谷歌發布機器學習框架：一個名叫NSL的神經結構學習框架
據外媒報道稱，谷歌近日推出了一個名叫 NSL 的神經結構學習框架，此框架是一個開源架構，開發其目的是為了對帶有圖形和結構化數據的神經網絡展開訓練。據消息稱，2019谷歌開發者大會將于9 月10日和11日于上海舉辦，想了解更多谷歌技術方面的知識，可以鎖定此次科技盛宴。
神經結構學習框架（NSL）的作用很大，它可以制作計算機視覺模型、執行自然語言處理（NLP）、從醫療記錄或知識圖等圖形數據集中運行預測，還可以與 TensorFlow 機器學習平臺配合使用，適用于有經驗或缺乏經驗的機器學習從業者。另外，NSL還可以監督、半監督、或無監督地學習，對訓練期間的圖形信號進行正規化的建模。
在某些情況下，開發者甚至用不到五行以上的代碼。TensorFlow工程師都發博客表示過：“在訓練期間使用結構化信號，能夠讓開發者獲得更高的模型精度，尤其是數據量相對較小的時候”。
聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用，如有內容侵權或者其他違規問題，請聯系本站處理。
舉報投訴
-
谷歌
+關注
關注
27文章
6168瀏覽量
105392 -
神經網絡
+關注
關注
42文章
4771瀏覽量
100772 -
開源
+關注
關注
3文章
3349瀏覽量
42501
發布評論請先 登錄
相關推薦
Arm成功將Arm KleidiAI軟件庫集成到騰訊自研的Angel 機器學習框架
KleidiAI 技術融入騰訊混元自研的 Angel 機器學習框架。這一合作旨在提高移動端人工智能 (AI) 服務的推理性能和效率，為用戶提供卓越
卷積神經網絡的實現工具與框架
： TensorFlow是由Google Brain團隊開發的開源機器學習框架，它支持多種深度學習模型的構建和訓練，包括卷積神經網絡。Ten
NPU與機器學習算法的關系
緊密。 NPU的起源與特點 NPU的概念最早由谷歌在其TPU（Tensor Processing Unit）項目中提出，旨在為TensorFlow框架提供專用的硬件加速。NPU的設計目標是提高機器
深度學習框架中的LSTM神經網絡實現
長短期記憶（LSTM）網絡是一種特殊的循環神經網絡（RNN），能夠學習長期依賴信息。與傳統的RNN相比，LSTM通過引入門控機制來解決梯度消失和梯度爆炸問題，使其在處理序列數據時更為有效。在自然語言
NVIDIA推出全新深度學習框架fVDB
在 SIGGRAPH 上推出的全新深度學習框架可用于打造自動駕駛汽車、氣候科學和智慧城市的 AI 就緒型虛擬表示。
人工神經網絡與傳統機器學習模型的區別
人工神經網絡（ANN）與傳統機器學習模型之間的不同，包括其原理、數據處理能力、學習方法、適用場景及未來發展趨勢等方面，以期為讀者提供一
TensorFlow與PyTorch深度學習框架的比較與選擇
深度學習作為人工智能領域的一個重要分支，在過去十年中取得了顯著的進展。在構建和訓練深度學習模型的過程中，深度學習
谷歌推出AI框架，實現AI模型的自然語言學習
據了解，在此款“社交學習”框架中，“學生模型”可向多位已處理指定任務的“教師模型”請教各類應對方案，研究團隊主要通過開展“垃圾短信檢測”、“解決小學數學題”及“根據文本回答問題”等多項試驗，以衡量此框架的運作效果。
人工智能和機器學習的頂級開發板有哪些？
機器學習（ML）和人工智能（AI）不再局限于高端服務器或云平臺。得益于集成電路（IC）和軟件技術的新發展，在微型控制器和微型計算機上實現機器學習算法和深度
工商網監
評論