Pull to refresh
  • by relevance
  • by date
  • by rating

Baidu опубликовала демо инструмента глубинного обучения PaddlePaddle

Python *C++ *Machine learning *


Китайский поисковый гигант Baidu опубликовал демо-версию исходного кода своего инструмента глубинного обучения PaddlePaddle (PArallel Distributed Deep LEarning) на GitHub. Анонс всего кода PaddlePaddle состоится 30 сентября.

Согласно информации на GitHub, сейчас сборка PaddlePaddle сырая и к массовому «употреблению» заинтересованными лицами готова не до конца. Разработчики заранее предупреждают, что еще не все файлы и пакеты готовы к установке, поэтому у желающих опробовать публичную демо-версию могут возникнуть серьезные проблемы при попытке работы с PaddlePaddle.
Читать дальше →
Total votes 15: ↑15 and ↓0 +15
Views 6.5K
Comments 2

Microsoft представила обновление своего набора инструментов Cognitive Toolkit

Programming *Machine learning *Development for Windows *


Вчера компания Microsoft в своем официальном блоге представила публике обновление своего набора инструментов Microsoft Cognitive Toolkit — системы для проектирования и обучения глубинных, сверточных и рекуррентных сетей.

Кроме того, Cognitive Toolkit дает возможность использовать обучение с подкреплением. Cognitive Toolkit предлагается использовать в таких сферах как распознавание объектов, речи и поиска релевантных результатов.
Читать дальше →
Total votes 12: ↑12 and ↓0 +12
Views 6.4K
Comments 1

Новости машинного обучения. Самое интересное из пяти рассылок

Image processing *Data visualization Machine learning *Popular science The future is here

Наиболее интересные новости из пяти почтовых рассылок. Новые технологии, идеи по применению и гипотезы.


Machine Learning everywhere

Читать дальше →
Total votes 6: ↑4 and ↓2 +2
Views 3.3K
Comments 0

Новости машинного обучения. Выпуск 7

Image processing *Data visualization Machine learning *Popular science Artificial Intelligence

Предыдущий выпуск


Новости ML, новые технологии, идеи по применению и гипотезы.


Nvidia GauGan


Изображение сделано в Nvidia GauGan. Видео, статья и исходный код.

Читать дальше →
Total votes 6: ↑6 and ↓0 +6
Views 3.1K
Comments 1

Новости машинного обучения. Выпуск 8

Image processing *Machine learning *Robotics Popular science Artificial Intelligence

Предыдущий выпуск


Экзоскелеты; бионические протезы; промышленные роботы; исследование автоматических рекоммендаций Ютуба; создание моделей машинного обучения в браузере с помощью MediaPipe; виртуальная клавиатура для смартфонов; 5G; еще раз о сильном и слабом ИИ.

Читать дальше →
Total votes 6: ↑6 and ↓0 +6
Views 2.4K
Comments 2

Microsoft представила DeepSpeed для тренировки нейросетей на моделях с >100 млрд параметров

Development Management *Artificial Intelligence
image

Microsoft выпускает библиотеку с открытым исходным кодом под названием DeepSpeed, которая значительно расширяет возможности обучения для больших моделей естественного языка. Она дает возможность обучения нейросетей на моделях со 100 млрд параметров и более. DeepSpeed ​​совместима с PyTorch.
Читать дальше →
Total votes 13: ↑13 and ↓0 +13
Views 5.2K
Comments 1

Приглашаем на Samsung AI Forum 2020 

Samsung corporate blog Machine learning *
Samsung AI Forum пройдет уже в четвертый раз, но онлайн — впервые. Трансляции будут вестись на официальном YouTube-канале Samsung 2 и 3 ноября, для участия необходима регистрация на сайте форума. Несмотря на то, что в Москве в это время будет глубокая ночь, мы очень советуем постараться присоединиться к стриму. Ведь выступать в этом году будут самые крутые в мире исследователи в области искусственного интеллекта: Йошуа Бенджио, Ян ЛеКун, Кристофер Мэннинг и другие. Для тех, кто не сможет, будет доступна запись.


На форуме выступят крутейшие ученые мира в области ИИ, такие как Ян ЛеКун и Йошуа Бенджио (на фото), получившие премию Тьюринга за открытие глубоких нейронных сетей

Читать дальше →
Total votes 6: ↑6 and ↓0 +6
Views 786
Comments 0

Глубокое обучение на Kotlin: вышла альфа-версия KotlinDL

JetBrains corporate blog Kotlin *

Всем привет!


На днях мы выпустили первую альфа-версию KotlinDL, фреймворка для глубокого обучения нейросетей, API которого мы старались сделать максимально похожим на Keras (фреймворк на Python поверх TensorFlow).


В KotlinDL вы найдете простые API как для описания, так и для тренировки нейронных сетей. За счет высокоуровневого API и аккуратно подобранных значений по умолчанию для множества параметров мы надеемся снизить порог входа в глубокое обучение на JVM. Вот так, например, выглядит тренировка и сохранение простой нейросети, написанной при помощи KotlinDL:

Читать дальше →
Total votes 17: ↑17 and ↓0 +17
Views 4.6K
Comments 4

Круглый стол «Искусственный Интеллект – Machine Learning – Deep Learning: наше будущее или временный тренд»

SimbirSoft corporate blog Machine learning *Conferences Artificial Intelligence

В чем разница между искусственным интеллектом (AI), машинным обучением (ML) и глубоким обучением (DL)? Где заканчивается ML и начинается AI? Как это работает, почему без человека не обойтись и какую цену придется заплатить за ошибку? Вместе с ABBYY, «Цифровая Индустриальная Платформа», «ТОЧКА», «Лига Цифровой Экономики» обсуждаем эти и другие вопросы по ИИ в рамках круглого стола на конференции «Технореволюция ‌2.0»‌‌ от IT-компании SimbirSoft

20 марта приглашаем CEO, CTO, CIO, IT-директоров, руководителей всех уровней, владельцев продуктов, маркетологов, HR-специалистов и разработчиков на «Технореволюцию 2.0»‌‌ от SimbirSoft. 

В интерактивном формате поговорим о трендах на примерах реальных кейсов, обсудим особенности менеджмента в IT-индустрии, а также поспорим на тему искусственного интеллекта. 

Читать далее
Total votes 5: ↑4 and ↓1 +3
Views 1.4K
Comments 0

Phygital podcast — разговариваем о 3D ML и phygital технологиях

IT-центр МАИ corporate blog Working with 3D-graphics *Machine learning *

Всем привет хабровчане и любители 3D ML!

Мы уже ведем на хабре серию заметок про 3D ML, а теперь еще и выпускаем на нашем youtube канале визуальный подкаст "PHYGITAL PODCAST", где освещаем новости из мира ML, 3D и phygital технологий, а также вкратце излагаем суть выпущенных здесь заметок.

Читать далее
Total votes 4: ↑3 and ↓1 +2
Views 785
Comments 0

OpenCV ищет студентов для Google Summer of Code-2021

Algorithms *

Крупнейшая библиотека компьютерного зрения OpenCV присоединилась к программе Google Summer of Code-2021 и объявляет набор студентов, которые хотели бы попробовать свои силы и заодно помочь улучшить работу библиотеки. Детальную информацию об OpenCV и ее участии в GSoC можно найти здесь

Читать далее
Total votes 3: ↑3 and ↓0 +3
Views 1.4K
Comments 0

NVIDIA представила технологию создания 3D-моделей на основе фотографий

Working with 3D-graphics *Machine learning *Artificial Intelligence
image

Компания NVIDIA показала приложение GANverse3D, которое с помощью машинного обучения создаёт 3D-модель из одной фотографии. Разработчики компании продемонстрировали подробности, создав модель машины «КИТТ» из телесериала 80-х «Рыцарь дорог».
Total votes 15: ↑15 and ↓0 +15
Views 3.4K
Comments 2

Прогресс в разработке нейросетей для машинного обучения

Data Mining *Algorithms *
В пятничном номере NY Times опубликована статья о значительных успехах, который демонстрируют в последние годы разработчики алгоритмов для самообучаемых нейросетей. В глубоких структурах есть несколько скрытых слоёв, которые традиционно тяжело было обучать. Но всё изменилось с использованием стека из машин Больцмана (RBM) для предварительной тренировки. После этого можно удобно перенастраивать веса, применяя метод обратного распространения ошибки (backpropagation). Плюс появление быстрых GPU — всё это привело к существенному прогрессу, который мы наблюдаем в последние годы.

Сами разработчики не делают громких заявлений, чтобы не поднимать ажиотаж вокруг нейросетей — такой, как в 1960-е годы поднялся вокруг кибернетики. Тем не менее, можно говорить о возрождении интереса к исследованиям в этой области.
Читать дальше →
Total votes 87: ↑74 and ↓13 +61
Views 43K
Comments 29

Отдам библиотеку в хорошие руки

GPGPU *
Давным давно, в 2008 году, когда я работал над своей диссертацией меня заинтересовала тема применения сверточных нейронных сетей для задач распознавания изображений. На тот момент они еще не были так популярны как сейчас и попытка найти готовые библиотеки ни к чему не привела — нашлась только реализация на Lush (языке созданном автором сверточных сетей, Яном ЛеКуном). Тогда я подумал, что можно было бы их реализовать на Матлабе используя Neural Network Toolbox. Но столкнулся с невозможностью реализации разделяемых весов в рамках этого тулбокса. И тогда было принято решение написать собственную реализацию.
Читать дальше →
Total votes 63: ↑60 and ↓3 +57
Views 24K
Comments 6

Библиотека компьютерного зрения CCV 0.6 с новым классификатором изображений

Open source *Image processing *


Для свободной кроссплатформенной библиотеки компьютерного зрения CCV разработан новый классификатор изображений, обученный в свёрточной нейроной сети. Впервые классификатор такого уровня и модели (детектор лиц, детектор автомобилей, детектор пешеходов) выпущены под свободной лицензией.
Читать дальше →
Total votes 34: ↑31 and ↓3 +28
Views 19K
Comments 13

Про котиков, собак, машинное обучение и deep learning

Image processing *
Sandbox
image
«В 1997 году Deep Blue обыграл в шахматы Каспарова.
В 2011 Watson обставил чемпионов Jeopardy.
Сможет ли ваш алгоритм в 2013 году отличить Бобика от Пушистика?»


Эта картинка и предисловие — из челленджа на Kaggle, который проходил осенью прошлого года. Забегая вперед, на последний вопрос вполне можно ответить «да» — десятка лидеров справилась с заданием на 98.8%, что на удивление впечатляет.

И все-таки — откуда вообще берется такая постановка вопроса? Почему задачи на классификацию, которые легко решает четырехлетний ребенок, долгое время были (и до сих пор остаются) не по зубам программам? Почему распознавать предметы окружающего мира сложнее, чем играть в шахматы? Что такое deep learning и почему в публикациях о нем с пугающим постоянством фигурируют котики? Давайте поговорим об этом.
По заветам издателей Стивена Хокинга - без формул
Total votes 101: ↑98 and ↓3 +95
Views 76K
Comments 49

Deep learning и Caffe на новогодних праздниках

Data Mining *Image processing *Big Data *
Sandbox

Мотивация


В данной статье вы познакомитесь c применением deep learning на практике. Будет использован фреймворк Caffe на датасете SVHN.

Deep Learning. Этот buzz word уже давно звенит в ушах, но попробовать его на практике никак не удавалось. Подвернулся удобный случай это исправить! На новогодние праздники был назначен контест на kaggle по распознаванию номеров домов в рамках курса по анализу изображений.
Читать дальше →
Total votes 23: ↑22 and ↓1 +21
Views 52K
Comments 11

Нейропластичность в искусственных нейронных сетях

Mail.ru Group corporate blog Data Mining *Algorithms *Big Data *Machine learning *
Привет, Хабр, давно не виделись. В этом посте мне хотелось бы рассказать о таком относительно новом понятии в машинном обучении, как transfer learning. Так как я не нашел какого-либо устоявшегося перевода этого термина, то и в названии поста фигурирует хоть и другой, но близкий по смыслу термин, который как бы является биологической предпосылкой к формализации теории передачи знаний от одной модели к другой. Итак, план такой: для начала рассмотрим биологические предпосылки; после коснемся отличия transfer learning от очень похожей идеи предобучения глубокой нейронной сети; а в конце обсудим реальную задачу семантического хеширования изображений. Для этого мы не будем скромничать и возьмем глубокую (19 слоев) сверточную нейросеть победителей конкурса imagenet 2014 года в разделе «локализация и классификация» (Visual Geometry Group, University of Oxford), сделаем ей небольшую трепанацию, извлечем часть слоев и используем их в своих целях. Поехали.
Читать дальше →
Total votes 58: ↑56 and ↓2 +54
Views 51K
Comments 38

Сравнение библиотек глубокого обучения на примере задачи классификации рукописных цифр

Intel corporate blog Data Mining *Algorithms *Image processing *Machine learning *
Кручинин Дмитрий, Долотов Евгений, Кустикова Валентина, Дружков Павел, Корняков Кирилл

Введение


В настоящее время машинное обучение является активно развивающейся областью научных исследований. Это связано как с возможностью быстрее, выше, сильнее, проще и дешевле собирать и обрабатывать данные, так и с развитием методов выявления из этих данных законов, по которым протекают физические, биологические, экономические и другие процессы. В некоторых задачах, когда такой закон определить достаточно сложно, используют глубокое обучение.

Глубокое обучение (deep learning) рассматривает методы моделирования высокоуровневых абстракций в данных с помощью множества последовательных нелинейных трансформаций, которые, как правило, представляются в виде искусственных нейронных сетей. На сегодняшний день нейросети успешно используются для решения таких задач, как прогнозирование, распознавание образов, сжатие данных и ряда других.
Читать дальше →
Total votes 29: ↑29 and ↓0 +29
Views 50K
Comments 20