深度学习第21讲：迁移学习的基本原理和实践
作为一门实验性学科，深度学习通常需要反复的实验和结果论证。在现在和将来，是否有海量的数据资源和强大的计算资源，这是决定学界和业界深度学习和人工智能发展的关键因素。通常情况下，获取海量的数据资源对于企业而言并非易事，尤其是对于像医疗等特定领域，要想做一个基于深度学习的医学影像的自动化诊断系统，大量且高质量的打标数据非常关键。但通常而言，莫说高质量，就是想获取大量的影像数据就已困难重重。 那怎么...
深度学习之迁移学习介绍与使用
迁移学习概述 在深度学习领域，通过预训练模型作为检查点开始训练生成神经网络模型实现对新任务的支持，这种方法通常被称为迁移学习，它的好处是不用再重头开始设计与训练一个全新的网络，而是基于已经训练好的网络模型，在其基础上进行参数与知识迁移，只需要很少量的计算资源开销与训练时间就可以实现对新任务的支持。 要理解迁移学习的整个过程就是要搞清楚下面三件事： 迁移学习迁移什么 迁移学习是怎么迁移的...
数据不够怎么训练深度学习模型？不妨试试迁移学习
深度学习大牛吴恩达曾经说过：做AI研究就像造宇宙飞船，除了充足的燃料之外，强劲的引擎也是必不可少的。假如燃料不足，则飞船就无法进入预定轨道。而引擎不够强劲，飞船甚至不能升空。类比于AI，深度学习模型就好像引擎，海量的训练数据就好像燃料，这两者对于AI而言同样缺一不可。 随着深度学习技术在机器翻译、策略游戏和自动驾驶等领域的广泛应用和流行，阻碍该技术进一步推广的一个普遍性难题也日渐凸显：训练模型所....
Facebook AI 用深度学习实现编程语言转换，代码库迁移不再困难！
从旧式编程语言（例如COBOL）到现代语言（例如Java或C ++）的代码库迁移是一项艰巨的任务，需要源语言和目标语言方面的专业知识。 例如，COBOL至今仍在全球大型机系统中广泛使用，因此公司，政府和其他组织通常必须选择，是手动翻译其代码库，还是致力于维护使用可追溯到1950年代的语言编写的代码。 Facebook AI开发了Transcoder，可以使代码迁移变得更加轻松....
深度学习的迁移模型
香港科技大学计算机系主任杨强在CCAI 2017中国人工智能大会上做了主题为《深度学习的迁移模型》的分享，就迁移学习的介绍及发展趋势，迁移学习的优点，难点和深度学习的迁移模型做了深入的分析。 https://yq.aliyun.com/download/205?spm=a2c4e.11154804.0.0.65516a79EXdxEs
android中的深度学习——快速风格迁移
本文首发于简书——何时夕，搬运转载请注明出处，否则将追究版权责任。 被处理的图片 最近学了近一个月半月的深度学习，所以想检验一下学习成果。正好毕设是图像处理APP的实现，所以就把快速风格迁移的前馈神经网络通过Tensorflow for Android移植到了APP上面，作为滤镜快速风格迁移的效果还挺不错，就是速度有点慢。可能和现在Android端的深度学习还不支持gpu有关吧。 ...
中国人工智能学会通讯——深度学习的迁移模型 四、迁移学习应用案例
四、迁移学习应用案例 下面说一下我和我的学生一起做的迁移学习的工作，尤其是跟深度学习结合。 一个叫戴文渊的学生，在第四范式这个公司做的工作就很有意义，他们为银行做一个大额产品的营销，比如说车贷，比较贵的车贷的样本非常少，少于100个，这么少的数据是没办法建模型的，怎么办？去借助小微贷款的数据，比如说上亿客户的交流，然后发现两个领域，一个是小微贷款，一个是大额贷款，它们之间的共性，把这个模型迁移过....
中国人工智能学会通讯——深度学习的迁移模型 一、迁移学习的三大优点
一、迁移学习的三大优点 为什么我们做迁移学习？我总结了三条原因。 ●小数据。我们生活当中大量遇见的是小数据而不是大数据，当数据很稀疏，看到不同的类别我们还是能在当中做出很靠谱的模型。这并不是空穴来风，而是之前我们有过很多大数据的经验可以去借鉴，站在大数据的巨人肩膀上，所以人工智能大量的应用，迁移学习这种模式是必不可少的。 ●可靠性。 即使我们有一个大数据模型，我们也很关心它的可靠性。把一个模型迁....
中国人工智能学会通讯——深度学习的迁移模型
今天很高兴跟大家分享我和研究生同学在研究当中的一些心得，总结起来叫做“深度学习的迁移模型”。 首先讲一下我们的出发点，我们知道AlphaGo很厉害，但是它还有哪些点不够？它不会举一反三。你让它下一盘棋，它不会利用前面的知识来帮助自己很快地学习新的棋艺，更不会利用下棋的知识做一些其他事，比如说自动驾驶。我们人是有这个能力的，如何能够赋予计算机做这件事，这就是我们研究的一条主线。 由此引入我们的研究....
深度学习实践：如何使用Tensorflow实现快速风格迁移？
一、风格迁移简介 风格迁移（Style Transfer）是深度学习众多应用中非常有趣的一种，如图，我们可以使用这种方法把一张图片的风格“迁移”到另一张图片上： 然而，原始的风格迁移（点击查看论文）的速度是非常慢的。在GPU上，生成一张图片都需要10分钟左右，而如果只使用CPU而不使用GPU运行程序，甚至需要几个小时。这个时间还会随着图片尺寸的增大而迅速增大。 这其中的原因在于，在原始的风格迁.....
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
智能引擎技术
AI Online Serving，阿里巴巴集团搜推广算法与工程技术的大本营，大数据深度学习时代的创新主场。
+关注