0
本文作者: 三川 | 2017-03-19 15:32 |
又到周末。
休息之余,為大家奉上過去一周引發(fā) AI 開發(fā)者圈子關注的那些事兒。大伙兒泡杯茶,坐在搖椅上,一起來看看在埋頭工作的這個星期,外面的世界又有哪些變化。
本周,基于 Minecraft 上的知名 AI 技術研究測試平臺 Project Malmo,微軟發(fā)起了一項 AI 協(xié)作挑戰(zhàn)賽:The Malmo Collaborative AI Challenge,目前已經(jīng)開始注冊報名。
比賽要求每支參賽隊伍(最多 3 名隊員)開發(fā)并訓練一個 AI 軟件產(chǎn)品。然后通過該軟件產(chǎn)品參加一個名為 Pig Chase (小豬快跑)的小游戲。該游戲在 Minecraft 環(huán)境中展開,每局游戲有兩名參賽者,一方為參賽隊伍開發(fā)的 AI 軟件產(chǎn)品,另一方為系統(tǒng)隨機分配的隊友,有可能是人類選手,也有可能是另一個隊伍開發(fā)的 AI 軟件。游戲一開始,參賽雙方都有 25 分的原始積分,比賽要求雙方在 25 步之內(nèi)將一只小豬抓住,每走一步會減掉 1 分,最終抓住小豬雙方各得 25 分,每輪比賽 10 局,最終累計得分高者獲勝。
目前,關于 Pig Chase 的樣例代碼和詳細說明已經(jīng)公開在 GitHub 上:
https://github.com/Microsoft/malmo-challenge/blob/master/ai_challenge/pig_chase/README.md
詳情:http://m.ozgbdpf.cn/news/201703/yFsaEbO7oAoODl9g.html?type=preview
在本次版本更新中,最重要的一項內(nèi)容就是增強了 Keras 與 TensorFlow 的邏輯一致性。按照 Keras 在博客中的說法:“這是將 Keras API 整合到 TensorFlow 核心的一個重要的準備步驟”。
實際上,從 2015 年 12 月的版本開始,Keras 就已經(jīng)支持用戶將 TensorFlow 作為運行后端(runtime backend),但此前,Keras 的 API 與 TensorFlow 的代碼庫尚處于相互隔離的狀態(tài)。未來,從 TensorFlow 1.2 版本開始,Keras 2 API 將作為 TensorFlow 框架的一部分直接向用戶提供支持,Keras 在博客中表示:“這是 TensorFlow 實現(xiàn)下一個百萬用戶級目標的關鍵”。
詳情:http://m.ozgbdpf.cn/news/201703/qjvnXzgYryMxs2xK.html
這是 SyntaxNet 自誕生以來的最重大升級。這建立在谷歌對各語言的語義理解研究基礎之上。此次升級的核心是一項新技術:能對輸入語句的多層表示進行很好的學習。具體來講,它延伸了 TensorFlow,能對多層語言結構進行合成建模,還能夠在語句或文件處理過程中,動態(tài)地生成神經(jīng)網(wǎng)絡架構。
谷歌同時發(fā)布了新的預訓練過的模型 ParseySaurus。它使用了基于字母的輸入表示,因此極大提升了預測新詞語含義的能力。這是基于兩個方面來實現(xiàn):詞匯的拼寫和在語境中的使用方式。雷鋒網(wǎng)了解到,ParseySaurus 的準確率遠遠超出 Parsey's Cousins,錯誤率降低了 25%。由于語言的形態(tài)特性和其他屬性,新模型在俄語、土耳其語、匈牙利語上的效果尤其好——這些語言中,同一個詞匯有多種不同形態(tài),其中許多形態(tài)從未在訓練階段出現(xiàn)過(即便是大型語料庫)。
詳情:http://m.ozgbdpf.cn/news/201703/9mP1ewE1EWivGPyc.html
在圣何塞舉行的 Strata+Hadoop World 大會上,美國大數(shù)據(jù)服務商 Cloudera 發(fā)布了 Cloudera Data Science Workbench —— 一個運行于 Cloudera Enterprise,自助式的數(shù)據(jù)科學開發(fā)環(huán)境。目前該全新研發(fā)的軟件尚在 beta 內(nèi)測階段。
雷鋒網(wǎng)獲知,其相關技術來自于 Cloudera 去年收購的數(shù)據(jù)科學初創(chuàng)公司 Sense.io。該產(chǎn)品的最大特點是原生支持 Apache Spark、Hadoop 和 R、Python、Scala 等開發(fā)語言。 開發(fā)者能在 Cloudera 的企業(yè)平臺上同時使用這些工具和語言,這將加速數(shù)據(jù)分析項目從研發(fā)到最終產(chǎn)品的過程。
詳情:http://m.ozgbdpf.cn/news/201703/YTpa23qzTQBepxl5.html
推薦深度閱讀
有位外國開發(fā)者根據(jù) fast.ai 平臺開設的深度學習代碼實踐課程,親手實現(xiàn)了一個照片風格轉換器,并對幾種常見的優(yōu)化算法的性能進行了綜合對比,最終以圖表加博客的方式記錄下來。
作者比較了基于 CNN 的六種優(yōu)化算法:梯度下降、Adadel、RMSProp、Adam、L-BFGS 和 Adagrad。雷鋒網(wǎng)對全文進行了編譯。
詳情:http://m.ozgbdpf.cn/news/201703/Isacz6x6dDNQPDVW.html?type=preview
相關文章:
Facebook 開源新一代機器學習 GPU 服務器 Big Basin;谷歌召開 Google Cloud Next 云技術大會等 | AI 研習社周刊
百度實時語音轉換技術 DeepVocie;谷歌 Python Fire 等| AI 研習社周刊
雷峰網(wǎng)原創(chuàng)文章,未經(jīng)授權禁止轉載。詳情見轉載須知。