深度学习是一种新兴的技术，已经在许多领域中得到广泛的应用，如计算机视觉、自然语言处理、语音识别等。在深度学习中，深度学习框架扮演着重要的角色。Tensorflow是一种广泛使用的深度学习框架，已经成为深度学习的事实标准。Tensorflow2是Tensorflow的最新版本，它在许多方面都有所改进，并且更加易于使用。
选自Google Research 机器之心编译 参与：路雪 近日，谷歌开放语音命令数据集，发布新的音频识别教程，旨在帮助初学者利用深度学习解决语音识别和其他音频识别问题。 语音命令数据集地址：http://download.tensorflow.org/data/speech_commands_v0.01.tar.gz 音频识别教程地址：https://www.tensorflow.org/versions/master/tutorials/audio_recognition 在谷歌，我们经常被问到如何使
我们很高兴展示借助 TensorFlow Lite 在 Raspberry Pi 上构建 Smart Photo Booth 应用的经验（我们尚未开放源代码）。该应用可以捕捉笑脸并自动进行记录。此外，您还可以使用语音命令进行交互。简而言之，借助 Tensorflow Lite 框架，我们构建出可实时轻松处理笑脸检测和识别语音命令的应用。
AI科技评论按：自动语音识别（Automatic speech recognition，ASR）领域被广泛使用的开源语音识别工具包 Kaldi 现在也集成了TensorFlow。这一举措让Kaldi的
TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。TensorFlow 最初由Google大脑小组（隶属于Google机器智能研究机构）的研究员和工程师们开发出来，用于机器学习和深度神经网络方面的研究，但这个系统的通用性使其也可广泛用于其他计算领域。
Google 推出 TensorFlow.js 已有多年，JavaScript 也不知不觉成为了世界上最好的语言。相信对于大多数没接触过机器学习的前端工程师来说，都有一个共同的疑惑：TensorFlow.js 到底能做些什么？
对于个人和公司来说，存在许多状况是更希望在本地设备上做深度学习推断的：想象一下当你在旅行途中没有可靠的互联网链接时，或是要处理传输数据到云服务的隐私问题和延迟问题时。
选自DataScience 作者：Chia-Chun 机器之心编译 参与：Edison Ke、路雪 本文作者 Chia-Chun (JJ) Fu 是加州大学圣塔芭芭拉分校的化学工程博士。她在 Insight 工作的时候，在安卓系统上用 TensorFlow 部署了一个 WaveNet 模型。本文详细介绍了部署和实现过程。 对于个人和公司来说，存在许多状况是更希望在本地设备上做深度学习推断的：想象一下当你在旅行途中没有可靠的互联网链接时，或是要处理传输数据到云服务的隐私问题和延迟问题时。边缘计算（Edge c
编辑 | 明明 1月19日，在极客公园创新者大会IF2018的现场，Google Brain首席工程师陈智峰发表题为：《找答案从定义问题开始 ——TensorFlow 可以用来做什么？》的演讲，分享了Google Brain最近一年到两年时间里面的研究方向，以及在TensorFlow方面的一些工作、成果、进展。以下为演讲实录： 深度学习 深度学习这几年非常流行，在Google的搜索流量里面，深度学习在过去的7-8年时间里，增长了大概100倍，从这个侧面也反映出学界和工业界对这个技术的关注程度，是在迅
语音合成和语音转换是语音处理中的重要任务，广泛应用于语音助手、语音导航、语音翻译等领域。通过使用Python和深度学习技术，我们可以构建一个简单的语音合成与语音转换系统。本文将介绍如何使用Python实现这些功能，并提供详细的代码示例。
李林 编译整理 量子位 报道 | 公众号 QbitAI Google今天推出了一个语音指令数据集，其中包含30个词的65000条语音，wav格式，每条长度为一秒钟。 这30个词都是英文的，基本是yes
深度学习算法中的门控循环单元（Gated Recurrent Units）：原理、应用与未来展望
在本文中，我们提供了一个用于训练语音识别的RNN的简短教程，其中包含了GitHub项目链接。 作者：Matthew Rubashkin、Matt Mollison 硅谷数据科学公司 在SVDS的深度
随着自然语言处理技术的飞速发展，语音识别作为一种重要的交互方式日益普及。本文将以使用Python与TensorFlow框架构建端到端语音识别系统为核心，深入探讨关键技术、实现步骤以及代码示例，帮助读者理解并实践语音识别系统的开发。
嵌入式系统已经成为我们生活中不可或缺的一部分，从智能手机到家用电器，几乎每个设备都搭载了嵌入式技术。随着人工智能的快速发展，将神经网络应用于嵌入式设备上变得越来越普遍。本文将深入探讨嵌入式人工智能的现状，以及神经网络在边缘设备上的应用。
随着深度学习技术的发展，语音合成技术也经历了从传统的基于参数合成（HTS）至基于深度神经网络的样本级合成（Parallel WaveNet）的变革。相比与传统方法，基于神经网络的新方法在语音的自然度与可理解性上都有了突破性的提升；然而，新方法的计算开销非常大。当微信AI需要将其应用于海量在线系统中，非常难以用于生产系统。
这是来自Arduino团队的Sandeep Mistry和Dominic Pajak的一篇客座文章。
选自Google Research Blog 作者：Jeff Dean 机器之心编译 参与：黄小天、路雪 继谷歌大脑 2016 年盘点之后，谷歌大脑负责人 Jeff Dean 近日撰文回顾了 2017 年的工作，内容包括基础研究工作，机器学习的开源软件、数据集和新硬件。本文是这次盘点的第一部分，谷歌将稍后推出第二部分，介绍机器学习在医疗、机器人等不同科学领域的应用与创造性，以及对谷歌自身工作带来的影响。 谷歌大脑团队致力于拓展人工智能在研究和系统工程方面的进展。去年，我们盘点了 2016 年的工作。2017
【新智元导读】今天谷歌CEO在年度公开信中写道，我们将进入人工智能为先的世界，但并没有透露多少细节。本文详尽梳理了谷歌所有的——没错，是所有的——人工智能项目及其开发内幕，供你纵览这家公司打造人工智能帝国的布局。 谷歌如何打造人工智能帝国？ 这个搜索巨头正在将它的人工智能服务开源，让每个人都可以使用。2007 年 11月，谷歌通过发布安卓手机开源操作系统，为自己在移动市场的支配地位奠定了基础。八年之后，安卓获得了 80%的市场份额，如今谷歌又故伎重演——这次开源的是人工智能。 不久前，谷歌公布了 Tens
TensorFlow由Google Brain的研究人员创建，是用于机器学习和数据科学的最大的开源数据库之一。它是完整的初学者和经验丰富的数据科学家的端到端平台。TensorFlow库包括工具，预先训练的模型，机器学习指南以及一系列开放数据集。为了帮助找到所需的训练数据，本文将简要介绍一些用于机器学习的最大TensorFlow数据集。将以下列表分为图像，视频，音频和文本数据集。
谷歌的工程师们经常被问到这样的一个问题——怎么上手用深度学习做语音识别或其它音频识别，比如关键词或指令？ 目前，出现了一些很优秀的开源语音识别系统，例如Kaldi，就能把神经系统作为其中的一个模块。但其的高度复杂性，并不适合 解决简单问题的指南。更重要的是，对于新手而言，免费、公开可获取到的数据并不多，适合简单的关键词也不是很多。 为解决这一问题，谷歌的TensorFlow 和 AIY 团队创建了TensorFlow 和 AIY 团队创建了Speech Commands Dataset，即“语音命令数据
编译 | AI科技大本营（rgznai100） 参与 | Reason_W 从AutoML、机器学习新算法、底层计算、对抗性攻击、模型应用与底层理解，到开源数据集、Tensorflow和TPU，Google Brain 负责人Jeff Dean发长文来总结他们2017年所做的工作。但写了一天，Jeff Dean也没覆盖到Google Brain在医疗健康、机器人、基础科学等领域的研究，他接下来打算把如何促进人类创造性、公平和包容性也写进去。 接下来的事情我们接下来再关心，眼下我们还是更关心Jeff De
随着越来越多的企业希望扩大其运营规模，它们已成为接受机器学习和预测分析的必要条件。人工智能与正确的深度学习框架相结合，真正放大了企业在其领域内可以实现和获得的整体规模。
这是TensorFlow Lite的实验端口，针对微控制器和其他只有千字节内存的设备。它不需要任何操作系统支持，任何标准的C或C ++库或动态内存分配，因此它的设计甚至可以移植到“裸机”系统。核心运行时在Cortex M3上适合16KB，并且有足够的运算符来运行语音关键字检测模型，总共占用22KB。
如果你是一名人工智能爱好者，却没有关注到一条重大新闻，就好比你在一场罕见的地震中打了个盹。等你醒来，会发现一切都将改变！
原文：Getting Started with Deep Learning: A REVIEW OF AVAILABLE TOOLS 作者： MATTHEW RUBASHKIN 翻译：冯斌 【摘要】本文评估了当前热门的深度学习工具，对于想进行深度学习开发的团队来说，可以参考一二。以下为译文： 在硅谷数据科学公司里，我们的研发团队调研了从图像识别到语音识别等不同的深度学习技术。建立了一套收集数据、创建模型，评估模型的技术路线。然而，当开发者研究什么技术可应用时，却找不到一个简明的可供参考的总结材料来开始一个新
数月前的某个夜晚，我躺在床上时，一个念头闪过我的脑海——「如果语音是计算接口的未来，那么那些听不见或看不见的人该怎么办？」我不知道究竟是什么触发了这个想法。我自己能听、能说，周围也没有聋哑人，而且我也没有语音助手。也许是因为无数语音助理方面的文章突然出现，也许是因为各大公司争相让你选择它们的语音助手产品，或许只是因为经常在朋友的桌上看到这些设备。由于这个问题无法从记忆中消失，我知道我需要仔细考虑它。
随着全球化进程的不断深化，法庭面临了越来越多来自不同语言和文化背景的当事人，这使得法庭口译工作显得尤为重要。传统的口译方法在效率和准确性方面存在挑战，因此需要一种更先进的、能够实时翻译的系统来满足法庭口译的需求。
【摘要】本文评估了当前热门的深度学习工具，对于想进行深度学习开发的团队来说，可以参考一二。以下为译文： 在硅谷数据科学公司里，我们的研发团队调研了从图像识别到语音识别等不同的深度学习技术。建立了一套收
本章介绍如何设置开发环境，以使用 TensorFlow 构建所有 iOS 或 Android 应用，本书其余部分对此进行了讨论。 我们不会详细讨论可用于开发的所有受支持的 TensorFlow 版本，OS 版本，Xcode 和 Android Studio 版本，因为可以在 TensorFlow 网站或通过 Google。 相反，我们将在本章中简要讨论示例工作环境，以便我们能够快速了解可使用该环境构建的所有出色应用。
终于有时间更新语音识别系列了，之前的几篇： 语音识别系列︱用python进行音频解析（一） 语音识别系列︱paddlehub的开源语音识别模型测试（二） 语音识别系列︱paddlespeech的开源语音识别模型测试（三）
2019年，机器学习框架之争进入了新阶段：PyTorch与TensorFlow成为最后两大玩家，PyTorch占据学术界领军地位，TensorFlow在工业界力量依然强大，两个框架都在向对方借鉴，但是都不太理想。
谷歌于周一发布全新人工智能系统TensorFlow。该系统可被用于语音识别或照片识别等多项机器深度学习领域。谷歌表示，TensorFlow将完全开源，可被运行于由数千台电脑组成的服务器集群或者单一智能手机之上。 几年前，你无法在吵闹的城市人行道上使用Google App，也无法在俄罗斯使用Goole Translate 翻译标志牌，也无法在拉布拉多即时使用Google Photo寻找图片。 因为我们的APP在那个时候还不够智能，但是现在这些APP已经非常智能了。多亏了机器学习，你可以用非常简单的方式做非常多
本章介绍如何使用Tensorflow实现简单的声纹识别模型，首先你需要熟悉音频分类，没有了解的可以查看这篇文章《基于Tensorflow实现声音分类》 。基于这个知识基础之上，我们训练一个声纹识别模型，通过这个模型我们可以识别说话的人是谁，可以应用在一些需要音频验证的项目。不同的是本项目使用了ArcFace Loss，ArcFace loss：Additive Angular Margin Loss（加性角度间隔损失函数），对特征向量和权重归一化，对θ加上角度间隔m，角度间隔比余弦间隔在对角度的影响更加直接。
原文：Which deep learning network is best for you? http://www.cio.com/article/3193689/artificial-intel
这两天发现朋友圈被Google开源深度学习系统TensorFlow的新闻刷屏了。这当然是一个很好的消息，尤其对我们这种用机器学习来解决实际问题的工程师来说更是如此。但同时很多人并不清楚听起来神乎其神的“TensorFlow”到底是什么，有什么意义。
什么是深度学习 深度学习，顾名思义，需要从“深度”和“学习”两方面来谈。 01 深度 深度学习的前身是人工神经网络（artificial neural network，ANN），它的基本特点就是试图模
选自SVDS 作者：Matthew Rubashkin、Matt Mollison 机器之心编译 参与：李泽南、吴攀 来自 Silicon Valley Data Science 公司的研究人员为我们展示了循环神经网络（RNN）探索时间序列和开发语音识别模型的能力。目前有很多人工智能应用都依赖于循环深度神经网络，在谷歌（语音搜索）、百度（DeepSpeech）和亚马逊的产品中都能看到RNN的身影。 然而，当我们开始着手构建自己的 RNN 模型时，我们发现在使用神经网络处理语音识别这样的任务上，几乎没有简单直
导读：深度学习（Deep Learning）是机器学习中一种基于对数据进行表征学习的方法，深度学习的好处是用非监督式或半监督式的特征学习、分层特征提取高效算法来替代手工获取特征（feature）。作为当下最热门的话题，Google、Facebook、Microsoft等巨头都围绕深度学习重点投资了一系列新兴项目，他们也一直在支持一些开源深度学习框架。 目前研究人员正在使用的深度学习框架不尽相同，有 TensorFlow、Torch 、Caffe、Theano、Deeplearning4j等，这些深度学习框架
原作 Joel Shor 机器感知高级软件工程师 编译自 谷歌开源博客 量子位 出品 一般情况下，训练一个神经网络要先定义一下损失函数，告诉神经网络输出的值离目标值偏差大概多少。举个例子来说，对于图像分类网络所定义的损失函数来说，一旦网络出现错误的分类结果，比如说把狗标记成了猫，就会得到一个高损失值。 不过，不是所有任务都有那么容易定义的损失函数，尤其是那些涉及到人类感知的，比如说图像压缩或者文本转语音系统。 GAN（Generative Adversarial Networks，生成对抗网络），在图像生成
编者按：本周TensorFlow 1.0 正式发布；南大教授周志华当选AAAI 2019 程序主席，华人学者第一人; 雷锋网与MXNet作者李沐畅谈两小时；LipNet与ICLR评委互怼始末,谷歌工程师怼上Yann LeCun，AI科技评论帮你梳理最近学术界工业界“互怼”那些事儿。 TensorFlow 1.0 正式发布 本周，谷歌在山景城举办了第一届 TensorFlow 开发者峰会。作为大会的一部分，TensorFlow 1.0 的正式版本被发布出来。一起来看看它都有哪些新特性：
【新智元导读】谷歌大脑负责人Jeff Dean上周在“嵌入式视觉年度峰会”上发表演讲《智能计算系统中的大规模深度学习》，结合多年应用实例，讨论在从手机到数据中心等不同环境中部署机器学习模型的不同方法，
在机器学习的领域中，张量指的是描述神经网络的数学模型中使用的多维数组。换言之，张量通常是一个矩阵或矢量的更高维泛化。 通过一种使用秩来显示维数的简单表示法，张量可以将复杂的 n 维矢量和超形状表示为 n 维数组。张量有两个属性：数据类型和形状。 关于 TensorFlow TensorFlow 是一个开源的深度学习框架，于 2015 年末依据 Apache 2.0 许可进行发布。自那以后，它成为了在全球得到最广泛采用的深度学习框架之一（根据它的 GitHub 项目数量来判断）。 TensorFlow 的起源
【新智元导读】18日凌晨，谷歌一年一度的开发者大会I/O拉开帷幕，其CEO Sundar Pichai发表主旨演讲。重磅发布了谷歌第二代TPU和 Cloud TPU，被认为对英伟达构成较大威胁。新智元
原作 Joel Shor 机器感知高级软件工程师 Root 编译自 谷歌开源博客 量子位 出品 | 公众号 QbitAI 一般情况下，训练一个神经网络要先定义一下损失函数，告诉神经网络输出的值离目标值偏差大概多少。举个例子来说，对于图像分类网络所定义的损失函数来说，一旦网络出现错误的分类结果，比如说把狗标记成了猫，就会得到一个高损失值。 不过，不是所有任务都有那么容易定义的损失函数，尤其是那些涉及到人类感知的，比如说图像压缩或者文本转语音系统。 GAN（Generative Adversarial Netw
李杉 维金 编译自 Google Blog 量子位 出品 | 公众号 QbitAI 谷歌AI Senior Fellow、谷歌大脑负责人Jeff Dean，按照惯例，今天开始发布2017年度的谷歌大脑
Google决定开源TensorFlow是为了让每个开发人员和研究人员都能方便地使用人工智能来解决多样化的现实问题。自开源以来，TensorFlow的下载次数超过了760万次，提交次数高达8万次，拉取请求13万余次，贡献者2400多名。
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
腾讯会议
实时音视频
