Inceptionism，并命名为 DeepDream。DeepDream 的开源除了帮助我们深入了解深度学习的工作原理外，还能生成一些奇特、颇具艺术感的图像。不久前，一位研究人员发表了一篇论文，提出了一种

CXXNET快速、简洁、分布式深度学习框架。 特性 Lightweight: small but sharp knife cxxnet contains concise implementation of

其实，AI除了可以做我们熟知的人脸、语音等识别之外，它可以做蛮多有趣的事情。 例如，让AI学习大量古诗之后写古诗，并且可以写出质量非常不错的古诗。 又或者，将两部设计造型不同的汽车进行

集群和算法来加速深度学习。这篇博文最早版本发布于 2014 年 8 月，之后随着相关技术的发展和硬件的更新，Dettmers 也在不断对本文进行修正。2016年7月18日，机器之心曾经推出文章 为你的深度学习任

在2015年11月9号Google发布了人工智能系统TensorFlow并宣布开源，此举在深度学习领域影响巨大，也受到大量的深度学习开发者极大的关注。当然，对于人工智能这个领域，依然有不少质疑的声音，但不可否认的是人工智能仍然是未来发展的趋势。

美国国防部高级研究计划局（DARPA）正在开发能够更好理解人类语言的深度学习技术，可以自动向情报分析人员汇报有用信息。 提到人工智能和自然语言处理，人们会想到谷歌、微软和雅虎等公司，却忽略了另外一

Fergus与纽约大学库朗计算机科学研究所的Emily Denton联合完成的， 论文 题目叫做《用对抗网络拉普拉斯金字塔的深度生成式图像模型（Deep Generative Image Models using a Laplacian

LinkedIn（领英）公布了一份在深度学习方面位于世界前列的 公司名单 。该名单依托于 LinkedIn 广大用户的个人技能和所在公司的数据，通过分析各公司所包含深度学习技能的员工个数得出。 其详细排名情况如下：

CNTK，是微软去年开源的 深度学习框架 。 作为语音识别领域声名卓著的开发工具，Microsoft Cognitive Toolkit 具有相当不错的可扩展性、速度和精确性。在海量数据上开发深度学习应用，它具备

JPEG2000 的图像仍可识别。 深度学习技术设计压缩算法的目的 通过深度学习技术设计压缩算法的目的之一是学习一个比离散余弦变换或小波变换更优的变换，同时借助于深度学习技术还可以设计更简洁的端到端算法，因而能够设计出比

 浅谈深度学习(Deep Learning)的基本思想和方法 深度学习（Deep Learning），又叫Unsupervised Feature Learning或者Feature Learning，是目前非常热的一个研究主题。

Toolkit（CNTK）、Google TensorFlow 或其他深入学习框架构建，测试和部署适用于 Windows 和 Mac 的深度学习/ AI 解决方案。 该扩展与 Azure 机器学习无缝集成，可实现强大的实验功能，包括但

2016年，人工智能发展火热。作为人工智能一个重要分支的深度学习，也正在受到大家越来越多的关注。2016年是深度学习高速发展的一年。在这一年中，无论是工业界、学术界还是广大群众都投身到了深度学习的洪流之中。在工业界，谷歌（Go

月，英特尔为了加强其人工智能领域的能力，以 4 亿美元的天价收购了机器学习初创公司 Nervana 。该初创公司成立仅仅两年，却被公认为是机器学习技术开发的领导者。近日， Nervana 的联合创始人兼首席执行官

英特尔今天宣布推出开源 BigDL，一个用于 Apache Spark 开源集群计算框架的分布式深度学习库。 深度学习库是英特尔公司在行业中实现最先进的人工智能战略的一部分。在去年 11 月宣布的公司战略，

近些年来在深度学习热潮的推动下，人工智能领域的研究犹如机器之心的吉祥物土拨鼠在春天里一样不断涌现，到今天，一个人要阅读了解这一领域的所有研究已经不再具有任何实践的可能性。择其善者而读之已经成为了人工智

进行分类，类似的问题还包括根据植物的照片判断是那种花等，你也许会说，这样的问题不应该很简单吗，用深度学习就行了，一层不行就再加一层。 且慢，让我们先看看这个问题本身有那些本质的困难之处。首先是

神经网络是一种模拟生物学神经的机器学习模型，数据来源于输入层并流经具有各种激活阈值的节点。 递归神经网络是一种在输入被理解之前保持其内部记忆的神经网络，所以它们可以进行数据流中时间依赖的结构的学习。 机器学习早已在许多产

深度学习是机器学习中一种基于对数据进行表征学习的方法，作为当下最热门的话题，谷歌、Facebook、微软等巨头纷纷围绕深度学习做了一系列研究，一直在支持开源深度学习框架的建设。 过去一年间，在这些

容易理解——毕竟人类创造了所谓的人工智能，它们不可能超乎人类所能理解的范畴发展。 但谷歌的“深度学习（deep learning）”系统却颠覆了这一常识，谷歌的工程师都表示这套原本只是用来做实验的