一文读懂这门超越深度学习的新AI编程语言Gen

 

AI的快速发展激起了很多人的学习热情,但是初学者苦于大量的手动编程而止步不前,有没有一种编程语言可以让那些在计算机科学和数学领域专业知识较少的人,也能使用简洁的代码量来完成具体的AI应用呢?
今天为大家推荐一个专门用来预测的复杂模型和推理算法——Gen。下面随文摘菌一起来看看它的“前生今世”。
Gen问世之前的AI学习库(框架)
在2015年,谷歌发布了一个采用数据流图进行数值计算的开放

医生正在利用深度学习算法帮助患者治疗癌症

 
▲液体活检具有显著的成本效益,能够极大简化活组织检查的整体流程
根据维基百科的描述,最早的活检诊断源自十一世纪的一位阿拉伯医生之手。“活组织检查”biopsy这一术语中的bios意为生命,源自希腊语中的opsis,意为视觉。这种方法最初于十九世纪引入,从那时起,医学研究人员与从业者们先后开发出多种技术,从而对活体器官或组织进行检查,并通过进一步观察判断患者体征。以肠活检管为代表的各类现代器

使用深度学习检测疟疾

人工智能结合开源硬件工具能够提升严重传染病疟疾的诊断。
人工智能(AI)和开源工具、技术和框架是促进社会进步的强有力的结合。“健康就是财富”可能有点陈词滥调,但它却是非常准确的!在本篇文章,我们将测试AI是如何与低成本、有效、精确的开源深度学习方法结合起来一起用来检测致死的传染病疟疾。
我既不是一个医生,也不是一个医疗保健研究者,我也绝不像他们那样合格,我只是对将AI应用到医疗保健研究感兴趣

深度学习中,CPU、GPU、NPU、FPGA如何发挥优势

随着AI的广泛应用,深度学习已成为当前AI研究和运用的主流方式。面对海量数据的并行运算,AI对于算力的要求不断提升,对硬件的运算速度及功耗提出了更高的要求。

目前,除通用CPU外,作为硬件加速的GPU、NPU、FPGA等一些芯片处理器在深度学习的不同应用中发挥着各自的优势,但孰优孰劣?
以人脸识别为例,其处理基本流程及对应功能模块所需的算力分布如下:

为什么会有这样的应用区分?
意义在哪里

ACM 宣布三位深度学习之父共同获得 2018 年图灵奖

2019年3月27日,ACM正式宣布将2018年图灵奖授予YoshuaBengio,GeoffreyHinton和 YannLeCun,以表彰他们提出的概念和工作使得深度学习神经网络有了重大突破,如今神经网络已经成为计算领域的重要组成部分。他们将于2019年6月15日在加利福尼亚州旧金山举行的ACM年度颁奖晚宴上正式收到2018年ACM图灵奖。

2018年图灵奖获得者从左到右:YannLe

人工智能专家:深度学习并未走进死胡同

深度学习作为一类机器学习方法,是实现人工智能的重要基础。近日有学者认为,随着人工智能的发展,深度学习的短板日益凸显,“其瓶颈已至”。深度学习的瓶颈是否真的已经到来?就此问题,本文将分为上下篇,对于深度学习的优势与短板、以及改进方式进行探讨,为读者梳理各位专家学者的不同思考。
不久前,全球人工智能计算机视觉领域奠基人之一、约翰霍普金斯大学教授艾伦·尤尔抛出“深度学习(Deep learning

深度解析Python深度学习框架的对比

从PyTorch到Mxnet,对比这些Python深度学习框架。选择什么深度学习框架一直是开发者非常关心的一个话题,而且深度学习框架之间的「战争」也越来越激烈。随着Python逐渐成为机器学习社区最受欢迎的语言,支持Python的深度学习框架的性能也值得关注。IndicoDataSolutions的CTOMadisonMay根据他们公司在产品和开发过程中的经验对Python深度学习框架进行了对