从理论上讲，这几乎是您使用 TensorFlow 进行机器学习研究所需要的全部内容。
2019-02-05 10:06
在学习深度学习的过程中，我们常会遇到各种谣传，也会遇到各种想当然的「执念」。在本文中，作者总结了机器学习研究中常见的七大
2019-02-26 14:05
近期在微软研究院举办的机器学习前沿论坛中，微软剑桥研究院院长 Christopher Bishop 与微软全球资深副总裁 Peter Lee 进行了一场精彩的炉边对谈，
2020-10-16 11:53
纵观当前的业务趋势，所有公司，无论是航空，电子商务，广告，教育，都在试图为其消费者提供个性化的产品。如果仅谈论印度，我们就有超过6亿互联网用户，并且每天都有成倍的数据生成，并且不可能手动分析和发现这些数据中的任何模式，这就是机器学习在行动中帮助数据科学家和具有宝贵
2020-05-21 09:46
有缺陷的学术研究可能会误导大众，并阻碍学术未来的研究。实际上，这些问题有许多是在人工智能的历史(更广泛地说，是在科学研究)中循环出现的。1976年，Drew Mc-Dermott[1]指责人工智能社区放弃了自律，并预
2018-07-14 09:15
有人说，概率论线性代数要预先精通；有人说，微积分要懂一点；也有人说，没必要特地去补；甚至有人专门写了绕开数学的深度学习入门教材。
2018-08-20 14:24
基于现在这些深度学习库，让模型变得复杂很容易，加上更多的组件、网络层和优化技巧。然而，当你改动代码或模型时，你至少应该在直觉上理解改动为何有帮助。同理，运行试验时，你应该对它的输出有清楚的预期。你期望绘制出的结果图像看起来是什么样的？
2018-09-08 09:18
基于采样的方法是被研究得最多的方法，大多也是具有理论基础的方法，往往比基础搜索方法表现更优。这类方法一般会生成一个或者多个对样本空间的采样点，之后再对这些采样点进行评估，根据评估的反馈结果进行下一步采样，最后寻找到相对较优的参数点(见图 2)。
2019-04-02 16:20
神经网络修剪技术可以将经过训练的网络的参数数量减少90%以上，减少存储需求并提高推理的计算性能，而不会影响准确性。但是，当代的经验是，修剪产生的稀疏架构从一开始就很难进行训练，这同样会提高训练效果。
2020-04-09 14:24
