神经网络

边缘计算和人工智能(AI)等技术可以拓宽高性能计算的能力，并向各个领域提供高性能处理能力。本文列出的是影响高性能计算主题的关键技术趋势。

在本篇文章中我们将讨论神经网络中常见的激活函数，并使用可视化技术帮助你了解激活函数的函数定义和不同的使用场景。

我们的目标是理解语言，而这可能是机器能够真正理解句子中的“it”所指，以及理解“it”所包含的一切的唯一途径。

人工智能是人类智能的一个计算机的实现，从对决的角度，它永远不可能超过人类智能，只是说在某一个特定的方面它可能胜出，但从智能本身它没办法胜出。

本文介绍在使用 PyTorch 训练深度模型时最省力、最有效的 17 种方法。该文所提方法，都是假设你在 GPU 环境下训练模型。

知识蒸馏的简单介绍，让大家了解知识蒸馏背后的直觉。

CNN在图像识别、目标检测和语义分割等多个计算机视觉领域有着广泛的应用。

在过去的十年中，深度学习在解决许多以前被认为无法解决的问题方面发挥了重要作用，并且在某些任务上的准确性也与人类水平相当甚至超过了人类水平。

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。

神经网络是机器学习的一个迷人的领域，但是它们有时很难优化和解释。事实上，它们有几个超参数。要优化的最常见的超参数是隐藏层中的神经元数量。让我们看看如何为我们的数据集找到一个神经网络的最佳神经元数量。