深度学习具有极高的计算需求， 要对深度学习应用进行开发并商业化，就需要找到合适的硬件配置。目前，在开发用于深度学习应用的高效硬件平台这一领域，竞争十分激烈。本文将介绍具体的硬件要求，并讨论未来对深度学习硬件的展望。

GitHub 上最流行的 57 款深度学习项目（按 stars 排名）。 1.TensorFlow 使用数据流图计算可扩展机器学习问题 TensorFlow 是谷歌的第二代机器学习系统，按照谷歌所说，在某些基准测试中，TensorFlow

sat on the mat」： 然而，在实际应用中，我们希望学习模型能够在词汇量很大（10,000 字以上）的情况下进行学习。从这里能看到 使用「独热码」表示单词的效率问题 ——对这些词汇建模的任何神经网络的输入层至少都有

典的图像处理方法来处理的。而现代深度学习技术有可能提供更可靠、更自动化的解决方案。 2016年由Kaggle赞助的 左心室分割挑战赛 中的三名获奖者都采用了深度学习解决方案。然而，分割右心室（RV）则更具挑战性，因为：

com/p/533832.html 编者注：深度学习火了，从任何意义上，大家谈论它的热衷程度，都超乎想象。但是，似乎很少有人提出不同的声音，说深度学习的火热，有可能是过度的繁荣，乃至不理性的盲从。而这次，有不同的想法出现了。

动的方式构建一个对话系统？ 最近基于数据的自然语言对话技术取得了突破性的进展。我们发现，利用深度学习和大数据，可以很容易地构建一个单轮对话系统， 自动生成对话 ，并且取得惊人的好效果。比如，用5百

随着深度学习在计算机视觉、自然语言处理等领域取得的成果越来越显著，对深度学习的讨论越来越多。作为当下最热门的话题，从 2015 年至今，短短三年时间，谷歌、Facebook、微软等国外巨头，百度、小米

1. TensorFlow 使用数据流图计算可扩展机器学习问题 TensorFlow 是谷歌的第二代机器学习系统，按照谷歌所说，在某些基准测试中，TensorFlow 的表现比第一代的 DistBelief

深度学习是一门经验科学，许多基础设施的质量也在倍增。幸运的是，现在的开源生态系统可以使任何人建立不错的深度学习基础设施。 在这篇文章中，我们将讲述深度学习研究通常如何进行，介绍可选的对应基础设施以

在机器学习领域中今天最流行的词汇是 —— 深度学习。这是由 Geoff Hinton 提出的一项技术，Geoff 之前在微软研究院工作，现在在 Google。而其他计算机科学研究人员如 Yann LeCun

本文是百度文章《基于深度学习的图像识别进展：百度的若干实践》的摘要，其中个人观点仅供参考。 1        深度学习三大优势 在百度的实践中，我们认识到深度学习主要在以下三个方面具有巨大优势：

过去几周，我们一直在采用深度学习算法为未来几周即将推出的一个新VentureRadar功能而努力。这激起了我寻找更多开发和应用深度学习的创业公司的兴趣，所以我决定在VentureRadar的数据库中选

Caffe（ http://caffe.berkeleyvision.org/ ）是一个清晰而高效的深度学习框架，其作者是博士毕业于UC Berkeley的贾扬清（ http://daggerfs.com/

csdn.net/songrotek/article/details/50572935 1 学习资料 增强学习课程 David Silver （有视频和ppt）: http://www0.cs.ucl

Theano-Lights是一个基于Theano的深度学习研究框架，提供了Several recent Deep learning 模型实现和一个便利的训练和测试功能。The models are not

面向机器视觉的深度学习资源汇总

导读：这是《神经网络和深度学习简史》第一部分。这一部分，我们会介绍1958年感知器神经网络的诞生，70年代人工智能寒冬以及1986年BP算法让神经网络再度流行起来。 序言：深度学习掀起海啸 如今，深度学习浪潮拍打

深度学习大讲堂是高质量原创内容的平台，邀请学术界、工业界一线专家撰稿，致力于推送人工智能与深度学习最新技术、产品和活动信息！ 摘要 商品检索是一门综合了物体检测、 图像分类以及特征学习的技术。 近期，

做一些相关的工作（希望有小伙伴一起交流）。 一、相关文章 关于DRL，这方面的工作基本应该是随着深度学习的爆红最近才兴起的，做这方面的研究的一般都是人工智能领域的大牛。最早（待定）的一篇可以追溯到2010年，Lange

在 codelab 项目中，你将学习如何构建并训练出能够识别手写数字的神经网络。在这过程中，当这个神经网络的准确度提升至 99％时，你还会发现深度学习专业人士用来有效训练模型的贸易工具。 这个