PyTorch 2.0 官宣了一个重要特性 —— torch.compile，这一特性将 PyTorch 的性能推向了新的高度，并将 PyTorch 的部分内容从 C++ 移回 Python。torch.compile 是一个完全附加的（可选的）特性，因此 PyTorch 2.0 是 100% 向后兼容的。
OpenPose代表了第一个在单张图像上联合检测人体、手部、面部和足部关键点（共 135 个关键点）的实时多人系统。
假如你是一枚学生党，既没有钱，学校实验室计算卡又不够用，却入了机器学习的门，那你肯定用过一个神器：Google Colab。
最近，一位从事NLP工程师Gupta发现了TensorFlow存在的一个严重bug：
大家知道，我们一直在探索在FreeSWITCH里实现ASR和TTS的各种方案。这一次，我们遇到了Bark。
记得前不久刚陷入Tensorflow2.0的安装困境，这一次又被PyTorch 搞哭辽。
载入alexnet，draw_model函数需要传入三个参数，第一个为model，第二个参数为input_shape，第三个参数为orientation，可以选择'LR'或者'TB'，分别代表左右布局与上下布局。
作者 | Jeff Hale 译者 | Monanfei 责编 | 夕颜 出品 | AI科技大本营（id：rgznai100）
现在，你可以开发深度学习与应用谷歌Colaboratory -on的免费特斯拉K80 GPU -使用Keras，Tensorflow和PyTorch。
PyTorch 是一种非常灵活的深度学习框架，它允许通过动态神经网络（例如利用动态控流——如 if 语句或 while 循环的网络）进行自动微分。它还支持 GPU 加速、分布式训练以及各类优化任务，同时还拥有许多更简洁的特性。
这份Pytorch强化学习教程一共有八章，从DQN（Deep Q-Learning）开始，步步深入，最后向你展示Rainbow到底是什么。
这里有一份干货教程，手把手带你入门深度强化学习（Deep Reiforcement Learning），背景理论、代码实现全都有，在线领取无需安装哟！
原标题 | A Gentle Introduction to PyTorch 1.2
---- 新智元报道 编辑：润 好困 【新智元导读】谷歌Colab即将上线大模型辅助编程，代码生成，代码补全，聊天机器人全都有。 谷歌版的Github Copilot来了！ 5月17日，谷歌宣布，Google Colaboratory（Colab）即将加入全新的AI编码功能—— 代码生成，代码补全，代码聊天机器人，你能想到的全都有。 再加上Colab的之前提供的全云端运行的Jupyter笔记本环境，开发者可以方便使用Keras，TensorFlow，PyTorch，OpenCV等框架在谷歌提供的
机器学习论文的可复现性一直是个难题。许多机器学习相关论文要么无法复现，要么难以重现。有时候论文读者经常为了调用各种经典机器学习模型，还要重复造轮子。
最初，是 Google 发布的原始 Tensorflow 代码，一堆堆参数，一行行代码，扑面而来。让人看着，就眼晕。
https://github.com/open-mmlab/mmdetection
【新智元导读】Google Colab现在提供免费的T4 GPU。Colab是Google的一项免费云端机器学习服务，T4GPU耗能仅为70瓦，是面向现有数据中心基础设施而设计的，可加速AI训练和推理、机器学习、数据分析和虚拟桌面。
对于计算机视觉爱好者来说，YOLO（一次只看一次）是一种非常流行的实时对象检测概念，因为它的速度非常快并且性能出色。
GitHub上面，有个新发布的深度学习实践教程，叫PracticalAI，被PyTorch官方推特翻了牌，已经收获2600多标星。
对于PyTorch开发者来说，Google Colab上的TPU资源不能用，恐怕是最遗憾的事情了。Google的云计算资源眼看着不能用，转TensorFlow又是不可能的。
深度学习有很多框架和库。这篇文章对两个流行库 Keras 和 Pytorch 进行了对比，因为二者都很容易上手，初学者能够轻松掌握。
NVIDIA TensorRT是一个高性能深度学习推理平台。它包括深度学习推理优化器和运行时，可为深度学习推理应用程序提供低延迟和高吞吐量。推理时，基于TensorRT的应用程序比仅CPU平台的执行速度快40倍。使用TensorRT，您可以优化所有主流框架中训练出的神经网络模型。
一周前，亚马逊启动了 SageMaker Studio 的免费简化版 SageMaker Studio Lab，提供了一个时限为12小时的 CPU 实例和一个时限为 4 小时的 GPU 实例。SageMaker Studio Lab 成为继 Google Colab、Kaggle 和 Paperspace 之后的又一个免费深度学习计算空间。
专门为机器学习研究者开发的PyTorch轻量包装器(wrapper)。缩放您的模型。写更少的模板代码。
谷歌上个月底提出的EfficientNet开源缩放模型，在ImageNet的准确率达到了84.1%，超过Gpipe，已经是当前的state-of-the-art了。
Colab is a hosted Jupyter Notebook service that requires no setup to use and provides free access to computing resources, including GPUs and TPUs. Colab is especially well suited to machine learning, data science, and education.
在本视频中，NVIDIA将向您展示如何直接在 Google Colab 上快速启动NVIDIA TAO 工具包笔记本来训练 AI 模型，而无需设置任何基础设施。
想运行TuriCreate，却没有苹果电脑，也没有Linux使用经验，怎么办？用上这款云端应用，让你免安装Python运行环境。一分钱不用花，以高性能GPU，轻松玩儿转深度学习。
Colab全称Colaboratory，即合作实验室，是谷歌的提供的一个在线工作平台，使用Jupyter笔记本环境，完全运行在云端，且重点是提供了免费的K80及以上GPU算力。
对于不同人群可能有不同的答案，科研人员可能更偏爱PyTorch，因其简单易用，能够快速验证idea来抢占先机发论文。
项目地址：https://github.com/facebookresearch/maskrcnn-benchmark
模型剪枝属于模型优化中的重要技术之一，经过了研究人员多年的研究，工业界也开始有一些实践，那么当前有哪些可用的模型剪枝工具呢？
切换暗黑模式、读取 CSV 文件… 这些非常实用的小技巧为开发者使用谷歌 Colab Notebooks 提供了便利。
4月21日，Facebook 正式发布了 PyTorch 1.5，这是自 2020 年 1 月发布 Pytorch 1.4 之后，时隔三月迎来的另一次版本升级。
Google Colab 给广大的 AI 爱好者和开发者提供了免费的 GPU，他们可以在上面轻松地跑 Tensorflow、PyTorch 等深度学习框架。特别地，Colab 实时 Notebooks 在数据共享方面为广大开发者提供了便利，通过链接即可与其他的开发者共享文件。
2019 年对自然语言处理（NLP）来说是令人印象深刻的一年。本文将着重讲述一些 2019 年我在机器学习和自然语言处理领域有所见闻的重要事件。我会把重点主要放在自然语言处理上，但也会涉及若干人工智能领域的趣闻。主要内容包括研究论文、博客、工具和数据集、社区讨论、教程资源等。
正在读取软件包列表... 完成 正在分析软件包的依赖关系树 正在读取状态信息... 完成 postgresql 已经是最新版 (9.5+173ubuntu0.2)。 升级了 0 个软件包，新安装了 0 个软件包，要卸载 0 个软件包，有 10 个软件包未被升级。
随着深度学习模型在各种应用中的成功实施，现在是时候获得不仅准确而且速度更快的结果。
神经网络的训练中往往需要进行很多环节的加速，这就是为什么我们逐渐使用 GPU 替代 CPU、使用各种各样的算法来加速机器学习过程。但是，在很多情况下，GPU 并不能完成 CPU 进行的很多操作。比如训练词嵌入时，计算是在 CPU 上进行的，然后需要将训练好的词嵌入转移到 GPU 上进行训练。
谷歌AI 提出了 ALBERT 模型，这是 BERT 模型的简化版本，用于语境化语言表示的自监督学习。相较于 BERT，其在模型更加精练的同时更有效地分配了模型的容量。该模型在12个 NLP任务中都达到了最优效果。
Google开源了新的大模型 Gemma ，Gemma是一系列轻量级、最先进的开放式模型，采用与创建Gemini模型相同的研究和技术而构建。Gemma 由 Google DeepMind 和 Google 的其他团队开发，其灵感来自 Gemini，其名称反映了拉丁语_gemma_，意思是“宝石”。除了模型权重之外，我们还发布了工具来支持开发人员创新、促进协作并指导负责任地使用 Gemma 模型。
Safety-first AI for autonomous data centre cooling and industrial control
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
