News · 资讯
聚合技术动态、框架版本与工程实践，帮你在学习路线之外保持对行业的敏感度。
语义嵌入（如 Word2Vec 和 GloVe）实际上是迈向语言建模的第一步——创建某种能够理解（或表示）语言本质的模型。
在基于 BoW 或 TF/IDF 训练分类器时，我们使用的是长度为 vocabsize 的高维词袋向量，并且我们显式地将低维位置表示向量转换为稀疏的独热表示。然而，这种独热表示并不节省内存。此外，每个…
在本节的第一部分中，我们将专注于文本分类任务。我们将使用 [AG News](https://www.kaggle.com/amananandrai/ag-news-classification-da…
在本节中，我们将重点使用神经网络处理与<strong>自然语言处理（NLP）</strong>相关的任务。我们希望计算机能够解决许多NLP问题：
来自 [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) 的实验任务。
我们之前学习了目标检测，它可以通过预测边界框来定位图像中的对象。然而，对于某些任务，我们不仅需要边界框，还需要更精确的对象定位。这项任务被称为分割。
来自 [AI 初学者课程](https://github.com/microsoft/ai-for-beginners) 的实验任务。
我们之前处理的图像分类模型会接收一张图片并输出一个类别结果，例如在 MNIST 问题中输出类别“数字”。然而，在许多情况下，我们不仅仅想知道图片中有物体，还希望能够确定它们的具体位置。这正是目标检测的…
在上一节中，我们学习了生成模型：可以生成与训练数据集中的图像相似的新图像的模型。VAE是生成模型的一个很好的例子。
在训练 CNN 时，一个问题是我们需要大量的标注数据。在图像分类的情况下，我们需要将图像分成不同的类别，这通常需要手动完成。
来自 [AI 初学者课程](https://github.com/microsoft/ai-for-beginners) 的实验任务。
训练 CNN 需要耗费大量时间，并且需要大量数据。然而，大部分时间都花在学习网络可以用来从图像中提取模式的最佳低级滤波器上。一个自然的问题是：我们是否可以使用一个在某个数据集上训练过的神经网络，并将其…
来自 [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) 的实验任务。
我们之前已经看到，神经网络在处理图像方面表现得非常出色，甚至单层感知机也能够以较高的准确率识别 MNIST 数据集中的手写数字。然而，MNIST 数据集非常特殊，所有数字都被居中放置在图像中，这使得任…
来自 [AI 初学者课程](https://aka.ms/ai-beginners) 的实验任务。
计算机视觉最简单的任务之一是图像分类。
[计算机视觉和OpenCV简介](06-IntroCV/README.md)
来自 [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) 的实验任务。
正如我们已经学习到的，为了高效地训练神经网络，我们需要做到以下两点：
来自[AI初学者课程](https://github.com/microsoft/ai-for-beginners)的实验任务。