分类 机器学习 下的文章

机器学习开发板Google Coral Dev board


Google Coral Dev board是一款搭载了Google开发的SoM(System-on-Module)的小型电脑板,基于ARM的NXP iMX8M SoC,包括一个专门的Coral Edge TPU(Tensor Processing Unit) ,用于加速机器学习(ML)推理计算。

c3e7aba2-23ee-4386-b8d7-d5f146ce197a.jpg

作为边缘设备,Google Coral Dev board 使用没有通用GUI系统的轻量级OS Mendel Linux(基于 Debian)以及严格的远程登录安全性。板载 Edge TPU 协处理器每秒能够执行 4 万亿次操(TOPS),每次 TOPS 使用 0.5 瓦(每瓦 2 TOPS)。


Google Colab入门


Colaboratory 简称“Colab”,是 Google Research 团队开发的一款产品。借助 Colaboratory,您可在浏览器中编写和执行 Python 代码。它尤其适合机器学习、数据分析和教育目的。从技术上来说,Colab 是一种托管式 Jupyter 笔记本服务。用户无需设置,就可以直接使用,同时还能获得 GPU、TPU 等计算资源的免费使用权限。

fc4e7356-aa81-4278-bbca-29d3ddb68c4c.png

TensorFlow 是谷歌创建的开源软件库,作为主流的三大深度学习框架之一,用于各种感知和语言理解任务的机器学习。Google Colaboratory 是一个内建 TensorFlow 的云端 Jupyter 笔记本环境,除了具备Jupyter的预装库,还支持更多最流行的机器学习库。


视频生成软件 RunwayML 评论


随着GPT3和Bloom(文本生成)、Peregrine和Speechactors(音频生成)、DALLE和Stable Diffusion(图像生成)及RunwayML(视频生成)等生成式ML模型的出现,内容创建和创意工作正在发生永远的变化。

runwayml-green-screen-video-editor-1024x385.jpg

RunwayML 是一款适用于所有视频创作者的综合视频编辑软件,允许用户使用机器学习功能编辑视频。


浮点数的双精度、单精度和半精度


浮点数是计算机上最常用的数据类型之一,有些语言甚至数值只有浮点型(如Perl,Lua)。常用的浮点数有双精度、单精度和英伟达提出的半精度。双精度和单精度是为了计算,而半精度更多是为了降低数据传输和存储成本。

images.png

很多场景对于精度要求也没那么高,例如分布式深度学习里面,如果用半精度的话,比起单精度来可以节省一半传输成本。考虑到深度学习的模型可能会有几亿个参数,使用半精度传输还是非常有价值的。


综述:人工智能在麻醉学中的应用及展望


人工智能(artificial intelligence, AI)自1956年诞生以来已经取得了长足的发展,作为计算机科学的前沿学科,被认为是21世纪三大尖端技术之一,受到了各国政府的重视。传统的AI,人输入的是规则,输出的是答案,而机器学习(machine learning, ML),人输入的是数据和从这些数据中预期得到的答案,系统输出的是规则,将这些规则应用于新的数据,并使计算机自动生成答案。机器学习需要3个要素:输入数据、预期输出、衡量方法,其中衡量方法指计算算法的输出和我们预期输出的差距。衡量结果是一种反馈信号,用来调整算法。从3个要素的角度来看,麻醉学是比较适合机器学习的,因为它具有很多可以作为输入的数据,如BIS、近似熵、多尺度熵等都可以用来评估麻醉深度,血压、心率和血容量等可以用来评估患者的身体情况,医师的诊断可以作为预期输出。

artificial-intelligence-and-anaesthesia-5-1024.jpg

AI在麻醉上的应用是多种多样的,基本覆盖了临床麻醉的全过程。从术前对患者的风险预测并做出预案,给患者进行麻醉及镇静、镇痛、肌松,术中突发情况下的急救复苏,术后对患者的复苏催醒、远期随访,围手术期对患者身体情况进行的监测和相应处理等都有AI的应用,AI在麻醉学上的应用主要包括围手术期不良事件监测、自动评估麻醉深度、麻醉药物自动给药系统及自动超声图像处理等方面。对于麻醉医师来说,了解AI的最新发展,掌握如何高效、安全地利用AI是至关重要的。本文将对AI在麻醉上应用的相关研究进行综述。


励志故事:从Python新手到认证TensorFlow开发者


因为新冠疫情宅家无事可做,毕业于印度尼西亚Universitas Pelita Harapan的应用数学本科学生 Grady Matthias Oktavian 在从未用过 Python 编程的情况下,仅用不到两个月时间就拿到了谷歌 TensorFlow 开发者证书,并在Medium撰文《How to go from a Python newbie to a Google Certified TensorFlow Developer under two months》介绍这励志故事。

1_4V7uvW0Rcnap8BiNAJvtcA.jpeg


2019 年关于数据科学、机器学习和人工智能的五大预测


每年的这个时候,我们都会回顾过去,展望未来。对于数据科学、机器学习和人工智能来说,则是看看什么趋势会加快、什么事情会真正发生、什么事情在未来一年不会发生。

predictions.png

我们一整年都在观察和报道这些趋势,并且我们搜索了网络,咨询了我们的一些专家以了解其他人的想法。