而迁移学习之所以如此有效，得益于其利用自监督任务（如语言建模或填充缺失词）在大量可用的无标注的文本数据上对模型进行预训练；接着，又在更小的标注数据集上对模型进行微调，从而让模型实现比单单在标注数据上训练更好得多的...

深度强化学习是深度学习与强化学习相结合的产物，它集成了深度学习在视觉等感知问题上强大的理解能力，以及强化学习的决策能力，实现了端到端学习。深度强化学习的出现使得强化学习技术真正走向实用，得以解决现实场景中的复...

在Cortex这一平台上，有不少用户发布了基于深度学习的新一代产品，并且与之前不同的是，这些产品并非都是使用独一无二的模型架构创建的。

如今，在 ImageNet 上的图像识别准确率的性能提升每次通常只有零点几个百分点，而来自图灵奖获得者 Geoffrey Hinton 等谷歌研究者的最新研究一次就把无监督学习的指标提升了 7-10%，甚至可以媲美有监督学习的效果。...

摘要： 目前AI在图片分类方向已经做得非常优秀，有的甚至超过人类。但是，这仅仅限于模型经过已知样本的学习。令模型像人一样具有推理能力，通过已知样本可以对未知分类进行识别，这将是未来的一个主要方向，也是AI技术智能化的...

随着社交媒体和移动信息流应用的发展，许多应用积累了海量多种类型的图文视频等多媒体内容。

2019 年，可谓是 NLP 发展历程中具有里程碑意义的一年，而其背后的最大功臣当属 BERT ！

在 Cortex，我们看到用户推出了基于深度学习的新一代产品，与以前不同的是，这些产品并非都是使用独一无二的模型架构构建的。

这限制了深度学习的效果，将其限制在满足这些条件的少数项目中。但是，在过去的几年中，情况发生了变化。在Cortex(https://github.com/cortexlabs/cortex)上，我们看到用户推出了基于深度学习的新一代产品，而且与以前不同，这些...

在我之前为 PyTorch 撰写的文章《Active Learning with PyTorch》中，我介绍了主动学习的构建模块。如果你不熟悉主动学习，你可以从这里开始了解，也可以看看我关于两种主动学习——不确定性抽样和多样性抽样的文章，以及相...