人工智能（Artificial Intelligence），英文縮寫為AI。它是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。
人工智能是計算機科學的一個分支，它企圖了解智能的實質，并生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智能從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智能帶來的科技產品，將會是人類智慧的“容器”。人工智能可以對人的意識、思維的信息過程的模擬。人工智能不是人的智能，但能像人那樣思考、也可能超過人的智能。AI的核心問題包括建構能夠跟人類似甚至超卓的推理、知識、規劃、學習、交流、感知、移物、使用工具和操控機械的能力等[9]。人工智能目前仍然是該領域的長遠目標[10]。目前弱人工智能已經有初步成果，甚至在一些影像識別、語言分析、棋類游戲等等單方面的能力達到了超越人類的水平，而且人工智能的通用性代表著，能解決上述的問題的是一樣的AI程序，無須重新開發算法就可以直接使用現有的AI完成任務，與人類的處理能力相同，但達到具備思考能力的統合強人工智能還需要時間研究，比較流行的方法包括統計方法，計算智能和傳統意義的AI。目前有大量的工具應用了人工智能，其中包括搜索和數學優化、邏輯推演。而基于仿生學、認知心理學，以及基于概率論和經濟學的算法等等也在逐步探索當中。
TENSORFLOW文章/教程 更多
- tensorflow之如何使用GPU而不是CPU問題 2023-05-10
- Tensorflow訓練模型默認占滿所有GPU的解決方案 2023-05-10
- 使用Python、TensorFlow和Keras來進行垃圾分類的操作方法 2023-05-08
- 從零開始配置深度學習環境：CUDA+Anaconda+Pytorch+TensorFlow 2023-04-14
- Tensorflow2.10使用BERT從文本中抽取答案實現詳解 2023-04-14
- tensorflow2.10使用BERT實現Semantic?Similarity過程解析 2023-04-14
- 使用Tensorflow?hub完成目標檢測過程詳解 2023-04-14
- 事實勝于雄辯,蘋果MacOs能不能玩兒機器/深度(ml/dl)學習(Python3.10/Tensorflow2) 2023-04-11
- Anaconda中如何安裝Tensorflow 2023-03-30
- Anaconda中如何安裝Tensorflow 2023-03-30
PYTORCH文章/教程 更多
- Pytorch中torchtext終極安裝方法以及常見問題 2023-05-15
- pytorch版本PSEnet訓練并部署方式 2023-05-10
- Pytorch數據操作 2023-05-06
- Pytorch-Vanilla Transformer的實現 2023-05-05
- Pytorch模型的保存/復用/遷移實現代碼 2023-05-05
- Pytorch?nn.Unfold()?與?nn.Fold()圖碼詳解(最新推薦) 2023-05-04
- 一文詳解如何實現PyTorch模型編譯 2023-04-26
- Pytorch復現擴散模型的示例詳解 2023-04-25
- 詳解使用Pytorch?Geometric實現GraphSAGE模型 2023-04-24
- pytorch實現梯度下降和反向傳播圖文詳細講解 2023-04-24
KERAS文章/教程 更多
- 使用Python、TensorFlow和Keras來進行垃圾分類的操作方法 2023-05-08
- keras回調函數的使用 2023-03-20
- 使用tf.keras.MaxPooling1D出現錯誤問題及解決 2023-03-11
- 使用tf.keras.MaxPooling1D出現錯誤問題及解決 2023-03-11
- keras圖片數字識別入門AI機器學習 2023-03-09
- Keras函數式(functional)API的使用方式 2023-02-22
- 關于keras中卷積層Conv2D的學習記錄 2023-02-21
- 解讀tf.keras.layers模塊中的函數 2023-02-21
- keras.layers.Layer中無法定義name的問題及解決 2023-02-21
- keras.layers.Conv2D()函數參數用法及說明 2023-02-21
CAFFE文章/教程 更多
- 關于Linux下conda安裝caffe與pb轉caffe問題 2023-03-30
- import caffe報錯問題 2022-12-23
- 使用TensorRT對caffe和pytorch onnx版本的mnist模型進行fp32和fp16 推理 | tensorrt fp32 fp16 tutorial with caffe pytorch minist model 2022-12-23
- Caffe windows編譯找不到python27_d.lib問題解決 2022-12-23
- caffe生成voc格式lmdb 2022-12-23
- Win10上使用VS2015編譯Caffe2 2022-12-23
- [caffe] 史上最透徹的lenet.prototxt解析 2022-12-23
- windows+caffe(五)——實例2MNIST圖片 2022-12-23
- caffe問題集錦 2022-12-23
- Caffe代碼分析--crop_layer.cu 2022-12-23
卷積神經網絡文章/教程 更多
- 卷積神經網絡CharCNN實現中文情感分類任務 2023-04-24
- OctConv：八度卷積復現 2023-04-12
- 卷積神經網絡如何實現提取特征 2023-04-05
- CoordConv：給你的卷積加上坐標 2023-03-28
- CoordConv：給你的卷積加上坐標 2023-03-28
- Pytorch搭建簡單的卷積神經網絡(CNN)實現MNIST數據集分類任務 2023-03-23
- Pytorch搭建簡單的卷積神經網絡(CNN)實現MNIST數據集分類任務 2023-03-23
- CoordConv實現卷積加上坐標實例詳解 2023-03-20
- CoordConv實現卷積加上坐標實例詳解 2023-03-20
- 何為神經網絡卷積層？ 2023-03-16
目標檢測文章/教程 更多
- 基于YOLOv5的目標檢測系統詳解（附MATLAB GUI版代碼） 2023-05-04
- OpenCV目標檢測Meanshif和Camshift算法解析 2023-04-26
- 深度學習基礎5:交叉熵損失函數、MSE、CTC損失適用于字識別語音等序列問題、Balanced L1 Loss適用于目標檢測 2023-04-18
- 使用Tensorflow?hub完成目標檢測過程詳解 2023-04-14
- 詳解目標檢測模型的評價指標及代碼實現 2023-03-21
- 詳解目標檢測模型的評價指標及代碼實現 2023-03-21
- 基于遷移學習的JS目標檢測器構建過程詳解 2023-03-20
- Yolov5——訓練目標檢測模型 2023-03-17
- 手把手教你YOLOv5如何進行區域目標檢測 2023-03-12
- TorchVision?Transforms?API目標檢測實例語義分割視頻類 2023-03-07
GAN生成對抗網絡文章/教程 更多
- 使用TensorFlow創建生成式對抗網絡GAN案例 2023-03-29
- 一文讀懂對抗生成學習(Generative Adversarial Nets)[GAN] 2022-12-23
- 說說GAN（生成式對抗網絡） 2022-12-23
- 利用tensorflow訓練簡單的生成對抗網絡GAN 2022-12-23
- 原始的生成對抗網絡GAN 2022-12-23
- 生成對抗網絡（GAN）相關鏈接匯總 2022-12-23
- GAN生成式對抗網絡（一）——原理 2022-12-23
- GAN生成式對抗網絡（三）——mnist數據生成 2022-12-23
- GAN生成式對抗網絡（二）——tensorflow代碼示例 2022-12-23
- GAN生成式對抗網絡（四）——SRGAN超高分辨率圖片重構 2022-12-23
循環神經網絡文章/教程 更多
- 循環神經網絡TextRNN實現情感短文本分類任務 2023-04-24
- 《動手學深度學習》系列筆記 —— 循環神經網絡 2022-12-23
- 一文了解循環神經網絡 2022-12-23
- 對循環神經網絡參數的理解|LSTM RNN Input_size Batch Sequence 2022-12-23
- 神經網絡與深度學習（三）：循環神經網絡網絡 2022-12-23
- 【機器學習】李宏毅——Recurrent Neural Network(循環神經網絡) 2022-12-23
- 循環神經網絡（RNN） 2022-12-23
- RNN循環神經網絡處理MNSIT手寫數字識別 2022-12-23
- CNN(卷積神經網絡)、RNN(循環神經網絡)、DNN(深度神經網絡)概念區分理解 2022-12-23
- 循環神經網絡與LSTM網絡 - kexinxin 2022-12-23
相關分類