標簽歸檔:機器學習

閑魚是如何處理復雜背景內容識別的

本篇我們通過復雜背景內容提取的介紹,提出了一種機器學羽為主,圖像處理為輔去精確獲取特定前景內容的方法,得到了高精確率、高召回率和高定位精度的識別結果。

機器學習項目失敗的9個原因

在機器學習中,根據對數據的訓練和測試來衡量模型的性能是非常重要的。該信息將用于選擇要使用的模型、超參數和確定模型是否已準備好用于生產使用。為了衡量模型的性能,最重要的是選擇最佳的評估標準來完成手頭的任務。

機器學習是統計學的新瓶裝舊酒?

最近,社交媒體上瘋傳一張表情包(如下圖)。隨著機器學習的炒作開始消退,看到這張圖的人將會心一笑?!盎餮罷嫻拿皇裁春萌萌誦朔艿摹被蛘摺八皇嵌怨爬賢臣蒲У母慕閉飫嗲樾髟嚼叢狡氈?。但問題是,這不是真的。

Github上有趣的項目,用機器學習訓練AI下五子棋

谷歌旗下人工智能公司 DeepMind 發布了一篇新論文,它講述了團隊如何利用 AlphaGo 的機器學習系統,構建了新的項目 AlphaZero。AlphaZero 使用了名為「強化學習」(reinforcement learning)的 AI 技術,它只使用了基本規則,沒有人的經驗,從零開始訓練,橫掃了棋類游戲 AI。

這是我看過解釋TensorFlow最透徹的文章!

這里介紹的概念對所有 Tensorflow 程序來說都很重要,但這些還都只是表面上的東西。在你的 Tensorflow 探險之旅中,你可能會遇到各種你想要使用的其他有趣的東西:條件、迭代、分布式 Tensorflow、變量作用域、保存和加載模型、多圖、多會話和多核數據加載器隊列等。

谷歌發布機器learning的43條規則

本文檔旨在幫助已掌握機器學習基礎知識的人員從 Google 機器學習的最佳實踐中受益。它介紹了一種機器學習樣式,類似于 Google C++ 樣式指南和其他常用的實用編程指南。如果您學習過機器學習方面的課程,或者擁有機器學習模型的構建或開發經驗,則具備閱讀本文檔所必需的背景知識。

從人臉識別到machine翻譯:58個超有用的machine learning和預測API

作為程序猿的你,是不是想讓自己開發的應用程序也擁有人工智能呢?如果答案是 Yes,那么要怎么做呢?其實我們不用重復發明輪子,KDnuggets 已經為我們整理了 50 多個有用的機器學習和預測的 API,有了這些 API 的加持,就如虎添翼!是不是迫不及待了?走,讓我們來看看。