论文/TPAMI 2021 -基于 event stream 的步态识别

论文/TPAMI 2021 -基于 event stream 的步态识别

经过一年的努力,我们终于中了 TPAMI。论文题目:Event-Stream Representation for Human Gaits Identification Using Deep Neural Networks。2020 年下半年基本都在忙这篇论文,从志愿者招募、找场地、数据采集、coding 和 debug,的确非常累,还好有几个小伙伴一起帮忙,也算是一个不错的结果。

数据 和 代码 即将开源。

下面简单聊聊,这篇论文主要是基于 event stream 的步态识别,是一篇偏应用的文章。

阅读更多
NLP/图解 GPT2

NLP/图解 GPT2

这篇文章翻译自 https://jalammar.github.io/illustrated-gpt2/。多图详细解释当今最为强大的人工智能 GPT-2(截至 2019 年 8 月 12 日)。

今年,我们看到了机器学习在许多场景的广泛应用。OpenAI GPT-2 表现出了令人印象深刻的能力,它能够写出连贯而充满激情的文章,这超出了我们当前对语言模型的预期效果。GPT-2 不是一个特别新颖的架构,而是一种与 Transformer 解码器非常类似的架构。不过 GPT-2 是一个巨大的、基于 Transformer 的语言模型,它是在一个巨大的数据集上训练的。在这篇文章,我们会分析它的结构,以及这种结构产生的作用。我们会深入了解 Self Attention 层的细节。然后我们会再了解一下这种只有 Decoder 的 Transformer 在语言建模之外的应用。

阅读更多
TensorFlow/TensorFlow 保存 pb 模型

TensorFlow/TensorFlow 保存 pb 模型

我们在保存 TensorFlow 的模型时,一般都是把模型保存为 ckpt 文件。

但是如果把模型迁移到手机上,那么就要把模型保存为 pb 文件。模型保存为 pb 文件时候,模型的变量都会变成固定的,从而会大大减小模型的大小,适合在手机端运行。

这里来讲下如何把模型保存为 pb 文件,以及如何从 pb 文件中加载模型。

阅读更多
TensorFlow/[TensorFlow 学习笔记 ] 8 时间序列 2 - 神经网络方法
TensorFlow/[TensorFlow 学习笔记 ] 7 时间序列 1 - 统计学方法
TensorFlow/[TensorFlow 学习笔记 ] 6 RNN 实现文本生成
TensorFlow/[TensorFlow 学习笔记 ] 5 使用 RNN 进行文本分类
NLP/图解 Bert

NLP/图解 Bert

本文翻译自:http://jalammar.github.io/illustrated-bert/

通俗易懂,非常适合刚刚开始了解 Bert 的同学。

BERT 来源于 Transformer,如果你不知道 Transformer 是什么,你可以查看 图解 Transformer

2018 年是机器学习模型处理文本(或者更准确地说,自然语言处理或 NLP)的转折点。如何用最恰当的形式来表示单词和句子,从而最准确地捕捉它们基本语义和关系?我们对这些问题的研究正在迅速发展。此外,NLP 社区已经发布了一些非常强大的组件,你可以免费下载,并在自己的模型和 pipeline 中使用(今年,可以说是 NLP 的 ImageNet 时刻,这句话指的是:多年前类似的发展,也加速了机器学习在计算机视觉任务中的应用)。

阅读更多
TensorFlow/[TensorFlow 学习笔记 ] 4 文本数据预处理
TensorFlow/[TensorFlow 学习笔记 ] 3 计算机视觉 2-数据增强,迁移学习,以及 dropout

TensorFlow/[TensorFlow 学习笔记 ] 3 计算机视觉 2-数据增强,迁移学习,以及 dropout

图片二分类

在上一篇文章中,你学习了如何创建卷积神经网络,以及 ImageGenerator 来创建并训练一个完整的深度学习模型。但之前使用的数据都是计算机生成的,这些数据中的物体都在图片中心,图片宽高一样。而真实世界的图片数据是多种多样的。

在这篇文章中,我们来看下如何处理真实世界的数据。

阅读更多