更多内容，见微*公号往期文章：有史以来最详细的卷积神经网络(CNN)及其变体讲解！！！（多图）

在现代生物学研究领域，可视化和理解组织和生物体内复杂结构的能力至关重要。经过组织透明化和特定结构染色后的光片显微镜 (LSM) 提供了一种高效、高对比度和超高分...

论文: Not All Images are Worth 16x16 Words: Dynamic Transformers for Efficient Ima...

论文: Swin Transformer: Hierarchical Vision Transformer using Shifted Windows

在现代自然语言处理（NLP）领域，Transformer 模型的出现带来了革命性的变化。它极大地提升了语言模型的性能和效率，而自注意力机制是其中的核心组件。

看一篇发表在NC上的使用DL来预测糖类结合位点（DeepGlycanSite）的文章。

策略梯度方法（Policy Gradient Methods）是强化学习中的一种重要方法，通过直接优化策略（Policy），使智能体（Agent）能够在给定环境...

图神经网络（Graph Neural Network，GNN）是一类能够处理图结构数据的深度学习模型。与传统的神经网络不同，GNN可以直接处理图结构数据，例如社...

神经网络嵌入是利用深度学习模型实现 Embedding 的一种方法，适用于多种数据类型，包括文本、图像和图结构数据。

随着深度学习技术的快速发展，高效的计算框架和库对于模型训练至关重要。TensorFlow作为目前最流行的深度学习框架之一，其GPU版本能够显著提升模型训练的速度...

Sebastian Raschka 是一名机器学习和人工智能研究员，曾在威斯康星大学麦迪逊分校担任统计学助理教授，专门研究深度学习和机器学习。他让关于 AI 和...

自2006年深度学习概念被提出以来，20年快过去了，深度学习作为人工智能领域的一场革命，已经催生了许多具有影响力的算法或模型。那么，你所认为深度学习的最牛的模型...

语言模型是用来估计一个句子（或一个单词序列）概率的模型。简单地说，语言模型试图预测下一个单词。基于深度学习的语言模型，如GPT-2和BERT，已经在自然语言处理...

适用模型:自然语言及图像识别上面深度学习无疑是王者，但在表格类异构数据上，xgboost等集成学习树模型才是实打实的神器。大量实验表明基于树的模型在中型表格数据...

随着大数据和人工智能技术的快速发展，深度学习已经成为了机器学习领域最具前景的一个分支。Python作为一种功能强大、易于学习和使用的编程语言，已经成为了深度学习...

英特尔公司近年推出的Xe架构代表了其在图形计算领域的一次重大创新。Xe架构不仅仅是一个图形处理单元（GPU），而是一个统一的计算架构（Unified Compu...

深度学习简介：核心理念：Nvidia的这个四部分系列介绍了2015年实践的深度学习基础知识，对于任何刚刚学习AI的人来说都是一个很好的资源。

MindSpore提供了基于Pipeline的数据引擎，通过Dataset和Transforms实现高效的数据预处理。它提供了内置的文本、图像、音频等数据集加载...

Caffe深度学习框架支持多种编程接口，包括命令行、Python和Matlab,下面将介绍如何使用这些接口。