Страница телеграм канала Machinelearning

ai_machinelearning_big_data logo

Machinelearning

5427 подписчиков

Самая актуальная информация из мира Машинного обучения , Нейронных сетей , Искусственного интеллекта. По всем вопросам- @haarrp наш чат -https://t.me/joinchat/DcaxEw_7ACnzhs4NYrjDPQ наша группа в vk -https://vk.com/mashinnoe_obuchenie_ai_big_data


Входит в категории: Технологии
05.04.2020 10:04
Tracking Objects as Points Simultaneous object detection and tracking using center points Github: https://github.com/xingyizhou/CenterTrack Paper: https://arxiv.org/abs/2004.01177v1
Читать

Обращаем внимание, что мы не несем ответственности за содержимое(content) того или иного канала размещенный на нашем сайте так как не мы являемся авторами этой информации и на сайте она размещается в автоматическом режиме


Machinelearning
04.04.2020 08:04
Sum Product Flow: An Easy and Extensible Library for Sum-Product Networks Simple interface to inference, learning and manipulation routines for deep and tractable probabilistic models called Sum-Product Networks (SPNs). Github: https://github.com/SPFlow/SPFlow Paper: https://arxiv.org/abs/2004.01167v1
Читать

Обращаем внимание, что мы не несем ответственности за содержимое(content) того или иного канала размещенный на нашем сайте так как не мы являемся авторами этой информации и на сайте она размещается в автоматическом режиме


Machinelearning
03.04.2020 10:04
Introduction to Quantization on PyTorch Quantization refers to techniques for doing both computations and memory accesses with lower precision data, usually int8 compared to floating point implementations. https://pytorch.org/blog/introduction-to-quantization-on-pytorch/ PYTORCH TUTORIALS: https://pytorch.org/tutorials/#model-optimization
Читать

Обращаем внимание, что мы не несем ответственности за содержимое(content) того или иного канала размещенный на нашем сайте так как не мы являемся авторами этой информации и на сайте она размещается в автоматическом режиме


Machinelearning
02.04.2020 08:04
Flows for simultaneous manifold learning and density estimation A new class of generative models that simultaneously learn the data manifold as well as a tractable probability density on that manifold. Code: https://github.com/johannbrehmer/manifold-flow Paper: https://arxiv.org/abs/2003.13913
Читать

Обращаем внимание, что мы не несем ответственности за содержимое(content) того или иного канала размещенный на нашем сайте так как не мы являемся авторами этой информации и на сайте она размещается в автоматическом режиме


Machinelearning
02.04.2020 08:04
Improving Audio Quality in Duo with WaveNetEQ https://ai.googleblog.com/2020/04/improving-audio-quality-in-duo-with.html
Читать

Обращаем внимание, что мы не несем ответственности за содержимое(content) того или иного канала размещенный на нашем сайте так как не мы являемся авторами этой информации и на сайте она размещается в автоматическом режиме


Machinelearning
01.04.2020 09:04
Introducing the Model Garden for TensorFlow 2 Code examples for state-of-the-art models and reusable modeling libraries for TensorFlow 2. https://blog.tensorflow.org/2020/03/introducing-model-garden-for-tensorflow-2.html Model Garden repository: https://github.com/tensorflow/models/tree/master/official
Читать

Обращаем внимание, что мы не несем ответственности за содержимое(content) того или иного канала размещенный на нашем сайте так как не мы являемся авторами этой информации и на сайте она размещается в автоматическом режиме


Machinelearning
31.03.2020 09:03
Probabilistic Regression for Visual Tracking A general python framework for training and running visual object trackers, based on PyTorch. Code: https://github.com/visionml/pytracking Paper: https://arxiv.org/abs/2003.12565
Читать

Обращаем внимание, что мы не несем ответственности за содержимое(content) того или иного канала размещенный на нашем сайте так как не мы являемся авторами этой информации и на сайте она размещается в автоматическом режиме


Machinelearning
31.03.2020 08:03
Today is The World Backup Day! Don’t be an April Fool - protect your data, back up your files today! Share this reminder with your friends! Сегодня Всемирный день резервного копирования! Commvault защищает более 11 Эксабайт данных своих клиентов по всему миру, это 11534336 Терабайт. С заботой о данных мы присоединяемся к дню бэкапа и призываем вас сегодня сделать или проверить бэкапы ваших файлов! #WorldBackupDay #Commvault https://discover.commvault.com/World-Backup-Day.html
Читать

Обращаем внимание, что мы не несем ответственности за содержимое(content) того или иного канала размещенный на нашем сайте так как не мы являемся авторами этой информации и на сайте она размещается в автоматическом режиме


Machinelearning
30.03.2020 09:03
iTAML: An Incremental Task-Agnostic Meta-learning Approach iTAML hypothesizes that generalization is a key factor for continual learning Code is implemented using PyTorch and it includes code for running the incremental learning domain experiments Code: https://github.com/brjathu/iTAML Paper: https://arxiv.org/abs/2003.11652v1
Читать

Обращаем внимание, что мы не несем ответственности за содержимое(content) того или иного канала размещенный на нашем сайте так как не мы являемся авторами этой информации и на сайте она размещается в автоматическом режиме


Machinelearning
28.03.2020 09:03
New dataset from Google The Taskmaster-2 dataset consists of 17,289 dialogs https://research.google/tools/datasets/taskmaster-2/
Читать

Обращаем внимание, что мы не несем ответственности за содержимое(content) того или иного канала размещенный на нашем сайте так как не мы являемся авторами этой информации и на сайте она размещается в автоматическом режиме


Machinelearning
28.03.2020 09:03
MoCo: Momentum Contrast for Unsupervised Visual Representation Learning Github: https://github.com/facebookresearch/moco Paper: https://arxiv.org/abs/1911.05722
Читать

Обращаем внимание, что мы не несем ответственности за содержимое(content) того или иного канала размещенный на нашем сайте так как не мы являемся авторами этой информации и на сайте она размещается в автоматическом режиме


Machinelearning
27.03.2020 09:03
Improved Techniques for Training Single-Image GANs The latest convolutional layers are trained with a given learning rate, while previously existing convolutional layers are trained with a smaller learning rate https://www.tobiashinz.com/2020/03/24/improved-techniques-for-training-single-image-gans.html Code: https://github.com/tohinz/ConSinGAN Paper: https://arxiv.org/abs/2003.11512
Читать

Обращаем внимание, что мы не несем ответственности за содержимое(content) того или иного канала размещенный на нашем сайте так как не мы являемся авторами этой информации и на сайте она размещается в автоматическом режиме


Machinelearning
26.03.2020 10:03
Deep unfolding network for image super-resolution Deep unfolding network inherits the flexibility of model-based methods to super-resolve blurry, noisy images for different scale factors via a single model, while maintaining the advantages of learning-based methods. Github: https://github.com/cszn/USRNet Paper: https://arxiv.org/pdf/2003.10428.pdf
Читать

Обращаем внимание, что мы не несем ответственности за содержимое(content) того или иного канала размещенный на нашем сайте так как не мы являемся авторами этой информации и на сайте она размещается в автоматическом режиме


Machinelearning
24.03.2020 09:03
NeRF: Neural Radiance Fields Algorithm represents a scene using a fully-connected (non-convolutional) deep network, whose input is a single continuous 5D coordinate (spatial location (x, y, z) and viewing direction http://www.matthewtancik.com/nerf Tensorflow implementation: https://github.com/bmild/nerf Paper: https://arxiv.org/abs/2003.08934v1
Читать

Обращаем внимание, что мы не несем ответственности за содержимое(content) того или иного канала размещенный на нашем сайте так как не мы являемся авторами этой информации и на сайте она размещается в автоматическом режиме


Machinelearning
23.03.2020 09:03
PyTorch Tutorial: How to Develop Deep Learning Models with Python https://machinelearningmastery.com/pytorch-tutorial-develop-deep-learning-models/
Читать

Обращаем внимание, что мы не несем ответственности за содержимое(content) того или иного канала размещенный на нашем сайте так как не мы являемся авторами этой информации и на сайте она размещается в автоматическом режиме