标签:谷歌

  • 谷歌大脑高级研究科学家:机器学习六年读博经历中的经验与教训

    机器学习读博是什么体验?期间遇到的挫折与挑战又要如何应对?在ML领域小有名气的青年科学家MaithraRaghu总结了自己在六年读博经历中所汲取的经验与教训,希望能够对正在/将要攻读机器学习博士学位的学生有所帮助。MaithraRaghu于2020年从康奈尔大学毕业,获得CS博士学位。在Maithra读博的六年里,机器学习领域的研究参与人员越来越多(2014年NeurIPS的投稿者大约是两千人,2020年已达到两万人),而Maithra本人也在机器学习领域取得了重大进步。Maithra曾在2019年当选“福布斯30位30岁以下科学精英排行榜”,2018年被评为“MITEECSRisingStars”,主要研究领域为深度学习与医疗的结合。目前,MaithraRaghu在谷歌大脑担任高级研究科学家。个人主页:https://maithraraghu.com/

    1

    5天前 888 0
  • 2021年AI领域的你最应该学的是什么

    进入到2021年,AI领域的你最应该学的是什么?我觉得是强化学习。为什么这么说?首先要知道什么是强化学习。强化学习是机器学习的一种,是一种行为学习模型。由算法提供数据分析反馈,引导用户逐步获取最佳结果。主要解决在MarkovDecisionProcess(MDP)中优化长期reward的期望的问题。强化学习也是现在非常热门的方向,在近几年的所有顶级计算机会议中,强化学习都有明显的增长趋势。比如在ICML2020热门话题引用量最高的论文就是强化学习!

    5天前 335 0
  • 不同的AR解决方案分享

    增强现实的工作原理是什么呢?通过将数字信息叠加在周围环境,AR能够将现实世界与数字世界融为一体。从图像到视频,再到3D模型,这可以是任何种类的数据。与虚拟现实的完全沉浸相比,AR用户仍然可以感受由计算力视觉增强的现实世界。

    2021年1月18日 553 0
  • 基于SLAM的空间及3D结构语

    1基于SLAM的空间及3D结构语在AR的核心技术图谱上,3D空间感知和3D对象的空间结构的感知一直占据了非常重要的地位和位置,传统基于激光的方法和基于光学的SLAM方法比较偏重于单纯空间结构的感知和分割,对于内容的语义和上下文场景的感知,还处于比较初级的阶段。

    深度学习 2021年1月16日 398 0
  • 2021年Facebook在vr/ar方面的规划分析

    对许多人来说,2020年可以说是完全虚拟化的一年,人们似乎已经开始接受诸如虚拟现实头显和远程聊天屏幕(包括FacebookPortal)等原本非常科幻的概念。在很大程度上,Facebook的产品阵容最终成为我们当前时代的先驱预言。

    AR/VR 2021年1月15日 337 0
  • AI简报:视觉系统的革新 嵌入式AI摄像头!

    2020年8月18我们第一次在公众号上连载了【AI简报】,到现在将近半年时间了,也逐渐摸索出了一些大家感兴趣的内容方向!新的一年,我们希望做一些新的尝试:出一个入门版的深度学习实战。如果你对这方面的内容感兴趣,请给我们积极的反馈这将影响我们最终的决定。

    2021年1月14日 1.00K 0
  • 细数二十一世纪以来深度学习框架的发展历程

    当前,各式各样深度学习框架的发展充分赋能机器学习,尤其是深度学习领域,为开发者提供了极致便利。在本文中,Waymo软件工程师LinYuan细数了二十一世纪以来深度学习框架的发展历程,并划分为了石器、青铜、铁器、罗马和工业化时代。

    2021年1月9日 819 0
  • 深度学习革命的10个领域

    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进步,比如预测性维修技术。然而,受益于深度学习应用的并非只有这个行业。

    深度学习 2021年1月8日 395 0
  • 深度学习:四种利用少量标注数据进行命名实体识别的方法

    导读 近年来,深度学习方法在特征抽取深度和模型精度上表现优异,已经超过了传统方法,但无论是传统机器学习还是深度学习方法都依赖大量标注数据来训练模型,而现有的研究对少量标注数据学习问题探讨较少。本文将整理介绍四种利用少量标注数据进行命名实体识别的方法。

    2021年1月3日 599 0
  • 英特尔全球计算需求趋向多元化

    长期以来,英特尔、英伟达、AMD等几大芯片设计“巨头”瓜分了全球芯片设计市场的大多数份额。最近,情况似乎正在发生变化——亚马逊、微软等原有的芯片终端用户,正向芯片设计领域伸出“触角”,企图从自己曾经的供应商手中“分一杯羹”。

    2021年1月2日 685 0
  • 物联网操作系统将拥抱万亿规模市场

    无论承载多少民族期望,与时下一些新兴科技领域相比,芯片、操作系统始终无法成为产出周期快的领域。或许是从0到1,或许是从1到N,眼前的挑战从来没有想象中的简单。

    2021年1月2日 991 0
  • VR或在5G时代迎来爆发?

    VR会在5G时代爆发吗?5G时代下的VR行业,是每一个科技巨头都不会放弃的蛋糕。苹果、Facebook、三星、HTC、小米等厂商都已投入多年,华为自然不会错过。

    2020年12月29日 791 0
  • 嵌入式AI快讯:移植ncnn到RISC-V TF Object Detection支持TF2

    1. NanoDet:轻量级(1.8MB)、超快速(移动端97fps)目标检测项目 近日,GitHub 上出现了一个项目 nanodet,它开源了一个移动端实时的 Anchor-free 检测模型,希望能够提供不亚于 YOLO 系列的性能,而且同样方便训练和移植。该项目上线仅两天,Star 量已经超过 200。 NanoDet 是一个速度超快和轻量级的移动端 Anchor-free 目标检测模型。该模型具备以下优势:

    2020年12月24日 385 0
  • 嵌入式快讯:M1808 AI 核心板和基于Transformer的车道线检测网络

    导读:本期为 AI 嵌入式简报: 今日推送干货多多,为关注嵌入式AI的你量身定制~

    2020年12月22日 432 0
  • 爱奇艺深度学习平台对TF Serving毛刺问题的优化

    在点击率 CTR(Click Through Rate)预估算法的推荐场景中使用 TensorFlow Serving 热更新较大模型时会出现短暂的延时毛刺,导致业务侧超时,降低算法效果,为了解决这个问题,爱奇艺深度学习平台团队经过多个阶段的优化实践,最后对 TF Serving 和 TensorFlow 的源码进行深入优化,将模型热更新时的毛刺现象解决,本文将分享 TensorFlow Serving 的优化细节,希望对大家有帮助。

    2020年12月18日 334 0

联系我们

在线咨询:点击这里给我发消息

邮件:78799268@qq.com

工作时间:周一至周五,9:30-18:30,节假日休息

QR code