人工智能技术的发展趋势无法阻挡。人工智能将影响我们生活中的不同行业，人们充满期待。人工智能的普及程度是，到2025年，预计全球人工智能市场价值将接近600亿美元。为了见证人工智能在医疗保健、银行与金融、交通、零售与商业、社交媒体、制造业和商业等行业的指数级增长，我们将趋势分解为特定的行业。因此，以下是一些令人惊叹的人工智能技术趋势，见证了它给这些行业带来的机遇，以及人工智能在2020年的影响。
在训练神经网络的时候，需要调的参数很多，选一组最适合自己模型的参数。实际训练的时候如果不按照一定的顺序，会很乱。因此正确有序地调参很重要。
Batch 的选择，首先决定的是下降的方向。如果数据集比较小，完全可以采用全数据集 （ Full Batch Learning ）的形式，这样做至少有 2 个好处：其一，由全数据集确定的方向能够更好地代表样本总体，从而更准确地朝向极值所在的方向。其二，由于不同权重的梯度值差别巨大，因此选取一个全局的学习率很困难。
3G～4G随着智能手机的出现以及内容丰富，开启了移动互联网时代，那么5G来临后，下一代类比智能手机的终端侧有可能是智能汽车，有望进一步引爆车联网市场。
GPU呈现模式分析中颜色的意义：本文分别介绍了使用运行 Android 6.0 及更高版本、Android 4.0 和 5.0的设备时分析器输出中某个竖条的每个区段。
大家都遇到过这种情况，训练的时候没什么问题，测试的时候就不对劲了，想找问题，感觉无处入手，那么今天，给你37个建议，看看再说吧。
如果你对人工智能和机器学习的理解还不是很清楚，那么本文对你来说将会很有用。我将配合图文解说来帮助你全面理解机器学习。如果它们不能激发你的兴趣，那我也没办法了。
在卷积神经网络中，感受野是一个非常重要的概念，今天，我们具体来看一下感受野的相关概念以及如何计算感受野。
对于一个分类的问题的简化，我们可以先训练一个Basic classfier，然后将其共享给following classfier，通过多层的分类器进行特征的提取，用较少的数据就可以训练好网络。而在deep的模型当中，Basic classfier是由神经网络自己学到的，然后通过更多层的网络可以使得classfier逐渐学到更加深层次的特征。这就是deep network能够work的原因。
交叉验证是在机器学习建立模型和验证模型参数时常用的办法。交叉验证，顾名思义，就是重复的使用数据，把得到的样本数据进行切分，组合为不同的训练集和测试集，用训练集来训练模型，用测试集来评估模型预测的好坏。在此基础上可以得到多组不同的训练集和测试集，某次训练集中的某样本在下次可能成为测试集中的样本，即所谓“交叉”。