AI/DL在迅速发展 随着数据量的爆发式增长和计算能力的不断提升，以及在算法上的不断突破，人工智能（AI，Artificial Intelligence ）和其支持的深度学习（DL，Deep Learning）计算模型取得了突飞猛进的发展。
热点热议
知识整理
深入解析TRUNCATE TABLE – 手工修复和验证过程
美文回顾
【图像分割里程碑】南开提出首个人眼模拟分割指标，性能当前最优
作者：技术小能手 发表在：paperweekly
有奖话题讨论
8月6日云栖精选夜读 | 阿里云CPFS在人工智能/深度学习领域的实践
2018-08-06
3603
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
目录
相关文章
|
16天前
|
机器学习/深度学习
人工智能
安全
探索AI的未来：从机器学习到深度学习
【10月更文挑战第28天】本文将带你走进AI的世界，从机器学习的基本概念到深度学习的复杂应用，我们将一起探索AI的未来。你将了解到AI如何改变我们的生活，以及它在未来可能带来的影响。无论你是AI专家还是初学者，这篇文章都将为你提供新的视角和思考。让我们一起探索AI的奥秘，看看它将如何塑造我们的未来。
53
3
3
|
6天前
|
机器学习/深度学习
人工智能
TensorFlow
人工智能浪潮下的自我修养：从Python编程入门到深度学习实践
【10月更文挑战第39天】本文旨在为初学者提供一条清晰的道路，从Python基础语法的掌握到深度学习领域的探索。我们将通过简明扼要的语言和实际代码示例，引导读者逐步构建起对人工智能技术的理解和应用能力。文章不仅涵盖Python编程的基础，还将深入探讨深度学习的核心概念、工具和实战技巧，帮助读者在AI的浪潮中找到自己的位置。
29
6
6
|
19天前
|
机器学习/深度学习
数据采集
人工智能
AI赋能教育：深度学习在个性化学习系统中的应用
【10月更文挑战第26天】随着人工智能的发展，深度学习技术正逐步应用于教育领域，特别是个性化学习系统中。通过分析学生的学习数据，深度学习模型能够精准预测学生的学习表现，并为其推荐合适的学习资源和规划学习路径，从而提供更加高效、有趣和个性化的学习体验。
75
9
9
|
10天前
|
机器学习/深度学习
人工智能
自然语言处理
深度学习中的卷积神经网络：从理论到实践
【10月更文挑战第35天】在人工智能的浪潮中，深度学习技术以其强大的数据处理能力成为科技界的宠儿。其中，卷积神经网络（CNN）作为深度学习的一个重要分支，在图像识别和视频分析等领域展现出了惊人的潜力。本文将深入浅出地介绍CNN的工作原理，并结合实际代码示例，带领读者从零开始构建一个简单的CNN模型，探索其在图像分类任务中的应用。通过本文，读者不仅能够理解CNN背后的数学原理，还能学会如何利用现代深度学习框架实现自己的CNN模型。
33
9
9
|
8天前
|
机器学习/深度学习
人工智能
自然语言处理
人工智能与深度学习：探索未来技术的无限可能
在21世纪，人工智能（AI）和深度学习已经成为推动科技进步的重要力量。本文将深入探讨这两种技术的基本概念、发展历程以及它们如何共同塑造未来的科技景观。我们将分析人工智能的最新趋势，包括自然语言处理、计算机视觉和强化学习，并讨论这些技术在现实世界中的应用。此外，我们还将探讨深度学习的工作原理，包括神经网络、卷积神经网络（CNN）和循环神经网络（RNN），并分析这些模型如何帮助解决复杂的问题。通过本文，读者将对人工智能和深度学习有更深入的了解，并能够预见这些技术将如何继续影响我们的世界。
37
7
7
|
7天前
|
机器学习/深度学习
数据采集
自然语言处理
深入浅出深度学习：从理论到实践
【10月更文挑战第38天】本文旨在通过浅显易懂的语言和直观的代码示例，带领读者探索深度学习的奥秘。我们将从深度学习的基本概念出发，逐步深入到模型构建、训练以及应用实例，让初学者也能轻松入门。文章不仅介绍了深度学习的原理，还提供了实战操作指南，帮助读者在实践中加深理解。无论你是编程新手还是有一定基础的学习者，都能在这篇文章中找到有价值的内容。让我们一起开启深度学习之旅吧！
17
4
4
|
6天前
|
机器学习/深度学习
人工智能
算法
基于Python深度学习的【垃圾识别系统】实现~TensorFlow+人工智能+算法网络
垃圾识别分类系统。本系统采用Python作为主要编程语言，通过收集了5种常见的垃圾数据集（'塑料', '玻璃', '纸张', '纸板', '金属'），然后基于TensorFlow搭建卷积神经网络算法模型，通过对图像数据集进行多轮迭代训练，最后得到一个识别精度较高的模型文件。然后使用Django搭建Web网页端可视化操作界面，实现用户在网页端上传一张垃圾图片识别其名称。
29
0
0
|
6天前
|
机器学习/深度学习
人工智能
算法
基于深度学习的【蔬菜识别】系统实现~Python+人工智能+TensorFlow+算法模型
蔬菜识别系统，本系统使用Python作为主要编程语言，通过收集了8种常见的蔬菜图像数据集（'土豆', '大白菜', '大葱', '莲藕', '菠菜', '西红柿', '韭菜', '黄瓜'），然后基于TensorFlow搭建卷积神经网络算法模型，通过多轮迭代训练最后得到一个识别精度较高的模型文件。在使用Django开发web网页端操作界面，实现用户上传一张蔬菜图片识别其名称。
28
0
0
|
9天前
|
机器学习/深度学习
自然语言处理
语音技术
深度学习的奇妙之旅：从理论到实践
【10月更文挑战第36天】在本文中，我们将一起探索深度学习的神秘世界。我们将首先了解深度学习的基本概念和原理，然后通过一个简单的Python代码示例，学习如何使用深度学习库Keras进行图像分类。无论你是深度学习的初学者，还是有一定基础的学习者，都可以从这篇文章中获得新的知识和启示。
25
1
1
|
14天前
|
机器学习/深度学习
监控
PyTorch
深度学习工程实践：PyTorch Lightning与Ignite框架的技术特性对比分析
在深度学习框架的选择上，PyTorch Lightning和Ignite代表了两种不同的技术路线。本文将从技术实现的角度，深入分析这两个框架在实际应用中的差异，为开发者提供客观的技术参考。
34
7
7