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，..

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...

本文作者为东北大学自然语言处理实验室 2018 级研究生胡驰，他的研究方向包括神经网络结构搜索、自然语言处理。雷锋网 AI 科技评论经作者授权发表本文章。近年来，深度学习的繁荣，尤其是神经网络的发展，颠覆了传统机器学习特征工程的时代，将人工智能的浪潮推到了历史最高点。然而，尽管各种神经网络模型层出不穷，但往往模型性能越高，对超参数的要求也越来越严格，稍有不同就无法复现论文的结果。而网络结构作为..

导语：深度学习框架排名，TensorFlow 高于 PyTorch。译者：AI研习社（话左）双语原文链接：Top Python Libraries for Deep Learning, Natural Language Processing & Computer Vision请注意，下面的图示由Gregory Piatetsky绘制，每个库都有其类别，按星标和贡献者对其进行绘制，符号大小则

免费计算机书籍汇总。没有注明语种的，都为英语资源。目录一、Web 开发二、系统管理三、编程语言四、数据库五、软件开发六、人工智能七、数学理论八、其他一、Web 开发1.1 JavaScript 语言The Modern JavaScript Tutorial（中文，英文）你不知道的 JSSpeaking JavaScript急性子程序员的 JavaScript 教程JavaScript 语言教程（

计算机视觉和模式识别领域顶级会议 CVPR 2019 于上周在美国落下帷幕，各大企业和科研机构纷纷发布自家最新成果，其中，不乏诸多来自中国的研究成果。接下来，雷锋网 AI 科技评论将为大家介绍亮风台在 CVPR 2019 上展示的大规模单目标跟踪高质量数据集 LaSOT，这一数据集包含超过 352 万帧手工标注的图片和 1400 个视频，这也是目前为止最大的拥有密集标注的单目标跟踪数据集。以下为亮

原文标题 |Interpretable Machine Learning作者 |Parul Pandey译者 |intelLigenJ（算法工程师）、鸢尾编辑 | 王立鱼原文链接：https://towardsdatascience.com/interpretable-machine-learning-1dec0f2f3e6b图源Pexels的Pix...