『山川异域，风月同天』—— 新冠肺炎疫情牵动着举国上下的心，包括跨象乘云™ 在内，众多高科技企业除了向灾区捐赠物资，配合疫情防控工作，延期复工 / 远程办公的同时，也在积极探索如何利用大数据、新一代人工智能等新技术为『战疫』助力。
近日，AIZOO 开源了 PyTorch、TensorFlow、MXNet、Keras 和 Caffe 等五大主流深度学习框架的人脸口罩检测模型和代码。同时，对于学习《多框架人工智能开发》课程的人工智能专业学生而言，是非常好的项目锻炼。
项目 GitHub 地址[……]
《Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow》（《机器学习实用指南》），这本书最大的特色从理论上讲就是言简意赅，全书基本上没有太多复杂的数学公式推导。这一点正是国内很多高校教材所欠缺的。这本超赞的机器学习实用指南终于正式出版了第二版：《Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems 2nd Edit[……]
（ICLR 2019：SNAS: Stochastic Neural Architecture Search）
这篇论文的作者提出了随机神经结构搜索 (SNAS)。SNAS 是 NAS 的端到端解决方案，在同一轮的反向传播中同时训练神经算子参数和体系结构分布参数。在此过程中，它维护了 NAS 流程的完整性和可微性。
作者将 NAS 重新表述为单元中搜[……]
（2018：Auto-Keras: An Efficient Neural Architecture Search System）
本文提出了一个框架，使用贝叶斯优化引导网络形变，以提升 NAS 的效率。基于他们的方法，作者构建了一个名为 Auto-Keras 的开源 AutoML 系统。
该方法中，网络的主要组成模块，是在贝叶斯优化算法的指导下，通过神经结构的形变来寻找搜索空间[……]
5. 高效结构搜索的层次化表示
（ICLR 2018：Hierarchical Representations for Efficient Architecture Search）
该网络中提出的算法在 CIFAR-10 上实现了 3.6% 的 top-1 误差，在 ImageNet 上实现了 20.3% 的 top-1 误差。作者提出了一种描述神经网络结构的层次化表示方法，证明了用简单的随机搜索可以得到具有竞争力的图像分类网络结构，并提出了一种可扩展的进化搜索方法变体。[……]
系列文章：《神经架构搜索研究指南 -1》
（2017：Learning Transferable Architectures for Scalable Image Recognition）
在本文中，作者在一个小数据集上搜索结构上的一个组成模块，然后将该模块再转换到一个大数据集上。这是因为直接使用大型数据集将非常麻烦和耗时。
作者在 CIFAR-10 数据集上寻找最佳卷积层，并将其应用于 ImageNet 数据集。具体做法是将该层的更多副本堆叠在一起来实现的。每一层都有自己的参数，用于设计卷积架构。作者将这种体系结构称为 NASNet[……]
从训练到用不同的参数做实验，设计神经网络的过程是劳力密集型的，非常具有挑战性，而且常常很麻烦。但是想象一下，如果能够将这个过程实现自动化呢？将这种想象转变为现实，就是本指南的核心内容。
我们将探索一系列的研究论文，这些论文试图解决具有挑战性的自动化神经网络设计任务。在本指南中，我们假设读者尝试过使用 Keras 或 TensorFlow 等框架从头开始设计神经网络。
（2016：Neural Architecture Search with Reinforcement Learning）
本文利用递归神经网络 (RNN) 生成神经网络的模型描述[……]
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：
