A survey of benchmarking frameworks for reinforcement learning

在近年来的深度学习领域，许多研究机构和研究者通过增大模型的参数量来提升模型的表现，取得了非常显著的成果，一次次令业界称奇。这客观上使得“扩大模型的尺寸”几乎一度成为各家竞相追逐的唯一指标。...

首先先下载我们需要的安装文件，wget https://artifacts.elastic.co/downloads/logstash/logstash-6.2.4.tar.gz

2020 年，最轰动的 AI 新闻莫过于 OpenAI 发布的 GPT-3 了。它的1750亿参数量及其在众多NLP任务上超过人类的出众表现让大家坚信：大模型才是未来。但与之带来的问题是，训练超大模型所需的算力、存储已不再是单机就能搞定...

Airflow 作为一款开源分布式任务调度框架，已经在业内广泛应用。本文总结了 Freewheel Transformer 团队近两年使用 Airflow 作为调度器，编排各种批处理场景下 ETL Data Pipelines 的经验，希望能为正在探索 Airflow 的技...

有大量的特征被认为可以提高卷积神经网络（CNN）的精度。需要在大型数据集上对这些特征的组合进行实际测试，并对结果进行理论验证。某些功能只对某些模型进行操作，某些问题只对某些模型进行操作，或只对小规模数据集进行操作；...

1.本文为基于TensorFlow tf.estimator接口的深度学习网络，而非TensorFlow 2.0中常用的Keras接口；关于Keras接口实现深度学习回归，请看这里：https://blog.csdn.net/zhebushibiaoshifu/article/details/114016531。...

为了解决效率和性能这两个问题，本文全面评估了一系列现有改进，以提高PP-YOLO的性能，同时几乎保持推理时间不变。本文将分析一系列改进，并通过增量消融研究从经验上评估它们对最终模型性能的影响。...

本文提出新的层：Lambda Layers，一种自注意力的替代方法，主要用于捕获输入和Content结构化的信息（例如一个像素被其他像素包围）之间的远程交互。Lambda Layer通过将Content转换成称为Lambda的线性函数，并将这些线性函数分别...

神经网络模型训练最大的弊端在于需要大量的训练数据，而非监督学习和自监督学习则能很好地解决标注的问题。