雷锋网获悉,第一届TensorFlow Dev峰会将于2017年2月15日在加利福尼亚州山景城举行,到时TensorFlow团队将会做相关的技术访谈和演示,整个活动将持续一整天,同时,整个会议还将在Google开发者论坛、YouTube上进行直播,给不能到现场的开发者提供第一手资料。
会议时间:2017年2月15日
会议地点:加利福尼亚州山景城
活动详情:https://events.withgoogle.com/tensorflow-dev-summit/#content
直播地址:https://www.youtube.com/watch?v=LqLyrl-agOw
2月14日,IBM正式宣布其PowerAI人工智能开发平台现在支持由谷歌原创的TensorFlow 0.12架构。
PoweAI人工智能平台基于POWER8体系结构,支持企业级开源机器学习和深度学习架构。通过IBM的PowerAI人工智能平台,TensorFlow能为企业开发先进的机器学习产品与系统,提供新的快速、灵活以及产能完备的开发工具。
在最新版的PowerAI人工智能平台,IBM还增加了Chainer深度学习架构。PowerAI人工智能平台目前包括了CAFFE, Chainer, TensorFlow, Theano, Torch, cuDNN, NVIDIA DIGITS以及其它若干个机器学习与深度学习架构和库。
IBM PowerAI下载:https://www.ibm.com/us-en/marketplace/deep-learning-platform
详情:http://www.iot101.com/collectnews/2017-02-14/12836.html?utm_source=tuicool&utm_medium=referral
近期,谷歌宣布开放了一个基于 Youtube 视频的图像数据集 Youtube-BoundingBoxes Dataset,为所有研究者进行模型训练和研究提供了新资源。
该数据集包含有在 23 个物体类别上的 1050 万人工标注的帧,其中包含 500 万边界框(bounding boxes),它们密集标记了 38 万条 15-20 秒钟长度的 YouTube 视频片段(从 24 万个视频中截取),其图像质量类似于手机摄像。这个数据集的标注和边界框精度超过了 95%。迄今为止,它是对时间连续帧内的物体进行跟踪,包含边界框的最大人工注释视频数据集。
详情:https://research.googleblog.com/2017/02/advancing-research-on-video.html
数据库:https://research.google.com/youtube-bb/
昨天Jason Brownlee在其博客上为大家分享了一个基于Python的时间序列预测巴尔的摩的年度用水量案例,作者通过收集1885年至1963年巴尔的摩的年用水量,基于ARIMA模型,对巴尔的摩的年用水量进行了预测,通过案例中的提供的工具和框架,相关研究者可以将类似技术扩展到其他的时间序列预测场景之中,后续雷锋网也会在第一时间为大家分享相关Python的时间序列预测详解案例。
英文原文地址:http://machinelearningmastery.com/time-series-forecast-study-python-annual-water-usage-baltimore/
来自维基媒体基金会和Alphabet's Jigsaw的计算机科学家已经证明,未来可通过AI机器学习来检测维基百科上的恶意评论。
通过小批量的10万恶意评论进行训练,研究人员构建的相关机器学习算法已经能够区分直接与间接人身攻击。
雷锋网相关文章: