生成对抗网络是当前最热门的技术之一，它掀起了一场技术革命，取得了很多重大的突破。不久前，伊利诺伊大学香槟分校的学生 Ajay Uppili Arasanipalai 在Deep Learning专栏发布了一篇文章，文章详细介绍了 GAN 自被提出以来的发展历史，以及各种相关的论文、代码和博客。雷锋网 AI 科技评论将他的文章编译整理如下。当 Ian Goodfellow 在 2014 年喝...

雷锋网 AI 科技评论按：每月《Computer Vision News》都会选择一篇关于计算机视觉领域研究成果的论文进行回顾。今年三月份，他们选择了由 Yossi Gandelsman，Assaf Shocher 和 Michal Irani 三位学者（下文中所提到的作者，均指以上三位学者）共同完成的关于 Double-DIP 模型的论文，其中详细介绍了基于耦合的深度图像先验网络对单个图像进行无

生成对抗网络是当前最热门的技术之一，它掀起了一场技术革命，取得了很多重大的突破。不久前，伊利诺伊大学香槟分校的学生 Ajay Uppili Arasanipalai 在Deep Learning专栏发布了一篇文章，文章详细介绍了 GAN 自被提出以来的发展历史，以及各种相关的论文、代码和博客。雷锋网 AI 科技评论将他的文章编译整理如下。当 Ian Goodfellow 在 2014 年喝...

雷锋网 AI 科技评论按：如果要让机器人拥有人的学习能力，应该怎么做？伯克利 AI 研究院给出了一个很好的答案——元强化学习（meta-RL）。但这一次伯克利 AI 研究院不只是使用了元强化学习，还考虑POMDP、异步策略梯度等等知识体系，最终得到了一个高样本效率、高探索效率的新算法「PEARL」。这一成果不仅为解决 AI 的实际问题提供新的思考角度；同时也是实现在现实系统中规模化应用元强化学习的

雷锋网AI科技评论按：近年来，深度强化学习（Deep reinforcement learning）方法在人工智能方面取得了瞩目的成就，从 Atari 游戏、到围棋、再到无限制扑克等领域，AI 的表现都大大超越了专业选手，这一进展引起了众多认知科学家的关注。不过 Deep RL 需要大量的训练数据，人们开始质疑深度强化学习过于依赖样本，导致效率低下，无法与人类学习的合理模型相匹配。但在本文中，..

本文为 AI 研习社编译的技术博客，原标题 ：Deep Reinforcement Learning using Unity ml-agents作者 |João Ramos翻译 | 通夜编辑 | 王立鱼原文链接：https://towardsdatascience.com/deep-reinforcement-learning-using-unity-ml...

原标题 |A Full Hardware Guide to Deep Learning作者 |Tim Dettmers译者 | linlh、呀啦呼（Tufts University）、Ryan222（重庆邮电大学）深度学习是非常消耗计算资源的，毫无疑问这就需要多核高速的CPU。但买一个更快的CPU有没有必要？在构建深度学习系统时，最糟糕的事情之一就是把钱浪费在不必要的硬件...

雷锋网 AI 科技评论按：每月《Computer Vision News》都会选择一篇关于计算机视觉领域研究成果的论文进行回顾。今年三月份，他们选择了由 Yossi Gandelsman，Assaf Shocher 和 Michal Irani 三位学者（下文中所提到的作者，均指以上三位学者）共同完成的关于 Double-DIP 模型的论文，其中详细介绍了基于耦合的深度图像先验网络对单个图像进行无

雷锋网 AI 科技评论按：如果要让机器人拥有人的学习能力，应该怎么做？伯克利 AI 研究院给出了一个很好的答案——元强化学习（meta-RL）。但这一次伯克利 AI 研究院不只是使用了元强化学习，还考虑POMDP、异步策略梯度等等知识体系，最终得到了一个高样本效率、高探索效率的新算法「PEARL」。这一成果不仅为解决 AI 的实际问题提供新的思考角度；同时也是实现在现实系统中规模化应用元强化学习的

雷锋网AI科技评论按：近年来，深度强化学习（Deep reinforcement learning）方法在人工智能方面取得了瞩目的成就，从 Atari 游戏、到围棋、再到无限制扑克等领域，AI 的表现都大大超越了专业选手，这一进展引起了众多认知科学家的关注。不过 Deep RL 需要大量的训练数据，人们开始质疑深度强化学习过于依赖样本，导致效率低下，无法与人类学习的合理模型相匹配。但在本文中，..