深度学习/计算机视觉常见的8个错误总结及避坑指南

本文转自雷锋网,如需转载请至雷锋网官网申请授权。
人类并不是完美的,我们经常在编写软件的时候犯错误。有时这些错误很容易找到:你的代码根本不工作,你的应用程序会崩溃。但有些bug是隐藏的,很难发现,这使它们更加危险。
在处理深度学习问题时,由于某些不确定性,很容易产生此类错误:很容易看到web应用的端点路由请求是否正确,但却不容易检查梯度下降步骤是否正确。然而,在深度学习实践例程中有很多bug是

Nature发文:深度学习系统为什么这么好骗?

几张贴纸就能「改变」交通标志识别结果,转个方向就看不出图中的动物种类,今天的人工智能系统经常会出现莫名其妙的bug。最新一期《自然》杂志上的这篇文章向我们介绍了深度学习为什么如此容易出错,以及解决这些问题的研究方向。
一辆自动驾驶汽车在接近停止标志时非但没有停车,反而加速驶入了繁忙的十字路口。一份事故调查报告显示,该汽车之所以做出这种决策,是因为停止标志的表面贴了四个小矩形。这样一来,自动驾驶

18个挑战项目带你快速入门深度学习

AlphaGo大战李世乭之后,深度学习技术便在国内变得异常火。吸引了大批的技术人员争相学习,那么到底如何才能更快速的入门深度学习呢?
下面给大家介绍的18个挑战项目,通过实践动手带你快速入门深度学习!
1.北京市住房价格预测
本挑战运用线性回归的相关知识,来预测北京市的住房价格。

该数据集中共包含有12列。由于线性回归需要输入数值型数据,所以我们选用的特征包括「公交,写字楼,医院,商场

盘点 | 8个你可能不知道的深度学习应用案例

深度学习是人工智能的一个子集,它使用多层人工神经网络来执行一系列任务,从计算机视觉到自然语言处理。深度学习与传统机器学习系统的不同之处在于,它能够在分析大型数据集时进行自我学习和改进,因此能应用在许多不同的领域。
1、为黑白照片添加颜色
为黑白照片添加颜色又叫做图像着色。很久以来,这项工作都是由人工来完成的,是一个十分繁杂的任务。通过深度学习方法,可以为黑白照片自动上色。其原理是,深度学习网络

2019年较热门的5大深度学习课程

目前,深度学习已经成为数据科学领域最热门的技能,我们可以利用大量的文章、课程等资源入门深度学习,但是想要拿下深度学习并不是一件简单的事,它有太多的应用程序,一个人无法在短时间内学到所有的内容,就算有人可以,那他也无法在短时间内达到精通的程度
今天,我们将和大家盘点一下,当下较流行的深度学习资源/课程,可以帮助你们提升深度学习技能。
1.Coursera上的Deepelearning.ai

一步一步带你完成深度学习与对象检测之人脸识别

通过往期的分享,我们了解到人脸识别的大概过程,主要包括:
1、人脸图片的搜集(原始数据)
2、从图片中识别到人脸
3、人脸数据提取
4、人脸数据保存
5、从图片或者视频中检测到人脸
6、人脸数据提取
7、被识别的人脸与数据库中的数据一一对比,识别出人脸
以上人脸识别过程,存在一定的问题,当人脸原始数据比较大时,数据库中必然存在比较多的人脸数据,当进行人脸识别时,被识别的人脸与数据库中的数据对

看懂这十步,8岁的小朋友都能理解深度学习

在对技术毫无了解的人看来,人工智能是什么?
《流浪地球》里的AI语音助手MOSS么?还是《终结者》里的天网?
如果对当今人工智能的主流技术——深度学习没有了解,可能真的会有人觉得,当前的科学家们在创造无所不能、无所不知的电影AI形象。
那么,如何用最浅显的方式,给大众解释什么是深度学习呢?
法国博主Jean-LouisQueguiner撰写了这篇《给我8岁的女儿解释深度学习》,以用深度学习技术

PyTorch版《动手学深度学习》开源了,最美DL书遇上超赞DL框架

李沐等人的开源中文书《动手学深度学习》现在有PyTorch版实现了。不论是原书中的示例代码,还是实战项目,原来的MXNet都可以无缝转化到PyTorch代码。项目作者在保持原书内容基本不变的情况下,将MXNet代码都转换为了PyTorch,想要学习DL和PyTorch的小伙伴们可以试试啊。

项目地址:https://github.com/ShusenTang/Dive-into-DL-PyT

TPU、GPU、CPU深度学习平台哪家强?有人做了一个基准测试研究

GPU、TPU、CPU都可以用于深度学习模型的训练,那么这几个平台各适用于哪种模型,又各有哪些瓶颈?在本文中,来自哈佛的研究者设计了一个用于深度学习的参数化基准测试套件——ParaDnn,旨在系统地对这些深度学习平台进行基准测试。

ParaDnn能够为全连接(FC)、卷积(CNN)和循环(RNN)神经网络生成端到端的模型。研究者使用6个实际模型对谷歌的云TPUv2/v3、英伟达的V100GP

GPU与CPU比较,GPU为什么更适合深度学习?

一、CPU与GPU对比
CPU是一个有多种功能的优秀领导者。它的优点在于调度、管理、协调能力强,计算能力则位于其次。而GPU相当于一个接受CPU调度的“拥有大量计算能力”的员工。
下图是处理器内部结构图:
DRAM即动态随机存取存储器,是常见的系统内存。
Cache存储器:电脑中作高速缓冲存储器,是位于CPU和主存储器DRAM之间,规模较小,但速度很高的存储器。
算术逻辑单元ALU是能实现多组