AI在线 AI在线

深度学习

LeCun：对人工智能末日的担忧被夸大了，Meta正在构建超级智能助手

LeCun：对人工智能末日的担忧被夸大了，Meta正在构建超级智能助手
AI末日将近？ 深度学习三巨头之一、被称为AI教父的Hinton教授在最新演讲中指出，技术的发展速度远远超出了他的预期，如果再不加以监管人类将会在10年内灭绝：不过，同为深度学习三巨头之一的LeCun教授则表示：夸大了。 在最新采访中，LeCun表示，自己还是非常看好人工智能的未来的。
12/31/2024 7:05:00 AM
Pytorch 核心操作全总结！零基础必备！

Pytorch 核心操作全总结！零基础必备！
在深度学习与人工智能领域，PyTorch已成为研究者与开发者手中的利剑，以其灵活高效的特性，不断推动着新技术的边界。 对于每一位致力于掌握PyTorch精髓的学习者来说，深入了解其核心操作不仅是提升技能的关键，也是迈向高级应用与创新研究的必经之路。 本文精心梳理了PyTorch的核心操作，这不仅是一份全面的技术指南，更是每一个PyTorch实践者的智慧锦囊，建议收藏！
12/31/2024 7:00:00 AM
小喵学AI
意念操控电脑，如手掌般精准！MIT脑机接口新技术登Nature子刊

意念操控电脑，如手掌般精准！MIT脑机接口新技术登Nature子刊
编辑 | 2049想象一下，仅凭思维就能自如地操控电脑鼠标，就像健全人使用手部一样精准和流畅。 这听起来像科幻片中的场景，但在加州理工学院（MIT）的最新研究中，这样的未来正在成为现实。 研究人员开发出了一种名为「FENet」的突破性技术，让瘫痪患者能够更精准地用意念控制电脑设备。
12/30/2024 11:58:00 AM
ScienceAI
CMU等提出超实用「模型泛化性」指标，分布外准确率提升6% | ICML 2024 Oral

CMU等提出超实用「模型泛化性」指标，分布外准确率提升6% | ICML 2024 Oral
当前许多深度学习分类模型通常在大规模数据中训练以找到足以区分不同类别的特征。 然而，这种方式不可避免地学到伪相关特征（Spurious Correlation），导致训练的分类器在分布偏移（Distribution Shift）下往往会失效。 因此，如何在衡量一个训练好的模型的泛化性（Generalization）一直是一个关键问题。
12/26/2024 3:30:00 PM
新智元
新SOTA，浙大、中科院深度学习模型可靠、准确预测蛋白-配体，助力药物开发

新SOTA，浙大、中科院深度学习模型可靠、准确预测蛋白-配体，助力药物开发
编辑 | 萝卜皮准确预测蛋白质-配体相互作用对于理解细胞过程至关重要，目前仍面临着诸多挑战。 中国科学院、浙江大学的研究人员提出了 SurfDock，这是一种深度学习方法，通过将蛋白质序列、三维结构图和表面级特征整合到等变架构中来解决这一挑战。 SurfDock 在非欧几里德流形上采用生成扩散模型，优化分子平移、旋转和扭转以生成可靠的结合姿势。
12/18/2024 2:24:00 PM
ScienceAI
机械系统也能自主学习！密歇根大学团队构建了全新数学框架，登上Nature Communications

机械系统也能自主学习！密歇根大学团队构建了全新数学框架，登上Nature Communications
编辑丨&受人脑复杂运作的启发，神经网络已经彻底改变了各个领域的生产研究现状。 然而，考虑到基于计算机的神经网络需求的大量计算与极高能耗，特别是传统数字处理器的能源效率，机械神经网络的发展逐步被提上日程。 在光学神经网络中，波-物质相互作用被用来实现机器学习，类似的思路也可以被用来建立机械神经网络（MNN）的学习框架。
12/11/2024 2:29:00 PM
ScienceAI
从方向导数到梯度：深度学习中的关键数学概念详解

从方向导数到梯度：深度学习中的关键数学概念详解
方向导数作为标量量，表征了函数在特定方向上的变化率。 其数学表示为 ∇ᵤf(x) 或 Dᵤf(x)。 对于标量函数 f(x): Rⁿ → R，其梯度由函数的偏导数构成向量场。
12/9/2024 2:08:13 PM
Dr. Irene Markelic
精确属性控制，湖大、西电从头药物设计AI方法，登Nature子刊

精确属性控制，湖大、西电从头药物设计AI方法，登Nature子刊
编辑 | 萝卜皮深度生成模型在药物从头设计领域受到广泛关注。 然而，针对新靶点合理设计配体分子仍然具有挑战性，特别是在控制生成分子的性质方面。 在这里，受到 DNA 编码化合物库技术的启发，湖南大学和西安电子科技大学的研究人员提出了 DeepBlock，这是一种基于块（block）的配体生成深度学习方法，可根据目标蛋白质序列进行定制，同时实现精确的属性控制。
12/2/2024 2:59:00 PM
ScienceAI
使用 YOLO 和 EasyOCR 从视频文件中检测车牌

使用 YOLO 和 EasyOCR 从视频文件中检测车牌
本文将介绍如何通过Python中的YOLO（ou Only Look Once）和EasyOCR（光学字符识别）技术来实现从视频文件中检测车牌。 本技术依托于深度学习，以实现车牌的即时检测与识别。 从视频文件中检测车牌先决条件在我们开始之前，请确保已安装以下Python包：复制实施步骤步骤1：初始化库我们将首先导入必要的库。
11/28/2024 3:56:05 PM
二旺
压缩率达10的48次方，实现蛋白序列空间极端压缩，清华EvoAI登Nature子刊

压缩率达10的48次方，实现蛋白序列空间极端压缩，清华EvoAI登Nature子刊
编辑 | 萝卜皮设计功能更佳的蛋白质需要深入了解序列和功能之间的关系，这是一个难以探索的广阔空间。 通过识别功能上重要的特征来有效压缩这一空间的能力极其宝贵。 清华大学的研究团队建立了一种称为 EvoScan 的方法，用于全面分割和扫描高适应度序列空间，以获得能够捕捉其基本特征（尤其是在高维度中）的锚点。
11/27/2024 3:55:00 PM
ScienceAI
如何为深度学习选择优秀 GPU ？

如何为深度学习选择优秀 GPU ？
Hello folks，我是 Luga，今天我们继续来聊一下人工智能生态相关技术 - 用于加速构建 AI 核心算力的 GPU 硬件技术。 众所周知，对于绝大多数的深度学习模型的训练，尤其是参数规模较为庞大的模型，其往往是整个开发流程中最耗时、资源消耗最大的环节。 在传统的 CPU .
11/25/2024 4:15:14 PM
架构驿站
基于视觉 Transformer（ViT）进行图像分类

基于视觉 Transformer（ViT）进行图像分类
近年来，Transformer 架构彻底改变了自然语言处理（NLP）任务。 视觉Transformer（ViT）将这一创新更进一步，将变换器架构适应于图像分类任务。 本教程将指导您使用ViT对花卉图像进行分类。
11/21/2024 4:06:02 PM
二旺
新AI模型提高与疾病相关基因组学的预测能力

新AI模型提高与疾病相关基因组学的预测能力
为了了解DNA与疾病的关系，美国洛斯阿拉莫斯国家实验室的科学家开发了第一个多模态深度学习模型EPBDxDNABERT-2，该模型能够利用DNA“呼吸”，即双螺旋结构自发打开和关闭，来确定转录因子（调节基因活动的蛋白质）之间的精确关系。 该模型有可能帮助设计用于治疗源于基因活性疾病的药物。 与DNA链结合的转录因子蛋白的表示洛斯阿拉莫斯国家实验室研究员、该论文的第一作者Anowarul Kabir说：“转录因子有很多种，人类基因组的规模大得令人生畏。
11/19/2024 1:13:54 PM
AI情报室
提高深度学习模型效率的三种模型压缩方法

提高深度学习模型效率的三种模型压缩方法
译者 | 李睿审校 | 重楼近年来，深度学习模型在自然语言处理（NLP）和计算机视觉基准测试中的性能稳步提高。 虽然这些收益的一部分来自架构和学习算法的改进，但数据集大小和模型参数的增长是重要的驱动因素。 下图显示了top-1 ImageNet分类精度作为GFLOPS的函数，GFLOPS可以用作模型复杂性的指标。
11/18/2024 8:08:21 AM
李睿
多模态大模型技术方向和应用场景

多模态大模型技术方向和应用场景
多模态大模型（Multimodal Large Language Models，MLLM）是一种结合了大型语言模型（LLM）和大型视觉模型（LVM）的深度学习模型，它们能够处理和理解多种类型的数据，如文本、图像和音频，从而在跨模态任务中展现出卓越的性能。 核心特点对于多模态输入-文本输出的典型 MLLM，其架构一般包括编码器、连接器以及 LLM。 如要支持更多模态的输出(如图片、音频、视频)，一般需要额外接入生成器，如下图所示:MLLM 架构图模态编码器负责将原始的信息(如图片)编码成特征，连接器则进一步将特征处理成LLM 易于理解的形式，即视觉 Token。
11/11/2024 3:11:23 PM
天涯咫尺TGH
PyTorch 深度学习的十个核心概念

PyTorch 深度学习的十个核心概念
深度学习是当前最热门的技术之一，而 PyTorch 是一个非常受欢迎的深度学习框架。 今天，我们将深入探讨 PyTorch 中的 10 个核心概念，帮助你更好地理解和使用这个强大的工具。 张量（Tensor）张量是 PyTorch 中最基本的数据结构，类似于 NumPy 的数组，但可以在 GPU 上运行，从而加速计算。
11/11/2024 8:00:00 AM
小白PythonAI编程
优化计算机视觉和图像处理中的图像格式：OpenCV 中的 PNG、JPG 和 WEBP

优化计算机视觉和图像处理中的图像格式：OpenCV 中的 PNG、JPG 和 WEBP
在计算机视觉和图像处理应用中，选择正确的图像格式可以影响性能和质量。 无论你是在预处理数据以训练深度学习模型、在实时系统上运行推理，还是处理大型数据集，了解PNG、JPG和WEBP的优势和劣势可以帮助你做出明智的选择。 让我们深入了解每种格式在图像处理方面的独特特性，并提供实际的代码示例，展示如何使用Python中的OpenCV加载和保存这些格式。
11/7/2024 4:03:09 PM
二旺
Keras vs JAX，我该选哪个？

Keras vs JAX，我该选哪个？
译者 | 布加迪审校 | 重楼近年来，Keras和Tensorflow组合遇到了一种与之竞争的框架：JAX，它在深度学习开发者社区逐渐变得很重要。 那么JAX到底是什么？ 它有哪些功能？
11/6/2024 4:07:39 PM
布加迪