凯撒娱乐手游网为大家分享最新热门手机游戏攻略!
  • 手机游戏
  • 手机软件
  • 手游专区
您的位置:主页 > 游戏视频 > → 文章内容

首页¨赢咖2娱乐注册。首页

  远博娱乐注册,昨天为大家推荐了三个Python视频,包含:《利用Python,用4分钟时间搭建一个情感分析系统》、《7行Python代码,搭建一个可以识花的机器学习APP》、《10行Python,搭建一个可以自动作曲的神经网络》,今天营长再为大家推荐三个

  Siraj Raval毕业于哥伦比亚大学,曾任职于 Twilio 和 Meetup,他通过制作教程类短视频的方式在Youtube上积累了大量的粉丝,视频内容包含:如何搭建神经网络、聊天机器人、AI游戏、AI作曲家、递归神经网络、无人驾驶汽车等在内的大量实用的案例,这些视频长度大多都在10分钟以内,加上Siraj Raval丰富的演讲表情,你绝对不会觉得学编程是一件枯燥无趣的事情。

  从著名的碰撞球开始,人工智能在游戏中的使用已经有很长的历史了。传统模式的AI是通过还原论来进行搭建的,他们将游戏世界简化为一个模型,并给予AI相应的知识,大部分情况下它们就是可用的了。

  但是如果我们想搭建一个可以兼容多种不同游戏的AI呢?不同游戏的世界模型都不一样,所以我们不能只针对其中一个游戏来设计模型。因此对游戏世界建模是不可行的,我们需要对思想建模。要想搭建一个玩什么游戏都能精通的AI,我们应该先问问自己,如何最炫酷的完成这个目标?

  DeepMind在2015年就已经做了这件事,他们的目标是创建一个通用人工智能。这个人工智能算法可以解决在人类思维层面的任何问题,甚至做得比人类更好。他们的研究到了一个重要的里程碑阶段,人工智能可以在没有获得游戏内超参数的情况下打赢49种不同的Atari游戏。Google一气呵成的解决了这个问题,这个算法叫做Deep Q-Learning,并且已经在Github上开源了,它只需要两个输入:游戏的原生像素与游戏分数,仅此而已。游戏目标很明确,最大化分数。

  这个视频中 Siraj Raval 会介绍谷歌是如何做到的,以及如何利用Python搭建一个自己的游戏机器人。

  艺术源于生活,它诠释了我们在生活中的经历与情感。那么我们能搭建一个AI艺术家吗?答案是肯定的。这听起来很不可思议,我们可以使用一个艺术家的风格来训练出一个神经网络,然后让它将艺术家的画风迁移到指定的图片上。

  这一切都是从谷歌研究团队公布的一篇关于“inceptionism”的博客开始的。他们使用大量的图片数据训练了一个深度卷积神经网络,它可以识别出日常生活中的一些东西,比如狗或者建筑物。一旦神经网络可以识别物体了,他们给神经网络一张小说插图,如果它在图中看到能够识别的物体,比如一朵很像狗的云,那么它就会将图像优化的更像狗。

  另一个小组写了一篇类似的文章叫做艺术家风格的神经网络算法,他们让神经网络以另一个艺术家的风格重画画作,使用的是一个著名的图片作为基准图,所以当他们使用星夜来训练神经网络时,它将通过拟合所有的特征来修改图像使其更像星夜。

  因为Siraj Raval已经在前几期视频中详细的讲解了卷积神经网络,今天他将带着大家使用深度学习库Keras来在Python中重现用神经网络进行风格迁移的相关论文结果。

  神经网络从上世纪50年代就出现了,曾经一度有一些文章夸张的称它复制了人类大脑,有的人甚至说如果给神经网络足够的深度和大量的数据,它会变得拥有自我意识。

  果真如此吗?如果让人工神经网络来识别香蕉,首先得需要喂给它成千上万张香蕉的图片,再想想人类的学习方式,只需要极少的图片就能辨识出香蕉。人类并不需要成千上万的样本来归纳,只需一些小样本就可以归纳出知识。虽然人类拥有这项天赋,但想把这样的能力写成算法赋予机器却不是一件容易的事情。

  这个视频中,Siraj Raval 会和大家聊聊单样本学习(One-Shot Learning)的事情,并且还会教大家用Python构建一个单样本学习的手写字体分类器。