苹果「一呼百应」的号召力在机器学习领域似乎也不例外。新版Mac推出还不到两周，谷歌就把专为Mac优化的TensorFlow版本做好了，训练速度最高提升到原来的7倍。机器之心报道，机器之心编辑部。对于开发者、工程师、科研工作者来说，Mac一直是非常受欢迎的平台，也有人用Mac训练神经网络，但训练速度一直是一个令人头疼的问题。

除了前面介绍的权重衰减以外，深度学习模型常常使用丢弃法（dropout）来应对过拟合问题。方法与原理为了确保测试模型的确定性，丢弃法的使用只发生在训练模型时，并非测试模型时。当神经网络中的某一层使用丢弃法时，该层的神经元将有一定概率被丢弃掉。设丢弃概率为$p$。具体来说，该层任一神经元在应用激活函数后，有$p$的概率自乘0，有

分布式技术是深度学习技术的加速器。同时利用多个工作节点，分布式地、高效地训练出性能优良的神经网络模型，能够显著提高深度学习的训练效率、进一步增大其应用范围。《首席AI架构师——分布式高性能深度学习实战培养计划》，力图从更宽的视角，梳理清楚深度学习框架、AI应用、部署上线的整个环节，让你在AI职业规划上可以多一些选择。!(https

摘要：　　本文针对视频目标检测问题提出时空记忆网络(STMN)。它的核心是时空记忆模块，作为一种递归计算单元去建模长时间目标外观和运动信息。STMN可以用一个预训练的CNNbackbone进行初始化，这对提高检测精度非常重要。本文为了建模目标运动提出匹配变换去对齐帧到帧的特征。本文的方法在VID数据集上获得了stateoftheart的结

 有近400G的数据，首先需要写程序把目标文件标准化名称（相当耗时，各种情形，间接说明在数据采集过程中标准化操作的重要性，这样会给后续处理带来很多不必要的麻烦和消耗）网上找了个方法还不错，还有一种递归的写法。目前不再追求什么事无巨细，凡是能快速实现即可。正所谓好钢用在刀刃上。方法一：publicList<stringFindFile2(

卷积现在可能是深度学习中最重要的概念。正是靠着卷积和卷积神经网络，深度学习才超越了几乎其他所有的机器学习手段。这期我们一起学习下深度学习中常见的卷积有哪些？1\.一般卷积卷积在数学上用通俗的话来说就是输入矩阵与卷积核（卷积核也是矩阵）进行对应元素相乘并求和，所以一次卷积的结果的输出是一个数，最后对整个输入输入矩阵进行遍历，

点击上方“逆锋起笔”，关注领取视频教程☞程序员进阶必备资源免费送「各种技术！」☜(https://www.oschina.net/action/GoToLink?urlhttps%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzUyMzM2ODUwMA%3D%3D%26mid%3D2247486226%26id

一：适用范围：tf.nn.dropout是TensorFlow里面为了防止或减轻过拟合而使用的函数，它一般用在全连接层二：原理：　　dropout就是在不同的训练过程中随机扔掉一部分神经元。也就是让某个神经元的激活值以一定的概率p，让其停止工作，这次训练过程中不更新权值，也不参加神经网络的计算。但是它的权重得保留

点击上方“逆锋起笔”，关注领取视频教程☞程序员进阶必备资源免费送「各种技术！」☜(https://www.oschina.net/action/GoToLink?urlhttps%3A%2F%2Fmp.weixin.qq.com%2Fs%3F__biz%3DMzUyMzM2ODUwMA%3D%3D%26mid%3D2247486226%26id

1.深入了解神经网络的组成、训练和实现，掌握深度空间特征分布等关键概念；2.掌握迁移学习的思想与基本形式，了解传统迁移学习的基本方法，对比各种方法的优缺点；3.握深度迁移学习的思想与组成模块，学习深度迁移学习的各种方法；4.掌握深度迁移学习的网络结构设计、目标函数设计的前沿方法，了解迁移学习在PDA、SourceFreeDA上的应用；5.掌握深度迁移学习在