关于深度学习的发展方向终极算法
社区干货
基于深度学习的工业缺陷检测详解——从0到1|社区征文
和大家唠唠基于深度学习的钢轨表面伤损细粒度图像识别与目标检测,***总结一下工业缺陷检测流程***,包括从最开始的数据标注,中间的算法原理,再到最后的落地应用。无论你是搞实际项目or发论文or开阔视野,相信都会有所... concat代表沿通道方向堆叠feature map;紫色的conv代表1×1卷积操作。设备的普及和近年来5G网络的异军突起,数据量更是呈显出爆炸性的增长,对数据处理的速... 使用数据处理算法对采集的数据进行预处理和清洗,去除噪声和异常值。```import pandas as pd # 读取数据 data = pd.read_csv('patient_data.csv') # 去除异常值 data = data.replace([np.inf, -np.inf],...
我的深度学习项目经验分享|社区征文
# 引言AI爆火的2023年,也是我开始学习AI的第一年,从后端领域向AI领域发展也是一个不错的选择。是什么原因让我觉得AI领域更值得钻研和发展呢?其实之前的文章也能体现出来,AI的爆火在于它确实能促进整个社会中大多人群的学习工作和生活的效率的提升,这是非常实用的。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...
基于深度学习的探地雷达图像去杂波|社区征文
严重影响了目标检测算法的性能。随着深度学习以及大模型的普及,人们开始尝试将其应用到探地雷达图像去杂波任务中。 **基于深度学习的探地雷达图像去杂波**凭借强大的特征表示和学习能力,基于深度学习的方法... 经过一年的工作和学习,我发现深度学习已经逐步融入到了我们的日常生活以及科技发展中,希望这项技术能够对我们的生活带来更大的改变。https://xie.infoq.cn/article/c5d93e4a4970c79c90622680e
特惠活动
关于深度学习的发展方向终极算法-优选内容
关于深度学习的发展方向终极算法-相关内容
字节跳动 EB 级 Iceberg 数据湖的机器学习应用与优化
这些数据还支持算法团队的特征调研、特征工程,并为模型的迭代和优化提供基础。目前字节跳动以及整个业界在机器学习和训练样本领域的一些趋势如下: 首先,**模型** **/样本** **越来越大**。随着模型参数的增多... 在传统的机器学习中,特征工程是非常重要的一环,通常需要大量的人工、时间和精力来处理数据和特征。而随着深度学习的发展,我们可以利用深度学习的特征提取能力,通过简单的数据处理步骤自动学习特征,甚至可以将过程简...
大数据、人工智能与大模型:技术融合的未来趋势|社区征文
随着当今的科技在不断地极速发展下,大数据、人工智能(AI)和大型模型已成为探索未来可能性的关键技术。我将通过回顾2023年本人参与的项目经验,探讨这些技术的出现和融合如何改变了我们的世界,并对未来的发展趋势进行... 人工智能的核心在于学习和适应。AI系统通过算法来模拟人类的学习过程,从而解决问题和执行任务。基于深度学习的神经网络也是如此,经过大量的训练才能够更准确的预测我们所需要的结果。例如在一个健康监测系统的项目...
veImageX演进之路:我用图像压缩算法为公司省了30%成本
**前言** 日前,第五届深度学习图像压缩挑战赛(以下将简称“ CLIC 大赛”)比赛结果公布,首次参赛的火山引擎视频云多媒体实验室夺得视频压缩赛道第一名。压缩技术对于图像、视频应用十分重要。在保证同样主观质... 选择了基于HEIF自研的图像编解码算法来压缩体积。为不降低应用性能,需要考虑耗时+带宽+画质等多个因子:对性能的影响主要是用户加载耗时(图片加载排队耗时、图片网络耗时、图片解码耗时),对成本影响主要是用户传输...
大模型助力科技革命:2023年的里程碑与大模型的未来展望 | 社区征文
深度学习或机器学习的模型,这些数据可以通过训练过程自动调整以捕获输入数据中的复杂关系。这类模型通常具有较深的网络结构和较多的神经元,以增加模型的表示能力和学习能力。大模型的诞生影响,对如今发展的许多领域... 大模型的算法效率和计算结构的逻辑性也将得到提升。同时,硬件设备性能的提升以及大模型与云计算、边缘计算等技术的结合将为其提供更好的支持,增强稳定性,降低模型成本。发展趋势客观之下,大模型的发展也面临一系...
从100w核到450w核:字节跳动超大规模云原生离线训练实践
抖音搜索等业务的超大规模深度学习训练——以上场景的机器学习训练均是基于 **Primus** **训练框架**完成。整个机器学习生态**从上到下分为“平台层”“框架层”“资源层”** 3个部分。字节跳动算法工程师使用 R... 字节跳动在云原生离线训练方向的发展大概分为三个阶段:**单角色云原生训练 1.0,多角色云原生训练 2.0,云原生训练 3.0 三个阶段。**## **单角色云原生训练 1.0**离线训练框架 1.0 系统诞生于2015年10月(内部代号...
基于大数据、大模型的应用总结与技术心得|社区征文
随着时代的发展和技术人员不断地研究,深度学习技术逐渐在研究领域扩散开来,大数据也逐渐进入我们的生活,大模型也无处不在地帮助我们生活和工作。 # 大数据、大模型的应用总结 大数据技术在医疗领域的应用:... 最先进的面部识别算法是使用数百万张图像进行训练的。通过互联网作为资源,面部图像是相对容易获得的,但是这些图像中的语义分布通常非常不平衡。例如,大多数可用的照片都是微笑的主体的正面肖像,包含大姿势的图像相...
ApacheCon - 云原生大数据上的 Apache 项目实践
最终在开源社区取得突破,并且在工作和开源贡献之间取得平衡。**讲师简介:**Apache Calcite PMC Member,Apache Flink Committer,毕业于北京大学,目前就职于字节跳动流式计算团队,Flink SQL 技术负责人。... Flink OLAP 等方向研发。 **专题:人工智能/机器学习** * #### **字节跳动深度学习批流一体训练实践** **毛洪玥 字节跳动基础架构工程师** **演讲简介:** 随着公司业务发展,算法复...
斩获 IPDPS 2023 最佳论文奖
论文提出了一套优化算法,这些算法在保证运算正确性的前提下,成功避免了传统实现中的冗余运算,实现了端到端的推理过程的大幅优化; 论文中手动调优了Transformer中的multi-head attention, layer normalization, act... Microsoft DeepSpeed-Inference等知名的深度学习库相比,ByteTransformer在可变长输入下最高实现131%的加速。论文代码已开源。论文地址:https://arxiv.org/abs/2210.03052 IPDPS: 并行和分布式计算方向计算机系统领...
ApacheCon - 云原生大数据上的 Apache 项目实践
最终在开源社区取得突破,并且在工作和开源贡献之间取得平衡。 **李本超**字节跳动,Flink SQL 技术负责人Apache Calcite PMC Member,Apache Flink Committer,毕业于北京大学,目前就职于字节跳动流式计算团... Flink OLAP 等方向研发。 ### 专题:人工智能 / 机器学习#### 字节跳动深度学习批流一体训练实践**毛洪玥 字节跳动基础架构工程师****演讲简介:** 随着公司业务发展,算法复杂度不断提升,越来越多的算法...
