这款堪称「调包侠神器」的模型训练工具包,几行代码就能搞定模型编写、改进和微调。从数据预处理到模型效果对比,PyCaret 都能自动实现。
项目 GitHub 地址[……]
7 月 10 日,在 2020 世界人工智能大会云端峰会·未来城市论坛,亿欧公司副总裁、亿欧智库研究院院长由天宇发布了《2020 年中国人工智能商业落地研究报告》,其中包括 2020 中国人工智能商业落地价值潜力 100 强、成熟企业 60 强、以及人工智能发展投入十大城市三大榜单,集中呈现中国人工智能商业落地最新进展。[……]
全国信息安全标准化技术委员会2019年第二次工作组“会议周”上,《人工智能安全标准化白皮书)》正式发布。白皮书由中国电子技术标准化研究院、清华大学、百度、华为、360、阿里巴巴等 29 家企事业单位共同编制。白皮书调研了人工智能发展情况,梳理了国内外人工智能安全的法规政策和标准化现状,分析了人工智能安全的风险挑战和属性内涵,研究给出了人工智能安全标准化体系框架,提出了人工智能安全标准化工作建议。[……]
近日,高通联合国际知名市场研究机构 IDC 发表了最新的研究成果《智能互联 – 赋能零售新时代》白皮书。在这一新蓝海前,企业可在新价值、新技术、新生态三方面着力,挖掘新零售的全新商机。
Lambda 日前发布测评报告 —— 深度学习模型越来越强大的同时,也占用了更多的内存空间,但是许多GPU却并没有足够的显存(Video RAM)来训练它们。那么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,一起来看看吧!
截至 2020 年 2 月,以下 GPU 可以训练所有当今语言和图像模型:
以下[……]
Model Log 是一款基于 Python3 的轻量级机器学习(Machine Learning)、深度学习(Deep Learning)模型训练评估指标可视化工具,与 TensorFlow、Pytorch、PaddlePaddle结合使用,可以记录模型训练过程当中的超参数、Loss、Accuracy、Precision、F1值等,并以曲线图的形式进行展现对比,轻松三步即可实现。可以通过调节超参数的方式多次训练模型,并使用 Model Log 工具进行记录,可以很直观的进行模型对比,堪称调参神器。以下是使用工具后模型训练时 Loss 的变化曲线图。
项目 GitHub 地址[……]
图像分类、目标检测和图像分割是基于深度学习的计算机视觉三大核心任务。三大任务之间明显存在着一种递进的层级关系,图像分类聚焦于整张图像,目标检测定位于图像具体区域,而图像分割则是细化到每一个像素。基于深度学习的图像分割具体包括语义分割、实例分割和全景分割。语义分割的目的是要给每个像素赋予一个语义标签。语义分割在自动驾驶、场景解析、卫星遥感图像和医学影像等领域都有着广泛的应用前景。本文作为基于 PyTorch 的语义分割技术手册,对语义分割的基本技术框架、主要网络模型和技术方法提供一个实战性指导和参考。
项目 GitHub 地址[……]
在计算机领域中,目前的预打印版网站 arxiv 可谓是撑起了前沿技术的一片天地,每天都有相当数量的论文上传。但是对于一篇文章,作者可能会上传 V1 / V2 / V3 等版本,对于我来说,我一般看最后的版本就行,但是有些同学想要看看这些版本直接到底有什么不同,这可怎么办,总不至于要花几个晚上时间研究不同的版本?
最近 Github 上的一个比较预印本论文版本差别的工具也许能帮到你,关键是只需一行代码就能实现。最近 Github 上的一个比较预印本论文版本差别的工具也许能帮到你,关键是只需一行代码就能实现。
项目 GitHub 地址[……]
2019 年中国电机工程学会年会主题为『清洁能源 智慧电力 美好生活』。
会议由中国电机工程学会主办,国家电网有限公司和中国华电集团有限公司联合主办。在人工智能在能源电力系统中的应用专题研讨会上,中国电科院人工智能研究所所长蒲天骄作了题为『电力人工智能发展报告』的大会报告。[……]
MMdetection 是港中文-商汤开源的,基于 Pytorch 实现的目标检测工具箱,支持 Faster R-CNN, Mask R-CNN, Cascade R-CNN, RetinaNet, Guided Anchoring, RepPoints, Foveabox, FreeAnchor, NAS-FPN, ATSS, NAS-FCOS 等等 SOTA 目标检测模型,并且提供了 DCNv2, Group Normalization, OHEM, Soft-NMS, GCNet, Mixed Precision 等新特性。
MMdetection 工具箱常常被用来当作比赛 Bas[……]