深度学习可解释性
社区干货
边缘计算技术:深度学习与人工智能的融合|社区征文
可以在边缘节点上获得,而不需要经过层层转发后从核心节点获得。](https://xie.infoq.cn/article/39f62d756a0249615ba07102e)
特惠活动
深度学习可解释性-优选内容
深度学习可解释性-相关内容
AI与深度学习的一年 | 社区征文
约70%的癫痫患者可以通过使用抗癫痫药物来抑制癫痫发作。为了启动抗癫痫药物治疗,及时和准确的癫痫诊断对患者而言是至关重要的。脑电(electroencephalogram,EEG)是根据放置在脑部的颅内电极或头皮表面电极采集获得的,表示大脑中神经元放电活动,这些活动包含了大脑的实时信息。深度学习方法能以更方便的方式对特征进行提取,在图像分类、人工智能等领域取得了良好的效果。近些年来,一些研究人员开始将深度学习方法应用于癫痫发作检...
基于迁移学习的基础设施成本优化框架,火山引擎数智平台与北京大学联合论文被KDD收录
火山引擎的工程师和北京大学的研究者一起设计了一种结合机器学习方法与人类专家知识的基础设施成本优化框架(如图1所示),该框架以贝叶斯优化算法为基础,使用高斯过程作为代理模型学习配置参数集与任务成本/运行时长的关系,并通过可信赖的迁移学习机制,从人类专家知识编码中获得 **安全性和可解释性** (如图1中Expert-assisted Optimization部分所示),并 **从相似的历史任务中获得额外的收敛加速特性** (如图1中Controlled Histo...
大模型和深度学习的工作总结|社区征文
越来越多的技术:深度学习、AI、大模型、虚拟现实VR等慢慢进入我们的生活。**基于大模型的图像去雾**在今年这个阶段,我的主要工作是研究基于深度学习的图像去雾工作。随着现代工业文明的发展进步,大气污染现象愈... 基于大模型的Swin Transformer可能是神经网络的完美替代方案。基于大模型的Swin Transformer一经提出就轰动了整个计算机视觉领域,它将图像处理有带到了一个新的高度。可以说当今最流行的架构就是 Transformer了。...
我的深度学习项目经验分享|社区征文
我要和大家分享的项目也是我学习AI过程中做的小项目,是利用视频分析技术结合深度学习构建的一个智能视频监控系统,用来进行实时监测和分析人员活动,提供监测识别和报警等功能,还能用于大数据分析,远程访问和管理等等。下面我将使用软件工程的思路,为大家详细介绍我是如何使用深度学习与视频分析技术构建项目的。# 项目细节## 需求分析这可能是一个与本文主题关联不大的模块,为了能让读者清楚了解项目背景,就简单总结几点项目...
从学习到实践——火山引擎多媒体处理框架BMF的深度探索 | 社区征文
这种灵活性使得 BMF 可以适应不同的开发环境和需求。**模块化设计:** BMF 的模块化设计使得多媒体处理能力可以以原子能力的形式进行扩展和管理。这种设计使得开发人员可以根据实际需求选择和组合不同的处理能力,实现高度定制化的多媒体处理链路。**高性能:** BMF 通过 graph/pipeline 的方式构建多媒体处理链路,可以实现高性能的处理效果。这对于需要处理大规模视频数据或实时处理的场景非常有益。不足:**学习曲线较陡:*...
大模型:深度学习之旅与未来趋势|社区征文
这个大模型擅长的角度来验证大模型能否更深度提升个人工作效率。。```python input_ids = tokenizer.encode(text, add_special_tokens=True) input_tensors = torch.tensor([input_ids]) # 使用GPU进行推理(如果可用) ...
基于迁移学习的基础设施成本优化框架,火山引擎数智平台与北京大学联合论文被KDD收录
火山引擎的工程师和北京大学的研究者一起设计了一种结合机器学习方法与人类专家知识的基础设施成本优化框架(如图2所示),该框架以贝叶斯优化算法为基础,使用高斯过程作为代理模型学习配置参数集与任务成本/运行时长的关系,并通过可信赖的迁移学习机制,从人类专家知识编码中获得安全性和可解释性(如图2中Expert-assisted Optimization部分所示),并从相似的历史任务中获得额外的收敛加速特性(如图2中Controlled History Transfer部分...
深入云原生—基于KubeWharf深度剖析-以公司实际应用场景为例深度解读|社区征文
各位好,这里是申公豹,本人对云原生也是研究了2年多了,算是略有所得,本次就来深入云原生—基于KubeWharf深度剖析场景与解读。我们需要先了解一下KubeWharf,可能很多人都感觉到有点陌生吧,下面我们来一起学习!