跳转到页脚

标签:TensorFlow

无需编码：使用Ludwig的培训模型，优步的开源深度学习工具箱

莫莉Vorwerck-
优步艾丽的Piero Molino讨论了Ludwig的起源故事，常用用例，以及别人如何开始使用这种强大的深度学习框架，建立在Tensorflow之上。
阅读更多

介绍Ludwig，一种免费的深度学习工具箱

Piero Molino.-
Uber AI开发了Ludwig，一个免代码的深度学习工具箱，使非专家更容易访问深度学习，并实现更快的模型迭代周期。
阅读更多

Horovod作为其最新项目加入LF深度学习基金会

布莱恩谢长廷-
优步分布式培训框架Horovod加入LF深度学习基金会，帮助推进人工智能、机器学习和深度学习的开源创新。
阅读更多

Uber开源：符合Alex Sergeev，Horovod项目领先

莫莉Vorwerck-
我们采访了Horovod项目负责人Alex Sergeev，讨论了他走向开源的道路，以及优步分布式深度学习框架的未来最让他兴奋的是什么。
阅读更多

更快的神经网络直接从JPEG

莱昂内尔Gueguen-
优步人工智能实验室(Uber AI Labs)推出了一种利用JPEG表示的神经网络处理图像更快、更准确的方法。
阅读更多

英伟达(NVIDIA):利用优步(Uber)的Horovod加速深度学习

莫莉Vorwerck-
HOROVOD，优步的开源分布式深度学习系统，使NVIDIA能够从一到八个GPU的模型培训，以获得自动传感和感知技术。
阅读更多

使用Michelangelo的优步学习

杰里米·赫尔曼-
2015年，优步建立了我们的机器学习平台米开朗基罗。三年后，我们回顾了我们在优步拓展ML的历程，以及在这一过程中吸取的教训。
阅读更多
Petastorm标志

介绍Petastorm: Uber ATG的深度学习数据访问库

罗比格伦-
优步的先进技术集团推出了Petastorm，这是一个开源的数据访问库，可以直接从Apache Parquet格式的多tb数据集中训练和评估深度学习模型。
阅读更多

M4预测竞争:引入一种新的混合ES-RNN模型

Slawek Swyl.-
优步高级数据科学家Slawek Smyl凭借其混合指数平滑-递归神经网络(ES-RNN)预测方法赢得了M4竞赛。
阅读更多

Omphalos, Uber的并行和语言可扩展时间序列回测工具

罗伊·杨-
Uber Engineering创建了我们新的回溯测试框架Omphalos，以实现跨语言预测模型的高效和可靠比较。
阅读更多

snet:利用激活块稀疏性加速卷积神经网络

Mengye任-
Uber ATG Toronto开发了稀疏块网络(SBNet)，这是TensorFlow的一个开源算法，以加快我们的3D车辆检测系统的推理，同时降低计算成本。
阅读更多

2017年回顾:优步开源的2017亮点

布莱恩谢长廷-
随着新年的临近，优步开源回顾了2017年优步工程最受欢迎的一些项目。
阅读更多

在优步用机器学习和人工智能打造更可靠的交通工具

Chintan Turakhia-
在本文中，我们将重点介绍优步如何利用机器学习和人工智能来大规模应对工程挑战。
阅读更多

Uber涡轮增压分析与我们的数据科学工作台

Nikhil Joshi-
优步工程的数据科学工作台(DSW)是一个一体化的工具箱，利用聚合数据进行交互式分析和机器学习。
阅读更多

见见Horovod: Uber的TensorFlow开源分布式深度学习框架

亚历克斯能够-
优步工程引入了Horovod，这是一个开源框架，可以更快更容易地用TensorFlow训练深度学习模型。
阅读更多
认识米开朗基罗:优步的机器学习平台

认识米开朗基罗:优步的机器学习平台

杰里米·赫尔曼-
优步工程引入了我们的机器学习即服务系统Michelangelo，该系统使团队能够轻松构建、部署和大规模操作ML解决方案。
阅读更多

流行文章