返回 登录
0

【AI每日播报】FaceApp你玩了吗?

【AI每日播报】每日早8点为您搜罗24小时内AI圈新鲜要闻,涵盖从资讯到声音、从论文到活动的全方位AI消息。

CSDN AI周刊也已全面开启:

图片描述

订阅请点击这里

本期周刊:【CSDN AI 周刊】No. 007 | SIGIR 2016信息检索精选论文

以下为今日要闻:


资讯


谷歌TensorFlow 1.0发布,智能手机也能玩转深度学习

@新智元

近日,谷歌开源深度学习框架 TensorFlow 发布了完整的1.0版本,不仅改进了库中的机器学习功能,而且对 Python 和 Java 用户开放,提升了 debugging。同时,一系列新的改进,使得在普通智能手机上运行机器学习,特别是深度学习程序成为可能。

FaceApp:基于深度网络为人像照片加笑容,实现年龄、性别变换

@新智元

FaceApp 不仅是一个有趣的应用,它证明了人工智能如何使得处理照片变得前所未有的简单。比如,p上笑容、年龄和性别转换均可以轻松完成。过年拍了很多美照?让深度学习来帮你把它们变得更有趣。


初学


初学者用Chainer为线描上色

@知乎专栏

最近一直有人说深度学习的附加价值高,于是我也在一两个月前开始学习Chainer了。机会难得就想试着用Chainer做一些各种各样的尝试,比如写个给线描上色的小程序之类的。

线描上色这个任务的性质是监督式学习(supervised learning),因此需要大量的线稿和上完色的图片,越多越好。

这用opencv通过角色的画像生成线稿。关于神经网络(neural network)的结构,我用了一种叫做U-net的网络,并加入对抗网络学习真正的图像和被神经网络生成出来的图像之间的颜色差别,然后找出两个图像中的那个叛徒。

试验效果喜人。

关于Python的文章、代码、课程

@Medium

本文总结了过去一年内10大Python热门文章,3大重要开源代码,以及2门最受欢迎的Python课程。


进阶


漫谈词向量之基于Softmax与Sampling的方法

@CSDN

降低最后的Softmax层的计算复杂度是设计更好词向量模型所面临的主要挑战,同时也是机器翻译和语言建模的共性挑战。本篇文章列举了近几年内新提出的几种替代softmax层的方法。

目录:

  • 基于softmax的方法
    • Hierarchical Softmax
    • Differentiated Softmax
    • CNN softmax
  • 基于sampling的方法
    • Importance Sampling
    • Adaptive Importance Sampling
    • Target Sampling
    • Noise Contrastive Estimation
    • Negative Sampling
    • Self-Normalisation
    • Infrequent Normalisation
    • Other Approaches
  • 各种方法对比
  • 小结

考察数据科学家深度学习基础的测试(45道题及答案)

@Analytics Vidhya

本测试涉及深度学习的一些基本概念,目前已有1070人参与。点击链接,查看测试及参与者的成绩分布情况。


趣味


DIY超快深度学习机器 只需$1000

@Oreilly

本文手把手教你如何用不到1000美金的预算组建自己的深度学习机器。(准确地说,是$883)。

作者Lukas Biewald毕业于斯坦福大学,Lukas Biewald曾lead雅虎日本的搜索相关性团队、于Powerset(后被微软收购)担任数据科学家、并于2009年成立 CrowdFlower。

有趣的是,Lukas好像非常关注预算相关问题,其所著的文章还包括:200美元制造声控人脸识别无人机100美金造图像识别机器人等。


【CSDN_AI】热衷分享

扫码关注获得更多业内领先案例

图片描述

评论