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。
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。
在上一节中，你学习了最简单的神经网络模型——单层感知机，这是一种线性二分类模型。
来自 [AI for Beginners Curriculum](https://github.com/microsoft/ai-for-beginners) 的实验任务。
1957年，康奈尔航空实验室的Frank Rosenblatt首次尝试实现类似现代神经网络的模型。这是一种名为“Mark-1”的硬件实现，设计用于识别简单的几何图形，例如三角形、正方形和圆形。
正如我们在介绍中讨论的那样，实现智能的一种方法是训练一个计算机模型或一个人工大脑。自20世纪中期以来，研究人员尝试了各种数学模型，直到近年来，这一方向取得了巨大的成功。这些大脑的数学模型被称为神经网络…
人工智能的追求是基于对知识的探索，以类似人类的方式理解世界。但你该如何实现这一点呢？
人工智能是一门令人兴奋的科学学科，研究如何让计算机表现出智能行为，例如完成那些人类擅长的事情。
分块思想与区间查询。
贪心、堆与压缩编码。