Image Data Collection for Climate Change Analysis
初学者指南埃特纳火山的卫星图像。来源：美国地质调查局 (USGS) 在 Unsplash 上的照片。I. 简介深度学习在地球观测中成功传播。它的成就导致了更复杂的架构和方法。然而，在这个过程中，我们忽略了一些重要的东西。拥有更多优质数据比拥有更好的模型更好。不幸的是，EO 数据集的开发一直很混乱。如今，它们有数百个。尽管我们努力编译数据集，但可以说它们散布在各处。此外，EO 数据已经激增以满足非常具体的需求。矛盾的是，这正是我们应该用它们前进的相反方向，特别是如果我们希望我们的深度学习模型更好地工作的话。例如，ImageNet 编译了数千张图像以更好地训练计算机视觉模型。然而，EO 数据比 I
How to Tackle the Weekend Quiz Like a Bayesian
您知道以下哪个是 malmsey 吗？您能猜出来吗？几周前，悉尼先驱晨报美好周末测验中出现了这个问题：malmsey 是什么：轻微宿醉、女巫的诅咒还是强化葡萄酒？假设我们对答案一无所知，在这种情况下有什么方法可以做出明智的猜测吗？我认为有。在继续阅读之前，请随意思考一下。使用 Gemini Imagen 3 创建的因强化葡萄酒而轻微宿醉的女巫我们真的没有什么可以回答这个问题的吗？看着这个词，感觉它可能意味着这些选项中的任何一个。当然，多项选择题就是为了给人这种感觉而构建的。但我们可以采取一种理性的方法，即认识到每个选项都有不同的基准利率。也就是说，暂时忘掉什么是玛姆西酒，什么不是玛姆西酒，我们
New generative AI tools open the doors of music creation
我们的最新AI音乐技术现已在MusicFX DJ，Music AI Sandbox和YouTube短裤 引入了VEO 3和Imagen 4，以及一种称为Flow的新工具。 我们的全面基准和在线排行榜提供了急需的衡量标准，以衡量其在提供的原始材料中的响应程度准确地基础，并避免幻觉
New generative AI tools open the doors of music creation
我们的最新AI音乐技术现已在MusicFX DJ，Music AI Sandbox和YouTube短裤 新的AI系统设计成功结合靶分子的蛋白质，具有推进药物设计，疾病理解等的潜力。 使用深度学习来解决计算量子化学中的基本问题并探索物质与光的相互作用 突破性模型字母和字母度计2求解数学中的高级推理问题 我们正在介绍双子座模型家族的一系列更新，包括新的1.5 Flash，我们的速度和效率轻量级模型，以及Project Astra，我们对AI助手未来的愿景。 我们已经看到开发人员使用Gemini 2.5 Pro做了惊人的事情，因此我们决定提前几周发布更新的版本，以便早日进入开发人员。 引入了V
New generative media models and tools, built with and for creators
我们推出了 Veo，这是我们最强大的高清视频生成模型，以及 Imagen 3，这是我们最高质量的文本转图像模型。我们还将分享使用我们的 Music AI Sandbox 创建的新演示录音。
New generative media models and tools, built with and for creators
我们正在介绍WEO，这是我们最有能力的生成高清视频的模型，以及最高质量的文本对图像模型Imagen 3。我们还将与音乐AI Sandbox共享新的演示录音。
New generative media models and tools, built with and for creators
我们正在介绍WEO，这是我们最有能力的生成高清视频的模型，以及最高质量的文本对图像模型Imagen 3。我们还将与音乐AI Sandbox共享新的演示录音。
New generative media models and tools, built with and for creators
我们正在介绍WEO，这是我们最有能力的生成高清视频的模型，以及最高质量的文本对图像模型Imagen 3。我们还将与音乐AI Sandbox共享新的演示录音。
New generative media models and tools, built with and for creators
我们正在介绍WEO，这是我们最有能力的生成高清视频的模型，以及最高质量的文本对图像模型Imagen 3。我们还将与音乐AI Sandbox共享新的演示录音。
Understanding Deep Learning Algorithms that Leverage Unlabeled Data, Part 1: Self-training
深度模型需要大量的训练样本，但标记数据很难获得。这激发了利用未标记数据的重要研究方向，而未标记数据通常更容易获得。例如，可以通过爬取网络获取大量未标记的图像数据，而 ImageNet 等标记数据集则需要昂贵的标记程序。在最近的实证发展中，使用未标记数据训练的模型已开始接近全监督性能（例如 Chen 等人，2020 年，Sohn 等人，2020 年）。本系列博客文章将讨论我们的理论工作，该工作旨在分析使用未标记数据的最新实证方法。在第一篇文章中，我们将分析自我训练，这是一种非常有影响力的半监督学习和领域自适应算法范式。在第 2 部分中，我们将使用相关理论思想来分析自监督对比学习算法，这种算法对于
Understanding Deep Learning Algorithms that Leverage Unlabeled Data, Part 1: Self-training
深度模型需要大量的训练样本，但标记数据很难获得。这激发了利用未标记数据的重要研究方向，而未标记数据通常更容易获得。例如，可以通过爬取网络获取大量未标记的图像数据，而 ImageNet 等标记数据集则需要昂贵的标记程序。在最近的实证发展中，使用未标记数据训练的模型已开始接近全监督性能（例如 Chen 等人，2020 年，Sohn 等人，2020 年）。本系列博客文章将讨论我们的理论工作，该工作旨在分析使用未标记数据的最新实证方法。在第一篇文章中，我们将分析自我训练，这是一种非常有影响力的半监督学习和领域自适应算法范式。在第 2 部分中，我们将使用相关理论思想来分析自监督对比学习算法，这种算法对于
这篇文章探讨了如何使用 TensorFlow 和 R 训练大型数据集。具体来说，我们介绍了如何下载和重新分区 ImageNet，然后使用 TensorFlow 和 Apache Spark 在分布式环境中跨多个 GPU 训练 ImageNet。
#94 – Ilya Sutskever: Deep Learning
Ilya Sutskever 是 OpenAI 的联合创始人，是历史上被引用次数最多的计算机科学家之一，引用次数超过 165,000 次，对我来说，他是深度学习领域有史以来最聪明、最有洞察力的人之一。在这个世界上，很少有人比 Ilya 更愿意与我谈论深度学习、智能和生活，无论是在话筒上还是话筒下。通过注册以下赞助商来支持此播客：– Cash App – 使用代码“LexPodcast”并下载：– Cash App（App Store）：https://apple.co/2sPrUHe– Cash App（Google Play）：https://bit.ly/2MlvP5w 剧集链接：Ilya
