Entity embeddings for fun and profit
嵌入层不仅在处理语言数据时有用。作为“实体嵌入”，它们最近因在表格、小规模数据上的应用而闻名。在这篇文章中，我们举例说明了两种可能的用例，同时也提醒大家不要期待什么。
You sure? A Bayesian approach to obtaining uncertainty estimates from neural networks
在深度学习中，没有明显的方法可以获得不确定性估计。2016 年，Gal 和 Ghahramani 提出了一种既有理论依据又实用的方法：在测试时使用 dropout。在这篇文章中，我们介绍了这种方法的改进版本（Gal 等人，2017 年），让网络本身了解其不确定性。
Naming and locating objects in images
对象检测（对场景中的多个对象进行分类和定位的行为）是较困难但在实践中非常相关的深度学习任务之一。我们将在几篇文章中介绍它。在这里，我们从命名和定位单个对象的简单任务开始。
Representation learning with MMD-VAE
与 GAN 一样，变分自动编码器 (VAE) 通常用于生成图像。然而，VAE 增加了一个额外的承诺：即对底层潜在空间进行建模。在这里，我们首先看一个最大化证据下限的典型实现。然后，我们将其与 Info-VAE（信息最大化 VAE）系列中较新的竞争对手之一 MMD-VAE 进行比较。
Winner takes all: A look at activations and cost functions
我们为什么要使用我们使用的激活，它们与它们往往同时出现的成本函数有何关系？在这篇文章中，我们提供了一个概念介绍。
More flexible models with TensorFlow eager execution and Keras
生成对抗网络、神经风格迁移和自然语言处理中无处不在的注意力机制等高级应用过去很难用 Keras 声明式编码范式实现。现在，随着 TensorFlow Eage Execution 的出现，情况发生了变化。这篇文章探讨了如何在 R 中使用 Eage Execution。
Collaborative filtering with embeddings
嵌入不仅仅用于自然语言处理。在这里，我们将嵌入应用于协同过滤中的常见任务 - 预测用户评分 - 并在此过程中努力更好地理解嵌入层的实际作用。
Image-to-image translation with pix2pix
条件 GAN (cGAN) 可用于根据另一种对象生成一种类型的对象 - 例如，基于照片的地图或基于黑白的彩色视频。在这里，我们展示了如何使用 Keras 和 Eager Execution 实现 pix2pix 方法。
Attention-based Image Captioning with Keras
图像字幕是视觉和语言交叉领域的一项具有挑战性的任务。在这里，我们演示了如何使用 Keras 和 Eage Execution 来整合注意力机制，使网络能够专注于与当前文本生成状态相关的图像特征。
Neural style transfer with eager execution and Keras
继续我们的关于将 Keras 与 TensorFlow Eager Execution 相结合的系列文章，我们展示了如何以简单的方式实现神经风格转换。基于这个易于适应的示例，您可以轻松地对自己的图像执行风格转换。
Getting started with deep learning in R
许多领域都受益于深度学习的使用，借助 R keras、tensorflow 和相关软件包，您现在可以轻松地在 R 中进行最先进的深度学习。在这篇文章中，我们想提供一些关于如何最好地开始的指导。
Generating images with Keras and TensorFlow eager execution
生成对抗网络 (GAN) 是一种流行的深度学习方法，用于生成新实体（通常但并非总是图像）。我们展示了如何使用 Keras 和 TensorFlow Eager Execution 对它们进行编码。
Attention-based Neural Machine Translation with Keras
随着序列到序列预测任务变得越来越复杂，注意力机制已被证明是有帮助的。一个突出的例子是神经机器翻译。根据最近的 Google Colaboratory 笔记本，我们展示了如何在 R 中实现注意力。
Classifying physical activity from smartphone data
使用 Keras 训练卷积神经网络来对身体活动进行分类。该数据集是根据 30 名受试者在携带腰部安装的内置惯性传感器智能手机时进行基本活动和姿势转换的记录构建的。
Predicting Sunspot Frequency with Keras
在这篇文章中，我们将研究如何使用基础 R 附带的太阳黑子数据集进行时间序列预测。太阳黑子是太阳上的黑点，与较低的温度有关。我们的文章将重点介绍如何将深度学习应用于时间序列预测，以及如何在此领域正确应用交叉验证。
Simple Audio Classification with Keras
在本教程中，我们将构建一个深度学习模型来对单词进行分类。我们将使用语音命令数据集，该数据集包含 65,000 个一秒钟的音频文件，其中人们说了 30 个不同的单词。
GPU Workstations in the Cloud with Paperspace
如果您无法在本地访问现代 NVIDIA GPU，那么最好的办法通常是在云中运行 GPU 密集型训练作业。Paperspace 是一种云服务，它提供对配备 GPU 的完全预配置的 Ubuntu 16.04 桌面环境的访问。
lime v0.4: The Kitten Picture Edition
lime 的一个新主要版本已登陆 CRAN。lime 是 Marco Ribeiro 编写的同名 Python 库的 R 端口，允许用户打开黑盒机器学习模型并根据每个观察结果解释其结果
