云水木石

由于处理器性能和电池容量有限，在移动设备上使用计算密集的机器学习模型进行推断是非常耗资源的。 虽然可以采用一种加速途径：转换为定点数模型，但用户已经要求作为一种选项，为加速原始浮点模型推理提供GPU支持，而不会产生额外的复杂性和潜在的量化精度损失。 我们听取了用户的心声，很高兴…

在我们看来，计算机就是一台严丝合缝、精密运转的机器，严格按照程序员下达的指令工作。虽然产品上线之后经常碰到迷之问题，但我们通常会检讨程序设计得不够完美，而不会认为这是理所当然。因为我们相信只要程序设计严谨，将各种意外情况考虑在内，就会消除这种不确定问题。 然而到了机器学习，特别…

在上一篇文章《使用数据增强技术提升模型泛化能力》中，我们针对训练数据不足的问题，提出采用数据增强（data augmentation）技术，提升模型的准确率。最终结果是：在17flowers数据集上，我们将准确率从60%多增加到70%，取得了不错的效果。然而，对于一个商业应用来…

在《提高模型性能，你可以尝试这几招...》一文中，我们给出了几种提高模型性能的方法，但这篇文章是在训练数据集不变的前提下提出的优化方案。其实对于深度学习而言，数据量的多寡通常对模型性能的影响更大，所以扩充数据规模一般情况是一个非常有效的方法。 对于Google、Facebook…

开始机器学习知识的学习，差不多已经有一年的时间。这期间看了很多教材和书籍，有些深入进行了学习，有些书（比如深度学习领域著名的西瓜书）则看不下去。机器学习其实也有许多方向，比如强化学习、计算机视觉、自然语言处理等等，如果每个方向都学习的话，普通人也没有那么多精力。 在经过一年的泛…

You only look once（你只需看一次），或者YOLO，是目前比较快的目标对象检测算法之一。虽然它不再是最精确的目标对象检测算法，但是当您需要实时检测时，它是一个非常好的选择，不会损失太多精确度。 2018年上半年，YOLO的第三个版本问世，这篇文章旨在解释YOLO…

对于人工智能和机器学习而言，过去的一年是非常重要的一年。许多最新的具有很大影响力的机器学习应用开发出来并得到应用，特别是在医疗保健、金融、语音识别、增强现实，以及更复杂的3D和视频等领域。 我们已经看到了更多的应用驱动型研究，而不是理论研究。虽然这可能有其缺点，但它暂时产生了一…

日历哗啦啦的往前翻，很快就要翻过2018，迎来2019年。今天预报了好久的大雪终于降临到了武汉，外面白雪皑皑，家中温暖如春，这个时候感觉最惬意。古人有诗云：绿蚁新醅酒，红泥小火炉。晚来天欲雪，能饮一杯无？，而现代人则在朋友圈中欢呼着下雪，各有各的庆祝方式，并无高下之分。 在后台…

在硬件设计领域，模块化设计是通用的设计准则，特别是大规模集成电路出现之后，硬件工程师并不需要从头设计，而是寻找合适的模块，将它们组合起来，完成所需的功能。软件设计领域也同样如此，比如Windows时代的COM组件、中间件，等等。当然，由于软件的灵活性和复杂性，无法做到像硬件领域…