谷歌2017开发者大会 Google I/O已经落幕,有不少亮点都值得我们学习和回顾,其中相当一部分是机器学习开发的内容。AI研习社精选了其中的精彩视频译制呈现给大家,该视频为中文字幕版首发!
来自谷歌TensorFlow技术推广部的Josh Gordon 带来了一场主题为《用于图像、语言和艺术的开源TensorFlow模型》(Open Source TensorFlow Models for images, language and art)的演讲,介绍了最新的从图像识别和语义理解的TensorFlow 模型,和大家分享了深度学习的一些思考,并反复强调了开源的初衷和价值。
内容涵盖从图像识别和语义理解,重点如下:
一、图像识别:Inception模型
Inception深度学习神经网络模型结构
深度神经网络图片识别原理,通过学习在堆栈最上层对猫和狗进行归类
Josh展示了来自Keras的代码,几行代码搞定深度学习
还可以借助TensorBoard这款帮助开发的可视化工具
在谷歌的云平台上直接调用 Inception模型的 API识别一张照片,代码超级少
迁移学习的原理
Josh解释了Deep Dream令人着迷之处:深度神经网络何以擅长识别图片
图像识别中的卷积概念温习
Deep Dream算法的核心
二、语言
Josh为大家讲解 SyntaxNet家族中的Parsey Saurus,它是目前世界上最准确的自然语言处理器,同样也开源。Parsey Saurus 是在字符层面,而非词的层面处理,所以得到的结果更为精准。
三、Learn more
大家如果希望对图像识别和自然语言处理的基本理论进一步夯实与加强,可以查阅AI研习社往期发布的深度学习祖师爷Hinton的经典课程《面向机器学习的神经网络》。