Источник последних достоверных статей, видео и проектов по машинному обучению для ученых и инженеров.
Рекомендовано на этой неделе
Статьи
- 9 статей по глубокому обучению, о которых вам нужно знать
- Использование глубокого обучения для восстановления звука высокого разрешения
- Разберитесь в коде PyTorch за 10 минут
Статьи
- Внимание - это все, что вам нужно »от Google Folk получил 41,0 балла по новейшей модели BLEU для одной модели.
- FreezeOut: ускорение обучения за счет постепенного замораживания слоев дает 20% ускорение без потери точности для ResNet, 20% ускорение с 3% потерей точности для DenseNets.
- YellowFin и искусство настройки импульса - представляет автоматический тюнер как для импульса, так и для скорости обучения в SGD. Сходится за меньшее количество итераций, чем у Адама, на больших моделях ResNet и LSTM, с ускорением до 2,8 раз в синхронных настройках и 2,7 раза в асинхронных настройках.
- Шумные сети для исследования - ребята из DeepMind представили NoisyNet: общий метод исследования RL, который обеспечивает сверхчеловеческую производительность в широком спектре игр Atari.
- Вариационные автоэнкодеры с нарушением правил - опубликовано в виде доклада на конференции ICLR 2017.
Видео
- « Обработка естественного языка с глубоким обучением » Стэнфордские лекции (зима 2017 г.). Руководят Крисом Мэннингом и Ричардом Сохером.
- Генеративные состязательные сети для начинающих практическое руководство, сопровождаемое статьей и блогом.
- Видео лекций по курсу Глубокое обучение с подкреплением от Калифорнийского университета в Беркли
- AI DeepMind изучает сверхчеловеческое реляционное мышление - двухминутный обзор статьи.
Проекты
- Tensor2Tensor - система для обучения моделей глубокого обучения в TensorFlow от команды Google Brain. Включает библиотеку современных наборов данных и моделей.
- K eras-vis - инструментарий нейросетевой визуализации для keras.
- BayesSearchCV - блокнот, демонстрирующий новый байесовский поиск гиперпараметров в scikit-optimize.
Спасибо за внимание! Если вы сочтете контент ценным, вы найдете больше в нашем Twitter @ ML_Review.
Сообщите нам, если вы думаете, что мы забыли что-то интересное или какие-либо идеи, как мы можем быть для вас более полезными.
Увидимся на следующей неделе!