列出了一些适合进行深度学习模型训练的GPU，并将它们进行了横向比较，]]></description>

    <pubDate>2020-04-01</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[一文看懂NLP落地难在哪儿]]></title>

    <link>http://www.sykv.com/cat/depth/24352.html</link>

    <description><![CDATA[近年来，自然语言处理技术逐渐成为应用范围最为广泛的人工智能技术之一。尤其是在深度学习浪潮的推动下，AI的这一分支取得了长足进步。日常生活中，我们经常接触的搜索引擎、]]></description>

    <pubDate>2020-04-01</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[挑战 11 种 GAN的图像真伪，DeepFake鉴别一点都不难]]></title>

    <link>http://www.sykv.com/cat/depth/24332.html</link>

    <description><![CDATA[近年来，图像合成技术日趋进步，GAN在给我们带来艺术体验的同时也埋下了很多隐患。Deepfake（AI换脸）技术让很多事情的真实性变得扑朔迷离，甚至会产生极大的政治影响。比如加蓬共]]></description>

    <pubDate>2020-03-31</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[YouTube深度学习推荐模型最全总结]]></title>

    <link>http://www.sykv.com/cat/depth/24256.html</link>

    <description><![CDATA[作为全球最大的视频分享网站，YouTube 平台中几乎所有的视频都来自 UGC（User-Generated Content），这样的内容产生模式有两个特点：（1）商业模式不同。国外的 Netflix 和国内的爱奇艺等流媒]]></description>

    <pubDate>2020-03-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[二值神经网络（Binary Neural Networks）最新综述]]></title>

    <link>http://www.sykv.com/cat/depth/24255.html</link>

    <description><![CDATA[神经网络二值化能够最大程度地降低模型的存储占用和模型的计算量，将神经网络中原本 32 位浮点数参数量化至 1 位定点数，降低了模型部署的存储资源消耗，同时极大加速了神经网络]]></description>

    <pubDate>2020-03-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[常用 Normalization 方法的总结与思考：BN、LN、IN、]]></title>

    <link>http://www.sykv.com/cat/depth/24254.html</link>

    <description><![CDATA[我们将输入的 feature map shape 记为，其中N表示batch size，即N个样本；C表示通道数；H、W分别表示特征图的高度、宽度。这几个方法主要的区别就是在：1. BN是在batch上，对N、H、W做归一化，]]></description>

    <pubDate>2020-03-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[浅谈模型压缩之量化、剪枝、权重共享]]></title>

    <link>http://www.sykv.com/cat/depth/24253.html</link>

    <description><![CDATA[深度学习模型的应用必然要面对模型压缩的问题，训练出来的原始模型直接放到服务器或终端上跑是不明智的，因为有大量的算力可以省略！首先明确下模型压缩的概念，就是在尽可能]]></description>

    <pubDate>2020-03-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[胶囊网络显神威：Google AI和Hinton团队检测到针对]]></title>

    <link>http://www.sykv.com/cat/depth/24252.html</link>

    <description><![CDATA[对抗攻击（Adversarial Attack，指的是通过恶意输入欺骗模型的技术）正越来越多地被有quot;防御意识quot;的新攻击打破。实际上，大多数声称检测对抗性攻击的方法在发布后不久就被证伪了]]></description>

    <pubDate>2020-03-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[二阶梯度优化新崛起，超越 Adam，Transformer 只需一]]></title>

    <link>http://www.sykv.com/cat/depth/24251.html</link>

    <description><![CDATA[常见的最优化器，如 Adam、AdaGrad、SGD+Momentum 等，都是一阶的。但是二阶梯度的收敛速度相比它们就快了太多。近日，谷歌研究者联合普林斯顿大学等，提出了真正应用的二阶梯度最优化]]></description>

    <pubDate>2020-03-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[图神经网络三剑客：GCN、GAT与GraphSAGE]]></title>

    <link>http://www.sykv.com/cat/depth/24250.html</link>

    <description><![CDATA[2019 年号称图神经网络元年，在各个领域关于图神经网络的研究爆发式增长。本文主要介绍一下三种常见图神经网络：GCN、GAT 以及 GraphSAGE。前两者是目前应用比较广泛的图神经网络，后]]></description>

    <pubDate>2020-03-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[深度学习预训练模型可解释性概览]]></title>

    <link>http://www.sykv.com/cat/depth/24249.html</link>

    <description><![CDATA[近年来预训练模型（ELMo, GPT, BERT, XLNet, ALBERT 等）给许多 NLP 任务带来了显著的改进，但是有一个问题一直困扰着大家：被当做黑盒的神经网络到底是如何做的以及为什么会这样做？最近]]></description>

    <pubDate>2020-03-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[超越BN和GN！谷歌提出新的归一化层：FRN]]></title>

    <link>http://www.sykv.com/cat/depth/24248.html</link>

    <description><![CDATA[目前主流的深度学习模型都会采用BN层（Batch Normalization）来加速模型训练以及提升模型效果，对于CNN模型，BN层已经上成为了标配。但是BN层在训练过程中需要在batch上计算中间统计量，]]></description>

    <pubDate>2020-03-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[新冠肺炎“识别”战，AI算法落地有多难？]]></title>

    <link>http://www.sykv.com/cat/depth/24247.html</link>

    <description><![CDATA[人工智能从来没有像现在这么重要过！这段时间的疫情猛烈，AI每一次在医疗领域的落地都在帮助白衣天使拯救生命。从疫情预测到检测体温再到药物开发，人工智能争分夺秒，蓄势待发]]></description>

    <pubDate>2020-03-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[LSTM之父发文：2010-2020，我眼中的深度学习十年简]]></title>

    <link>http://www.sykv.com/cat/depth/24246.html</link>

    <description><![CDATA[在最近十年，大部分AI都是关于长期短期记忆（LSTM）的神经网络。世界本质上是序列性的，而LSTM彻底改变了序列数据处理，例如语音识别、机器翻译、视频识别，联机手写识别、机器人]]></description>

    <pubDate>2020-03-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[搞定千亿参数，训练时间只用1/3，微软全新工具]]></title>

    <link>http://www.sykv.com/cat/depth/24245.html</link>

    <description><![CDATA[GPU 显存一直是训练先进深度学习模型的最大瓶颈——大规模训练经常会碰到模型参数太多，显存无法容纳的情况。最近，微软提出的全新方法 DeepSpeed 将每个节点的批处理大小增大了]]></description>

    <pubDate>2020-03-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[微软新作，ImageBERT虽好，千万级数据集才是亮点]]></title>

    <link>http://www.sykv.com/cat/depth/24244.html</link>

    <description><![CDATA[继 2018 年谷歌的 BERT 模型获得巨大成功之后，在纯文本之外的任务上也有越来越多的研究人员借鉴了 BERT 的思维，开发出各种语音、视觉、视频融合的 BERT 模型。近期，来自微软的Bing]]></description>

    <pubDate>2020-03-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[机器学习工程师和数据科学家之间的区别]]></title>

    <link>http://www.sykv.com/cat/depth/24208.html</link>

    <description><![CDATA[如今，数据科学家的工作已经变得越来越通用，以至于机器学习可能完全包含在其中。]]></description>

    <pubDate>2020-03-26</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[2020年机器学习领域的五个潮流]]></title>

    <link>http://www.sykv.com/cat/depth/24049.html</link>

    <description><![CDATA[机器学习的影响很引人入胜，它引起了许多公司的关注，不管是哪种行业。最重要的是，机器学习真正改变了各行各业的基础，让它们变得更好了。]]></description>

    <pubDate>2020-03-18</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[发布 TensorFlow Quantum：用于量子机器学习的开源库]]></title>

    <link>http://www.sykv.com/cat/depth/23904.html</link>

    <description><![CDATA[机器学习（Machine Learning）虽然不能准确地模拟自然界中的系统，但可以学习系统模型并预测系统的行为。在过去的几年中，经典的机器学习模型在解决具有挑战性的科学问题方面展现出]]></description>

    <pubDate>2020-03-10</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[在云端的优秀机器学习服务]]></title>

    <link>http://www.sykv.com/cat/depth/23822.html</link>

    <description><![CDATA[云中的一些优秀机器学习服务可以使用户能够更好地分析数据，并获得新的见解。用户通过云计算访问这些服务在成本和工作时间方面往往是高效的。]]></description>

    <pubDate>2020-03-04</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[谷歌刚刚发布了2500万个免费数据集，了解一下]]></title>

    <link>http://www.sykv.com/cat/depth/23730.html</link>

    <description><![CDATA[最近，谷歌发布了免费工具datasetsearch，它可以搜索2500万个公开可用的数据集。搜索工具包括过滤器，可基于许可证(免费或付费)、格式(csv，图像等)和更新时间限制结果。]]></description>

    <pubDate>2020-03-03</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[基于RGB视频数据的深度行为分类模型发展综述之]]></title>

    <link>http://www.sykv.com/cat/depth/23554.html</link>

    <description><![CDATA[理解视频中的人体行为在视频监控、自动驾驶以及安全保障等领域有着广泛的应用前景]]></description>

    <pubDate>2020-02-10</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[深度学习火了那么多年，到底怎么搞？使用Numpy快速入门]]></title>

    <link>http://www.sykv.com/cat/depth/23536.html</link>

    <description><![CDATA[人工智能越来越火，甚至成了日常生活无处不在的要素。人工智能是什么？深度学习、机器学习又与人工智能有什么关系？作为开发者如何进入人工智能领域？ 近期我们将连载一个深度]]></description>

    <pubDate>2020-02-06</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[从工具选择到团队沟通，看ML工程师一步步打造生产级机器学习]]></title>

    <link>http://www.sykv.com/cat/depth/23534.html</link>

    <description><![CDATA[为了让机器学习为用户带来真正的价值，我们需要将其部署到生产系统中。人工智能销售软件开发公司 Toucan AI 的 ML 工程师 Marifel 介绍了他们在打造生成级机器学习时所考虑的一些问题]]></description>

    <pubDate>2020-02-06</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[火爆的图机器学习，2020年将有哪些研究趋势？]]></title>

    <link>http://www.sykv.com/cat/depth/23533.html</link>

    <description><![CDATA[本文转自雷锋网，如需转载请至雷锋网官网申请授权。 2019年绝对是图机器学习（GML）大火的一年，凡是学术会议，图神经网络的会场总会爆满。 图机器学习的研究之所以在2019年突然变]]></description>

    <pubDate>2020-02-06</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[请别再把深度学习与机器学习混为一谈了！]]></title>

    <link>http://www.sykv.com/cat/depth/23532.html</link>

    <description><![CDATA[【51CTO.com快译】众所周知，虽然同属于人工智能的范畴，但是深度学习是一种特殊的机器学习形式。从流程上说，机器学习和深度学习都是从运用测试数据来训练某个模型开始，通过一]]></description>

    <pubDate>2020-02-06</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[构建生产机器学习系统的一些考虑]]></title>

    <link>http://www.sykv.com/cat/depth/23531.html</link>

    <description><![CDATA[随着数据和计算能力的崛起，机器学习(ML)和深度学习(deep learning)这两个术语已经热议了好几年。虽然追随ML的潮流似乎很酷，但公司的第一步是评估业务是否真的能从中受益 这是一个独]]></description>

    <pubDate>2020-02-06</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[如何使用5种机器学习算法对罕见事件进行分类]]></title>

    <link>http://www.sykv.com/cat/depth/23530.html</link>

    <description><![CDATA[机器学习是数据科学界的王冠，而监督学习是机器学习界这顶王冠上的宝石。 背景 几年前《哈佛商业评论》发表过一篇题为《数据科学家：21世纪最性感的工作》的文章。文章发表后，]]></description>

    <pubDate>2020-02-06</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[机器学习是否可以准确预测股市？]]></title>

    <link>http://www.sykv.com/cat/depth/23529.html</link>

    <description><![CDATA[自从股市诞生，人们就一直在与这套系统博弈，并试图战胜市场。 多年来，人们尝试了数千项理论和实验，但没有一项能够长久地在股票市场奏效。 这些理论考虑了许多因素，如公司]]></description>

    <pubDate>2020-02-06</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[为什么你觉得Matplotlib用起来困难？因为你还没看过这个思维导图]]></title>

    <link>http://www.sykv.com/cat/depth/23526.html</link>

    <description><![CDATA[前言 Matplotlib是一个流行的Python库，可以很容易地用于创建数据可视化。然而，设置数据、参数、图形和绘图在每次执行新项目时都可能变得非常混乱和繁琐。而且由于应用不同，我们]]></description>

    <pubDate>2020-02-06</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[如何找到好的主题模型量化评价指标？这是一份热门方法总结]]></title>

    <link>http://www.sykv.com/cat/depth/23525.html</link>

    <description><![CDATA[基于统计学的主题模型诸如 LDA(Latent Dirichlet Allocation)，Biterm 的应用使得针对大量文本进行信息的总结提取成为可能。但是提取的主题到底质量如何，如何进行量化分析和评价，仍然没有]]></description>

    <pubDate>2020-02-06</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[人工智能的下一个拐点：图神经网络迎来快速爆发期]]></title>

    <link>http://www.sykv.com/cat/depth/23524.html</link>

    <description><![CDATA[01 GNN：从尝鲜进入快速爆发期 今年以来，图神经网络技术(Graph Neural Network， GNN)得到了学术界极大的关注与响应。各大学术会议纷纷推出 GNN 相关的 workshop，在投中的论文中，以 Graph]]></description>

    <pubDate>2020-02-06</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[避免神经网络过拟合的5种技术]]></title>

    <link>http://www.sykv.com/cat/depth/23523.html</link>

    <description><![CDATA[本文介绍了5种在训练神经网络中避免过拟合的技术。 最近一年我一直致力于深度学习领域。这段时间里，我使用过很多神经网络，比如卷积神经网络、循环神经网络、自编码器等等。]]></description>

    <pubDate>2020-02-06</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[诠释图形处理器（GPU）和神经网络加速器芯片如何为汽车应用提供智能优势]]></title>

    <link>http://www.sykv.com/plus/view-23522-1.html</link>

    <description><![CDATA[]]></description>

    <pubDate>暂无</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[如何在Keras中创建自定义损失函数？]]></title>

    <link>http://www.sykv.com/cat/depth/23521.html</link>

    <description><![CDATA[Dhruv Deshmukh 发布在 Unsplash 上的照片 我们使用损失函数来计算一个给定的算法与它所训练的数据的匹配程度。损失计算是基于预测值和实际值之间的差异来做的。如果预测值与实际值相]]></description>

    <pubDate>2020-02-06</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[一文搞懂神经网络]]></title>

    <link>http://www.sykv.com/cat/depth/23520.html</link>

    <description><![CDATA[人工智能是这几年非常火的技术，上至九十九下至刚会走都对人工智能或多或少的了解。神经网络是人工智能的核心，也就是说没有神经网络就没有人工智能，那么这篇文章就带大家学]]></description>

    <pubDate>2020-02-06</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[深度神经网络可解释性方法汇总，附Tensorflow代码实现]]></title>

    <link>http://www.sykv.com/cat/depth/23519.html</link>

    <description><![CDATA[理解神经网络：人们一直觉得深度学习可解释性较弱。然而，理解神经网络的研究一直也没有停止过，本文就来介绍几种神经网络的可解释性方法，并配有能够在Jupyter下运行的代码连接]]></description>

    <pubDate>2020-02-06</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[一文理清深度学习前馈神经网络]]></title>

    <link>http://www.sykv.com/cat/depth/23518.html</link>

    <description><![CDATA[Index 多层感知机（MLP）介绍 深度神经网络的激活函数 深度神经网络的损失函数 多层感知机的反向传播算法 神经网络的训练技巧 深度卷积神经网络 前馈神经网络（feedforward neural netwo]]></description>

    <pubDate>2020-02-06</pubDate>

    <category>机器学习</category>

    <author>admin</author>

    <comments>可思数据</comments>

</item>
<item>

    <title><![CDATA[性能提升25倍：Rust有望取代C和C++，成为机器学习]]></title>

    <link>http://www.sykv.com/cat/depth/23496.html</link>

    <description><![CDATA[我们可以花很多时间讨论机器学习开发中使用的各种工作流，但如果说我们通常是以一种 探索性 的方式来训练模型，这通常是没有争议的。你有一组数据，然后把它们切成许多片段从而]]></description>

    <pubDate>2020-02-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[使用 Keras Tuner 调节超参数]]></title>

    <link>http://www.sykv.com/cat/depth/23366.html</link>

    <description><![CDATA[Keras Tuner 是一个易于使用的分布式超参数优化框架，能够解决执行超参数搜索时的一些痛点。Keras Tuner 可让您轻松定义搜索空间，并利用内置算法找到最佳超参数的值，内置有贝叶斯优]]></description>

    <pubDate>2020-02-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[超详细的语义分割中Loss盘点]]></title>

    <link>http://www.sykv.com/cat/depth/23365.html</link>

    <description><![CDATA[何凯明团队在RetinaNet论文中引入了Focal Loss来解决难易样本数量不平衡，我们来回顾一下。 我们知道，One-Stage的目标检测器通常会产生10k数量级的框，但只有极少数是正样本，正负样本数]]></description>

    <pubDate>2020-02-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[对ResNet本质的一些思考]]></title>

    <link>http://www.sykv.com/cat/depth/23364.html</link>

    <description><![CDATA[最近在总结完成语义分割任务的轻量级神经网络时，看到了MobileNet V2中对于ReLU层的思考，于是我也回过头重新审视ResNet之所以work的本质原因。以下是一些个人的见解，如有错误，还望及]]></description>

    <pubDate>2020-02-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[2020年AI学术界一场突如其来的辩论：到底什么是]]></title>

    <link>http://www.sykv.com/cat/depth/23363.html</link>

    <description><![CDATA[在过去十年汹涌而来的深度学习浪潮中，大家对深度学习在应用中体现出的各种特点已经非常熟悉了，但毕竟深度学习的理论仍未建立完善。更重要的是，大家已经意识到了深度学习的]]></description>

    <pubDate>2020-02-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[基于 GNN 的图表示学习]]></title>

    <link>http://www.sykv.com/cat/depth/23362.html</link>

    <description><![CDATA[图数据有着复杂的结构，多样化的属性类型，以及多层面的学习任务，要充分利用图数据的优势，就需要一种高效的图数据表示方法。与表示学习在数据学习中的重要位置一样，图表示]]></description>

    <pubDate>2020-02-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[PyTorch 1.4 最新版放出：支持Python2的最后一版，支]]></title>

    <link>http://www.sykv.com/cat/depth/23361.html</link>

    <description><![CDATA[继 TensorFlow 更新后，PyTorch 也迎来了最新的 1.4 版。本次更新是最后一个支持 Python2 的版本，同时增加了对分布式模型并行、移动端、Java 程序等方面的支持。紧接着 TensorFlow 更新到 2.1]]></description>

    <pubDate>2020-02-06</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[如何增强推荐系统模型更新的实时性？]]></title>

    <link>http://www.sykv.com/cat/depth/23299.html</link>

    <description><![CDATA[以下文章来源于王喆的机器学习笔记 ，作者王喆的机器学习笔记 推荐系统“模型”的实时性 与“特征”的实时性相比，推荐系统模型的实时性往往是从更全局的角度考虑问题。特征的]]></description>

    <pubDate>2020-01-30</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[知识图谱基本概念 &amp;amp; 工程落地常见问题]]></title>

    <link>http://www.sykv.com/cat/depth/23297.html</link>

    <description><![CDATA[“本文介绍了入门知识图谱需掌握的若干基本概念并对知识图谱工程落地面临的常见问题给出了解答 **”** 作者：cavities 来源：https://zhuanlan.zhihu.com/p/62824358 编辑：happyGirl 简要说明一下]]></description>

    <pubDate>2020-01-30</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>
<item>

    <title><![CDATA[OCR在NLP场景中的应用]]></title>

    <link>http://www.sykv.com/cat/depth/23260.html</link>

    <description><![CDATA[在NLP的产品体系中，OCR是关于文档、文件处理的基础步骤，是无法回避和绕开的。 关于OCR的基础知识，也就成了NLP产品经理必不可少的知识储备了——只有产品详细地了解了关于OCR的处]]></description>

    <pubDate>2020-01-20</pubDate>

    <category>机器学习</category>

    <author>秩名</author>

    <comments>可思数据-人工智能媒体资讯平台！</comments>

</item>


</channel>

</rss>

