mnist
收录了 mnist 频道下的 50 篇内容
深入浅出 TensorFlow（二）：TensorFlow 解决 MNIST 问题入门
本文是整个系列的第二篇文章，将会简单介绍TensorFlow安装方法、TensorFlow基本概念、神经网络基本模型，并在MNIST数据集上使用TensorFlow实现一个简单的神经网络。
用 MXnet 实战深度学习之一：安装 GPU 版 mxnet 并跑一个 MNIST 手写数字识别
本文是一系列深度学习的简单实战教程的第一篇，用MXnet做实现平台的实例代码，简单讲解深度学习常用的一些技术方向和实战样例。来自Phunter的博客，Phunter的职业是数据科学家，DMLC (http://dmlc.ml/) 工具包贡献者之一。
重磅：构建 AIOps 的 MNIST
本文将主要介绍在监控数据异常标注实践中遇到的问题和解决方案。
用 FATE 进行图片识别的联邦学习实践
FATE（Federated AI Technology Enabler）是联邦机器学习技术的一个框架，其旨在提供安全的计算框架来支持联邦 AI 生态。
前端智能化：实现自己的控件识别模型
完成本教程，你可以开始进行自己的前端智能化项目，用机器学习解决编程过程中遇到的问题。
深入浅出 Tensorflow（三）：训练神经网络模型的常用方法
本文将介绍优化训练神经网络模型的一些常用方法，并给出使用TensorFlow实现深度学习的最佳实践样例代码。为了更好的介绍优化神经网络训练过程，我们将首先介绍优化神经网络的算法——梯度下降算法。然后在后面的部分中，我们将围绕该算法中的一些元素来优化模型训练过程。
隆重推出 Amazon SageMaker Operators for Kubernetes
AWS 很高兴地宣布正式推出 Amazon SageMaker Operators for Kubernetes。
深度学习入门（六）：手写数字识别
本文节选自图灵程序设计丛书 《深度学习入门》一书中的部分章节。
深入浅出 Tensorflow（四）：卷积神经网络
本文将介绍卷积神经网络，通过与传统算法的对比、卷积神经网络的结构分析等方面来介绍卷积神经网络模型，并给出通过TensorFlow在MNIST数据集上实现卷积神经网络的方法。
人人都可以做深度学习应用：入门篇
人人都可以做深度学习应用！从环境搭建到简单实例，本文带你入门。
生成式深度学习
本文介绍多种生成式网络。
深入浅出 TensorFlow（七）TensorFlow 计算加速
要将深度学习应用到实际问题中，一个非常大的问题在于训练深度学习模型需要的计算量太大。为了加速训练过程，本文将介绍如何通过TensorFlow利用GPU或/和分布式计算进行模型训练。
AI 一周热闻：华为孟晚舟获保释，朋友圈报平安；苹果部分手机在中国遭禁售
AI前线导读：更多干货内容请关注微信公众号“AI前线”（ID：ai-front）当地时间11日下午，不列颠哥伦比亚省高等法院的法官宣布，准许孟晚舟获得保释。
Tensorflow 中 ring all-reduce 的实现
那如何在Tensorflow代码中实现ring all-reduce呢
AWS 将 Amazon SageMaker Opeartors 正式引入 Kubernetes，开发者可轻松训练模型
这项新功能让开发人员轻松训练、调整以及部署机器学习模型。
深入浅出 TensorFlow（六）TensorFlow 高层封装
为了让TensorFlow使用起来更加灵活，更加方便，可以使用一些高级封装。本文将介绍TensorFlow的四种主要封装：TensorFlow-Slim、tf.contrib.learn（之前也被称为skflow）、TFLearn、Keras；同时还将通过其中常用的三种方式在MNIST数据集上实现卷积神经网络。
GAN 毕业手册：从零到一构建自己的 GAN 模型
本文首先对生成对抗网络（GAN）的发展进行了简单的介绍。随后深入探讨了 GAN 的网络原理，并介绍了网络的评价指标。最后带领读者创建并运行自己的 GAN，利用 MNIST 数据集训练网络，用 Comet.ml 对实验数据和参数进行分析，并生成手写数字。
Caffe 的深度学习训练全过程
Caffe是一款十分知名的深度学习框架，由加州大学伯克利分校的贾扬清博士于2013年在Github上发布。自那时起，Caffe在研究界和工业界都受到了极大的关注。Caffe的使用比较简单，代码易于扩展，运行速度得到了工业界的认可，同时还有十分成熟的社区。 本文分为这几个部分： 数据预处理（建立数据库） 网络结构与模型训练的配置 训练与在训练 训练日志分析 预测检验与分析 性能测试
Yann LeCun 都推荐的深度学习资料合集
本文是GitHub上的一个项目，包含了几乎人工智能领域全部的资料合集。
京公网安备 11010502039052号 | 产品资质
