谷歌的計算引擎鳥槍換炮用上了更快的GPU，基於Python的亞馬遜AWS深度學習AMI

大數據文摘作品

編譯 | 寧雲州

嗚啦啦啦啦啦大家好呀，又到了本周的AI大事件時間了。過去的一周中AI圈都發生了什麼？大佬們互撕了哪些問題？研究者們發布了哪些值得一讀的論文？又有哪些開源的代碼和資料庫可以使用了？文摘菌帶你盤點過去一周AI大事件！

新聞

新演算法打開深度學習的黑箱

來源：WWW.QUANTAMAGAZINE.ORG

鏈接：https://www.quantamagazine.org/new-theory-cracks-open-the-black-box-of-deep-learning-20170921/

一個被稱為「信息瓶頸」的新概念有助於解釋當今深度學習演算法的成功——也可能解釋人腦如何學習的（雖然人類腦子裡是怎樣思維的誰也不敢定論）。

「人工智慧危機遠遠沒達到啟示錄的地步」——谷歌人工智慧主管

來源：TECHCRUNCH.COM

鏈接：https://techcrunch.com/2017/09/19/googles-ai-chief-thinks-reports-of-the-ai-apocalypse-are-greatly-exaggerated/

John Giannandrea在TechCrunch 的Disrupt SF大會上發表了他對人工智慧的看法，特別是，他認為現在人們太害怕一般民用的人工智慧了。

谷歌的計算引擎鳥槍換炮用上了更快的GPU

來源：CLOUDPLATFORM.GOOGLEBLOG.COM

鏈接：https://cloudplatform.googleblog.com/2017/09/introducing-faster-GPUs-for-Google-Compute-Engine.html

NVIDIA在谷歌的雲平台上公開測設了P100型號的GPU並使其性能得到了提升，NVIDIA的K80型號GPU現在在GCE上已經能夠購買了，顧客也能在K80和即將推出的P100型號的GPU上享受到「持續使用」的優惠。

文章&教程

基於Python的亞馬遜AWS深度學習AMI

來源：WWW.PYIMAGESEARCH.COM

鏈接：https://www.pyimagesearch.com/2017/09/20/pre-configured-amazon-aws-deep-learning-ami-with-python/

這個在Ubuntu VirtualBox虛擬機包括了所有你需要的深度學習和計算機視覺庫（如HTTP，TensorFlow，scikit learn，OpenCV，scikit-image等等），而且都是提前配置好的。

自然語言處理中的多任務學習目標

來源：RUDER.IO

鏈接：http://ruder.io/multi-task-learning-nlp/

多任務學習（MTL：Multi-task learning）可以通過利用一個相關任務提高模型性能。多任務學習包括兩個主要部分：（1）用於學習的體系結構和（2）聯合訓練的輔助任務。

AI把UI設計變成了寫代碼

來源：NEWS.DEVELOPER.NVIDIA.COM

鏈接：https://news.developer.nvidia.com/ai-turns-ui-designs-into-code/

一個哥本哈根的創業公司UIzard Technologies訓練了一個神經網路來通過一個圖形化用戶界面的截圖來生成代碼。

代碼，項目&數據

機器學習統一代理

來源：BLOGS.UNITY3D.COM

鏈接：https://blogs.unity3d.com/cn/2017/09/19/introducing-unity-machine-learning-agents/

ML-Agents SDK允許研究者和開發者使用Unity Editor把遊戲和模擬創建在一個環境中，在這個環境中，代理可以通過一個Python API進行深度強化學習、進化策略或其他機器學習方法的訓練。

Serpent.AI

來源：GITHUB.COM

鏈接：https://github.com/SerpentAI/SerpentAI

serpent.ai是一個以幫助開發人員創建遊戲代理的框架。它可以幫助你把你擁有的任何視頻遊戲轉換成沙箱環境進行實驗，基於Python。

Facebook 人工智慧研究Sequence-to-Sequence工具包

來源：GITHUB.COM

鏈接：https://github.com/facebookresearch/fairseq-py

該工具包實現了卷積序列到序列學習描述的全卷積模型，並在一台機器上進行多GPU訓練，以及在CPU和GPU上快速搜索波束生成。基於PyTorch。

Matterport研究數據集

來源：HACKERNOON.COM

鏈接：https://hackernoon.com/announcing-the-matterport3d-research-dataset-815cae932939?gi=26a405265d10

該數據集通過19440張圖片（RGB+depth）生成了10800個校準的三維全景圖（RGB +depth per pixel）。所有圖片都是由Matterport Pro 3D拍攝的。

爆款論文

深度學習的可重複性

來源：ARXIV.ORG

鏈接：https://arxiv.org/abs/1709.06560

這篇文章調查了可重複性、適當的實驗技術和報告流程帶來的挑戰。作者總結了深度學習的各種可變性和穩定性，並為提高深度學習的可重複性提出了健身性的建議。

基於強化學習的神經優化搜索

來源：ARXIV.ORG

鏈接：https://arxiv.org/abs/1709.06560

這篇文章提出了一種自動發現優化方法的過程，重點是深度學習的體系結構。作者訓練了一個遞歸神經網路控制器來生成一個域特定語言中的字元串，該字元串描述一個基於原始函數列表的數學更新方程，如梯度、梯度平均值等。

不確定貝爾曼方程及其探索

來源：ARXIV.ORG

鏈接：https://arxiv.org/abs/1709.06560

本文認為，不確定性貝爾曼方程（UBE：uncertainty Bellman equation）連接了任意時間步長的不確定性和隨後時間步長的預期不確定性，從而在個人時間步長的基礎上提高了潛在搜索效益。使用UBE搜索策略替代?-greedy在Atari套件上提升了DQN的性能。

志願者介紹

回復「志願者」加入我們

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！