TensorRT 是一款高性能深度学习推理平台，可为基于 NVIDIA GPU 的推荐、语音和图像/视频等应用提供低延迟和高吞吐量。它包含用于导入模型的解析器、以及能够在对推理进行优化之前支持新操作和层的插件。
今日，NVIDIA 将 TensorRT 中的解析器和插件开源，使广大的深度学习社区能够对这些组件进行自定义和扩展，让应用程序充分利用强大的 TensorRT 优化。
NVIDIA 一直以来都坚定不移地为开源社区提供大力支持，GitHub 页面 提供了超过 120 个存储库，我们的深度学习框架团队为深度学习项目贡献了超过 1500 项，以及诸多大型项目，如 RAPIDS 、[……]
大片中的人物特效如何实现，少不了应用人体姿态估计。这篇博客简介了使用深度学习技术的多人姿态估计方法，及其应用。人体姿态骨架图 (skeleton) 用图形格式表示人的动作。本质上，它是一组坐标，连接起来可以描述人的姿势。骨架中的每个坐标都被称为这个图的部件（或关节、关键点）。我们称两个部件之间的有效连接为对（pair，或肢）。但是要注意的是，并非所有部件组合 都能产生有效的对。下图是一个人体姿态骨架图的示例。
人体姿态信息的获取为多个现实应用开辟了道路，本博客的最后也会讨论其中一些应用。近年来，研究人员提出了多种人体姿态估计方法，其中最早（也是最慢）的方法通常是在只有一个人的图像[……]
AI 前线导读：2012 年，Google 提出知识图谱的概念并将其用于搜索引擎中， 伴随 AI 技术的快速发展，智能服务的出现让知识图谱显得尤为重要，那么，作为知识工程的重要分支，它会给智能服务带来哪些影响？知识图谱真正要做到成熟可用，还将面临哪些挑战？
5 月 30 日，北京智源人工智能研究院在清华大学开展了以「知识与认知图谱」为主题的讲座，本次讲座上，来自清华大学计算机系的四位学者分别从知识工程、深度学习、自然语言处理和异质资源搜索与推荐四个角度，介绍清华大学近些年相关领域的研究成果。
本文将会以李涓子教授和刘知远副教授两位讲师的内容出发，重点介绍知识图谱的发展现状以及它在应[……]
2019 年 3 月 6 日，谷歌在 TensorFlow 开发者年度峰会上发布了最新版的 TensorFlow 框架 TensorFlow 2.0 。新版本对 TensorFlow 的使用方式进行了重大改进，使其更加灵活和更具人性化。具体的改变和新增内容可以从 TensorFlow 的官网找到，本文将介绍如何使用 TensorFlow 2.0 构建和部署端到端的图像分类器，以及新版本中的新增内容，包括：
在机器学习研究中，MNIST 手写数字图像数据集已经作为基准使用了二十余年。该数据集虽然经典，但也存在测试集过小等问题。近日，来自 Facebook 和纽约大学的研究者重建并扩展了该数据集，在测试集中新增了 50,000 个样本。MNIST 作者之一的 Yann LeCun 在推特中表示：
如果多次使用原版的 MNIST 测试集，你的模型可能在测试集上已经过拟合了。是时候在新增的样本上试一下了。
MNIST 是一个由 Yann Lecun 等人创建的手写数字图像数据集，是研究者研究机器学习、模式识别等任务的高质量数据库。它包含训练集和测试集，训练集包含 60,000 个样本，测试集[……]
《深度学习入门之 PyTorch》深度学习如今已经成为科技领域最炙手可热的技术，在《深度学习入门之 PyTorch》中，我们将帮助你入门深度学习。《深度学习入门之 PyTorch》将从机器学习和深度学习的基础理论入手，从零开始学习 PyTorch ，了解 PyTorch 基础，以及如何用 PyTorch 框架搭建模型。通过阅读《深度学习入门之 PyTorch》，你将学到机器学习中的线性回归和 Logistic 回归、深度学习的优化方法、多层全连接神经网络、卷积神经网络、循环神经网络，以及生成对抗网络，最后通过实战了解深度学习前沿的研究成果，以及 PyTorch 在实际项目中的应[……]
