一文读懂「Attention is All You Need」| 附代码实现
前言
2017 年中，有两篇类似同时也是笔者非常欣赏的论文，分别是 FaceBook 的 Convolutional Sequence to Sequence Learning 和 Google 的 Attention is All You Need，它们都算是 Seq2Seq 上的创新，本质上来说，都是抛弃了 RNN 结构来做 Seq2Seq 任务。
深度学习必备手册（上）
深度学习作为人工智能的前沿技术，虽然一方面推动者人工智能的发展；但是人类的终极目标是强人工智能，最近也有一些关于类似于笔者认为的广度学习的出现，但是宗其所属，还是应该在深度学习发展的历史上前进。
卷积神经网络应用：基于Tensorflow的CNN/CRF图像分割技术
本篇文章验证了卷积神经网络应用于图像分割领域时存在的一个问题——粗糙的分割结果。根据像素间交叉熵损失的定义，我们在简化的场景下进行了模型的训练，并使用后向传播来更新权重。我们使用条件随机场（CRFs）来解决分割结果粗糙的问题，并取得了很好的效果。本文中的代码注释详细、功能完善，也便于读者阅读。
卷积神经网络实战（可视化部分）——使用keras识别猫咪
在近些年，深度学习领域的卷积神经网络（CNNs或ConvNets)在各行各业为我们解决了大量的实际问题。但是对于大多数人来说，CNN仿佛戴上了神秘的面纱。我经常会想，要是能将神经网络的过程分解，看一看每一个步骤是什么样的结果该有多好！这也就是这篇博客存在的意义。
手把手教你搭建AI开发环境 !（附代码、下载地址）
人最大的长处就是有厉害的大脑。电脑、手机等都是对人大脑的拓展。现今，我们每个人都有这个机会，让自己头脑在智能的帮助下，达到极高的高度。所以，拥抱科技，让智能产品成为我们个人智力的拓展，更好的去生活、去战斗。
