AI大事件 | 谷歌发布Cloud AutoML,PyTorch2017年总结,巨大神经网络适应内存方法

Posted 大数据文摘

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了AI大事件 | 谷歌发布Cloud AutoML,PyTorch2017年总结,巨大神经网络适应内存方法相关的知识,希望对你有一定的参考价值。

呜啦啦啦啦啦大家好呀,又到了本周的AI大事件时间了。过去的一周中AI圈都发生了什么?大佬们互撕了哪些问题?研究者们发布了哪些值得一读的论文?又有哪些开源的代码和数据库可以使用了?文摘菌带你盘点过去一周AI大事件!


新闻


Amazon Go开设计算机视觉驱动线下店

来源:WWW.NYTIMES.COM


亚马逊将于周一在西雅图市中心开设一家便利店,将会使用多种技术力图使购物体验变得无与伦比,包括不需要排队结账。


Google发布用于计算机视觉的Cloud AutoML

来源:WWW.BLOG.GOOGLE 


Cloud AutoML是一种服务,通过使用拖放界面上传图像并训练和管理模型,可以更轻松地创建用于图像识别的自定义ML模型。


Pony.ai启动新一轮融资发展自动驾驶技术

来源:TECHCRUNCH.COM


链接:

https://techcrunch.com/2018/01/15/one-year-old-pony-ai-raises-112-million-series-a-to-build-autonomous-car-future/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI


这轮融资由Morningside Venture Capital和Legend Capital牵头,这两方都是以中国为主的早期风险投资基金。网站上提供的关于Pony.ai的信息很少,但我们发现其使命是“建立最安全,最可靠的自动驾驶技术”。


深度学习可能永远无法创建一个通用的AI

来源:WWW.WIRED.CO.UK 


链接:

http://www.wired.co.uk/article/deep-learning-automl-cloud-gary-marcus?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI


人工智能和深度学习受到了大量的炒作。加里·马库斯(Gary Marcus)在一篇新论文中称,深度学习存在着“非理性繁荣”。


文章&教程


规范化流程教学

来源:BLOG.EVJANG.COM


链接:

http://blog.evjang.com/2018/01/nf1.html?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI


规范化流程可以将简单的密度(如高斯)转换为丰富的复合分布,可用于生成模型,RL和变分推理等。


不对称多智能体游戏的游戏理论研究

来源:DEEPMIND.COM


链接:

https://deepmind.com/blog/game-theory-insights-asymmetric-multi-agent-games/?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI


这篇文章对两人不对称博弈的游戏提供了新的理论见解和分析,包括 Leduc poker和各种棋盘游戏如Scotland Yard。


手把手教你一步步部署深度学习模型

来源:THEHIVE.AI


链接:

https://thehive.ai/blog/simple-ml-serving?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI


这篇文章将教你快速地部署一个训练有素的机器学习模型。


PyTorch的一年

来源:PYTORCH.ORG


链接:

http://pytorch.org/2018/01/19/a-year-in.html?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI


这篇文章对PyTorch在去年的发展做了总结,包括一些新闻和社区中的热点。


代码,项目&数据


让巨大的神经网络适应内存(OpenAI)

来源:GITHUB.COM


链接:

https://github.com/openai/gradient-checkpointing?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI


训练深度更高的神经网络需要大量的内存。使用这个包中的工具,你可以通过计算来平衡一些内存,使你的模型更容易适应内存。


深度神经进化实现(Uber)

来源:GITHUB.COM


链接:

https://github.com/uber-common/deep-neuroevolution?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI


这篇文章提供了关于最近Deep Neurevolution论文的官方实现(参见存储库了解详细信息)。


用于Pytorch的Tensorboard

来源:GITHUB.COM 


链接:

https://github.com/lanpa/tensorboard-pytorch?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI


Tensorboard是一个Tensorflow专用的监控模型培训的工具。这个库允许你通过一个简单的函数调用来把事件写到Tensorboard,这也同时意味着你可以在其他库中使用它。


对R-CNN更快的PyTroch实现

来源:GITHUB.COM


链接:

https://github.com/jwyang/faster-rcnn.pytorch?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI:


这个项目是对更快的R-CNN更快的PyTorch实现,目标是提高R-CNN物体识别模型的训练速度。


论文


天赋,AlphaZero和人工智能

来源:ARXIV.ORG


链接:

https://arxiv.org/abs/1801.05667?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI


人工智能的背景下,“天赋”这一概念很少被讨论。在本文中,作者认为最近一系列有关AlphaGo的文章似乎在证明“即使在最具挑战性的领域,在完全没有先验知识和可以借鉴的例子及指导的情况下,将机器训练到超人的水平也是可能的”。但作者认为,这些说法被夸大了,人工智能需要更多地关注天赋。


用于文本分类的精调语言模型

来源:ARXIV.ORG


链接:

https://arxiv.org/abs/1801.06146?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI


作者提出了精细调整语言模型(FitLaM),这是一种有效的转换学习方法,可以应用于NLP中的各种任务,并且引入了精细调整最新语言模型的关键技术。该方法的效率超过了五个文本分类任务的最新技术,减少了18-24%的错误率。作者开放了预训练模型的源码。


计算机能进行艺术创作吗

来源:ARXIV.ORG


链接:

https://arxiv.org/abs/1801.04486?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI


本文讨论了使用人工智能的计算机是否可以创造艺术。 第一部分主要讨论了基于AI的辅助艺术创作的工具。涵盖了包括摄影和动画在内等艺术自动化方面的技术历史。可以发现关于新技术的实践最初都伴随着恐惧和否认,一段时间后才会被接受,并为艺术家提供新的创造性和专业机会。 接着讨论了人工智能(AI)工具在艺术制作中的现实情况和乱象,以及AI工具使用的预测。 第二部分则涉及可以构思艺术品的AI系统,这些系统已经开始以艺术品作者的身份出现。


深度学习:应用数学介绍

来源:ARXIV.ORG


链接:

https://arxiv.org/abs/1801.05894v1?utm_campaign=Revue%20newsletter&utm_medium=Newsletter&utm_source=The%20Wild%20Week%20in%20AI


本文简要从应用数学的角度介绍了深度学习的基本思想。


【今日机器学习概念】

Have a Great Definition


线下课程推荐|机器学习和人工智能方向


新年新目标,稀牛喊你找工作啦!

✪  高频面试考点

✪  行业项目经验

✪  简历修改完善

✪  面试注意事项


VIP小班授课,定制化服务,2018春招Offer触手可即!


AI大事件 | 谷歌发布Cloud AutoML,PyTorch2017年总结,巨大神经网络适应内存方法

志愿者介绍

AI大事件 | 谷歌发布Cloud AutoML,PyTorch2017年总结,巨大神经网络适应内存方法



以上是关于AI大事件 | 谷歌发布Cloud AutoML,PyTorch2017年总结,巨大神经网络适应内存方法的主要内容,如果未能解决你的问题,请参考以下文章

谷歌搞事情:最先被AI淘汰的,居然是做AI的?

如何使用 Web GUI 停止 Google Cloud AutoML(现为 Vertex AI)批量预测作业?

在 Cloud AutoML Vision 中将图像导入 Google 存储时出错

AutoML 助力 AI 性能调优

自动化神经网络理论进展缓慢,AutoML算法的边界到底在哪?

将 Google 的 Tensorboard 连接到 Vertex AI AutoML