聲明：本文是 A Neural Network in 11 lines of Python 學習總結而來，關于更詳細的神經網絡的介紹可以參考從感知機到人工神經網絡。

全連接神經網絡 輔助閱讀： TensorFlow中文社區教程 - 英文官方教程 代碼見： full_connect.py Linear Model 加載 lesson 1 中的數據集 將Data...

目前語言建模的主要方法都是基于循環神經網絡的。在本研究中，我們提出了一種使用卷積方式處理的語言建模方式。我們引入了一種新的門控機制，可以緩和梯度傳播，它的表現比 LSTM 方式的門控（Oord ...

多層前向神經網絡由三部分組成：輸出層、隱藏層、輸出層，每層由單元組成；

本文整理了 GitHub 上最流行的 57 款深度學習項目（按 stars 排名）。

BeeHive 是用于 iOS 的 App 模塊化編程的框架實現方案，吸收了 Spring 框架 Service 的理念來實現模塊間的 API 耦合。

神經網絡是一種特殊類型的機器學習（ML）算法。?因此，作為每個 ML 算法，它遵循數據預處理，模型建立和模型評估的通常 ML 工作流。?

循環神經網絡（RNN）已經在許多自然語言處理任務上取得了最出色的表現，比如語言建模和機器翻譯。然而當詞匯量很大時，RNN 模型會變得很大（可能超過 GPU 最大的內存能力），這樣訓練將變得很低效...

人與人之間，有默契交流起來無疑是暢快舒服的。但這種連人類也說不清的模糊 “感知能力”，最近居然在 Google 的一項 AI 研究項目中出現。這是否意味著人工智能真要開始具備意識并崛起了？

卷積神經網絡（ConvNets 或者 CNNs）屬于神經網絡的范疇，已經在諸如圖像識別和分類的領域證明了其高效的能力。卷積神經網絡可以成功識別人臉、物體和交通信號，從而為機器人和自動駕駛汽車提供視力。

最近“神經網絡”非常火，各種關于神經網絡的文章滿天飛，但可能對于非專業領域出身的人來說接觸這些文章就會云里霧里了。究其原因主要是缺少適合大部分人理解的神經網絡的科普文章，筆者希望能從神經網絡的起...

在BP過程中,最重要的事情就是維護梯度回傳的先后順序。在TensorFlow中，每個tensor就表示了一個函數節點，tensor之間的運算，例如mat、add這些都會生成新的tensor，這種...

在創建了神經網絡后，通常需要對權重和偏置進行初始化，大部分的實現都是采取Gaussian distribution來生成隨機初始值。

新的神經網絡架構隨時隨地都在出現，要時刻保持最新還有點難度。

YouTube的推薦系統是是世界上規模最大、最復雜的推薦系統之一。 最近Google的研究人員公布了他們投到今年ACM會議的一篇文章， 詳細介紹了他們最近利用深度神經網絡實現YouTube推薦系統的技術細節

LeNet5 誕生于 1994 年，是最早的卷積神經網絡之一，并且推動了深度學習領域的發展。自從 1988 年開始，在許多次成功的迭代后，這項由 Yann LeCun 完成的開拓性成果被命名為 ...

估計你已經厭煩了聽身邊人高談闊論什么機器學習、深度學習但是自己摸不著頭腦，這篇文章就由淺入深高屋建瓴地給你介紹一下機器學習的方方面面。本文的主旨即是讓每個對機器學習的人都有所得，因此你也不能指望...

我們遵循以下兩種設計原則提出了這個新的自然語言處理結構：1）基于表示文本的最小表示進行操作，例如字符。2）利用本地操作的深度堆棧，例如卷積層和卷積符號為3的最大池化，來學習句子的高層次表示。

官方教程 地址 視頻 / 字幕 下載 全連接神經網絡 輔助閱讀： TensorFlow中文社區教程 - 英文官方教程 代碼見： full_connect.py Linear Model 加載le...

練深度神經網絡是一個非常耗時的過程，比如用卷積神經網絡去訓練一個目標識別任務需要好幾天來訓練。因此，充分利用集群的資源，加快訓練速度成了一個非常重要的領域。不過，當前非常熱門的批處理計算架構 （...