深度学习

飞桨框架的核心技术，主要包括前端语言、组网编程范式、核心架构、算子库以及高效率计算核心五部分。

在本文中，我们将分享一些将图像转换为特征向量的技术，可以在每个分类模型中使用。

在深度学习领域，被称为“目标检测”的子学科是包括通过图片、视频或网络摄像头来识别对象的过程。

在过去的 10 年里，性能最好的人工智能系统都是由一种称为「深度学习」的技术产生的。

Excelero公司首席技术官Sven Breuner和首席架构师Kirill Shoikhet分享了9个为人工智能、机器学习和深度学习准备数据中心的最佳实践。

来自周志华老师关于《关于深度学习的思考》

深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。

图像增强是我们在深度学习领域中绕不开的一个话题，本文我们将讨论什么是图像增强，并在三个不同的 python 库中实现它，即 Keras、Pytorch 和 augmentation（专门用于图像增强的一个库）。所以第一个问题就是什么是图像增强以及常规的数据增强。

2019年，欧盟出台的《人工智能道德准则》中明确提出，人工智能的发展方向应该是“可信赖的”，能够包含安全、隐私和透明、可解释等多个方面。但随着人工智能技术不断普及，由此产生的风险也浮出水面，主要体现在两大方面：1、信任危机，即能否信任和依赖人工智能算法输出的结果。2、道德危机，Deepfake技术的出现在带来新鲜感的同时，也引发了人们对于深度学习和人工智能技术滥用的担忧。