【公眾號簡介】人工智能幹貨推薦公眾號,專注於大資料和人工智慧領域的乾貨推薦,主要包括機器學習、深度學習、強化學習、自然語言處理、語音技術、計算機視覺和大資料等幾個部分。
後臺回覆"人工智慧",您將得到:1000+本人工智慧電子書,將近20G人工智能幹貨資料。
【免責宣告】除非特別註明,本公眾號所載內容來源於網際網路、微信公眾號等公開渠道,不代表本站觀點,僅供參考、交流之目的。轉載的稿件版權歸原作者或機構所有,如有侵權,請聯絡刪除。
1.PyTorch例項:用ResNet進行交通標誌分類
連結:[https://cloud。tencent。com/developer/article/1086490]
2.變形卷積核、可分離卷積?卷積神經網路中十大拍案叫絕的操作
連結:[https://cloud。tencent。com/developer/article/1109689]
3.FAGAN:完全注意力機制(Full Attention)GAN,Self-attention+GAN
連結:[https://cloud。tencent。com/developer/article/1187096]
4.谷歌大腦團隊新嘗試用奇異向量典型相關分析解釋深度神經網路
連結:[https://cloud。tencent。com/developer/article/1051276][https://arxiv。org/abs/1706。05806]
5.如何用深度學習做自然語言處理?這裡有份最佳實踐清單
連結:[https://cloud。tencent。com/developer/article/1119051]
6.DeepMind提出空間語言整合模型SLIM,有效編碼自然語言的空間關係
連結:[https://cloud。tencent。com/developer/article/1167075][https://arxiv。org/pdf/1807。01670。pdf]
7.各類機器學習問題的最優結果合集,附論文及實現地址索引
連結:[https://cloud。tencent。com/developer/article/1070538]
8.機器學習和深度學習近三年被引最多論文Top 20,影象識別、GAN等(附下載)
連結:[https://cloud。tencent。com/developer/article/1075404]
9.知乎"看山杯"奪冠記
連結:[https://cloud。tencent。com/developer/article/1101177]
10.谷歌開源TensorFlow圖說生成模型,可真正理解影象
連結:[https://cloud。tencent。com/developer/article/1071833]
11.具有啟發性的十種深度學習方法
連結:[https://cloud。tencent。com/developer/article/1107837]
12.一文教你如何確定好的學習率
連結:[https://cloud。tencent。com/developer/article/1094528]
13.Keras高階概念
連結:[https://cloud。tencent。com/developer/article/1181862]
14.《解析卷積神經網路—深度學習實踐手冊》
連結:[http://lamda。nju。edu。cn/weixs/book/CNN_book。html]
15.一個神經網路學習一切,谷歌又放了個大衛星
連結:[https://cloud。tencent。com/developer/article/1078037]
16.DeepMind、谷歌大腦核心研究員2017深度學習最新報告
連結:[https://cloud。tencent。com/developer/article/1075648][https://drive。google。com/file/d/0ByUKRdiCDK7-LXZkM3hVSzFGTkE/view]
17.Deep Learning for NLP Best Practices
連結:[http://ruder。io/deep-learning-nlp-best-practices/index。html]
18.小姐姐如何利用TextCNN識別髒話
連結:[https://cloud。tencent。com/developer/news/154506]
19.《CPU設計實踐教程——從數電到計算機組成》
連結:[https://mp。weixin。qq。com/s/aujNP-lmKQyhrpmykKrvxg]
20.追星的新姿勢:使用NLP來分析巨星專輯的特別之處
連結:[https://mp。weixin。qq。com/s/NIowrEm2-zNhYmrE7e0ZPg]
人工智能幹貨推薦:專注於大資料和人工智慧領域的乾貨推薦