神经网络是一类仿生算法，通过连接不同的节点（即神经元），实现信息的传递和处理。每个神经元都能接收多个输入信号，经过加权求和后通过激活函数产生输出。神经网络最早于...

全景成像系统在最近几年显著发展，这促进了多种全景视觉应用的产生。由于全面的360°视场，全天候全景图在感知周围环境时提供了更丰富的视觉线索，在广泛的场景理解任务...

机器学习是一个广泛的领域，旨在让计算机通过数据学习和获取知识、模式以及进行预测和决策等。深度学习是机器学习的一个重要分支和延伸。深度学习则特别强调使用多层神经网...

人工智能（AI）是一个涵盖广泛领域的技术词汇，近年来受到了越来越多的关注和应用。然而，对于刚接触AI的初学者或非专业人士来说，理解其中的核心概念，特别是深度学习...

当然，计算机视觉技术的发展也离不开深度学习的支持。深度学习技术使得计算机视觉系统能够自动学习和提取图像中的特征，从而大大提高了识别的准确性和效率。

随着深度学习在各个领域的应用日益广泛，模型的规模和复杂性不断增加，传统的单机训练在计算效率上已难以满足需求。并行与分布式深度学习通过将计算任务分配到多台机器或多...

对于小白来说，想快速入门的话，《深度学习的数学》深度学习入门最好的书籍，没有之一。浅显易懂，书中有大量插图。

GRU（Gated Recurrent Unit）也称门控循环单元结构, 它也是传统RNN的变体, 同LSTM一样能够有效捕捉长序列之间的语义关联, 缓解梯度消...

（1）对于在线计算内存存储有限的应用场景或设备，可以选择参数共享和参数剪枝方法，特别是二值量化权值和激活、结构化剪枝。其他方法虽然能够有效的压缩模型中的权值参数...

多层神经网络的学习能力比单层网络强得多。想要训练多层网络，需要更强大的学习算法。误差反向传播算法（Back Propagation）是其中最杰出的代表，它是目前...

基于低秩分解的深度神经网络压缩与加速的核心思想是利用矩阵或张量分解技术估计并分解深度模型中的原始卷积核。卷积计算是整个卷积神经网络中计算复杂度最高的计算操作，通...

（6）高效的深度学习方法可以有效的帮助嵌入式设备、分布式系统完成复杂工作，在移动端部署深度学习有很重要的意义。

体分割是医学影像分析中的一个关键任务[1]，这包括在三维（3D）医学图像中识别和划分感兴趣区域（ROIs）等领域物体，如器官、病变和组织。在各种医学影像模式（包...

LSTM（Long Short-Term Memory）也称长短时记忆结构, 它是传统RNN的变体, 与经典RNN相比能够有效捕捉长序列之间的语义关联, 缓解梯...

随着互联网的快速发展，网络安全威胁日益增加。传统的安全防护手段已经难以应对复杂多变的攻击模式。深度学习作为人工智能的重要分支，凭借其强大的数据处理和模式识别能力...

刚开始进行深度学习研究：从RTX 2060 或GTX 1060（6GB）开始，根据i下一步兴趣（入门，Kaggel比赛，研究，应用深度学习）等等，再进行选择。目...

比如，比较常见的，在深度学习和机器学习中已经比较成熟的架构：CPU和GPU的异构计算；此外还有比较新的Google推出的协处理器（TPU），根据目的而定制的AS...

随着社交媒体的普及，分析社交媒体内容以获取有价值的信息变得越来越重要。本文将介绍如何使用Python和深度学习技术实现智能社交媒体内容分析。我们将从数据预处理、...

深度神经网络在众多领域取得了显著的成果，这要归功于不断增长的计算能力。这一进步使得可以开发出更深层次、具有更强大学习能力的架构。然而，这些高度参数化的架构通常被...