AI 显然是最近几年非常火的一个新技术方向，从几年前大家认识到 AI 的能力，到现在产业里已经在普遍的探讨 AI 如何落地了。

flower_photos 数据量比较小，所以 simple_cnn 可以在 trainset 上拟合到 0.99，意思就是数据复杂度 < 模型复杂度

Google Research出品的排序模型（LTR, learning-to-rank）库又迎来大更新，这次兼容Keras了和其他常见的tensor库，官方说：这会让用户更容易开发和部署！

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...

GPipe是一个基于 Lingvo （Lingvo 是 Google 基于 TensorFlow 二次开发的重点针对序列模型的框架）开发的，支持超大规模模型的神经网络训练并行库，本文介绍其基本功能和流水线机制。...

大家好，我是kaiyuan，周末愉快！今天分享一篇阿里林伟大佬的文章，关于深度学习框架的独到见解，希望对你有帮助

神经风格迁移是一种优化技术，用于将两个图像——一个内容图像和一个风格参考图像（如著名画家的一个作品）——混合在一起，使输出的图像看起来像内容图像， 但是用了风格参考图像的风格。...

使用命令 pip install -r requirements.txt 进行安装。

上图我们可以发现，对于simple_cnn来说，数据增强有很明显的作用，可以显著提高val_acc，也就是模型的泛化性。

具体原理简单来说就是，训练一个神经网络，每层网络逐步提取越来越高级的图像特征，通过分析一些特定层的输出发现，当它识别到了一些特定的模式，就会将这些特征显著地增强，而且层数越高，识别的模式就越复杂。...