Search
🌳開源專案介紹：非官方的 Google Colab 範例集錦
收集了許多 Colab 的範例，這些範例是有完整功能點擊就能執行的 colab 筆記本，包含資料、程式碼和描述
裡面有列出 最受歡迎的 Colab 筆記本
✅ Python 中的進階商業分析和數學
✅ 使用 OpenCV 進行車輛流量統計
✅ 25 種以上的強化學習交易策略集錦
✅ 偏微分方程的數值解
✅ 使用 Python 進行破產預測
✅ Facebook Detectron2
✅ 使用 Twitter 進行資料科學
✅ 醫學問答
✅ BERT 電影評論
✅ 用於預知維修的遞迴神經網路
✅ AirBnB 雪梨租金評估
對這個開源專案有興趣請參考底下留言區
神經網路完成晶片設計僅需幾小時
新浪財經APP
來源：科技日報
科技日報北京6月9日電 （記者張夢然)英國《自然》雜誌9日發表一項人工智慧突破性成就，美國科學家團隊報告機器學習工具已可以極大地加速電腦晶片設計。研究顯示，該方法能給出可行的晶片設計，且晶片性能不亞于人類工程師的設計，而整個設計過程只要幾個小時，而不是幾個月，這為今後的每一代電腦晶片設計節省數千小時的人力。這種方法已經被穀歌用來設計下一代人工智慧電腦系統。
不同元件在電腦晶片上的佈局，是決定晶片整體性能的關鍵。設計電腦晶片的物理佈局既複雜又耗時，難度非常大，需要專業人類設計工程師付出大量工作。而儘管已為此進行多年的嘗試，晶片佈局規劃一直都無法實現自動化，需要設計工程師們花費數月的努力才能生產可供規模製造的佈局。
在位於美國加州的穀歌研究院內，人工智慧專家阿澤利亞•米爾侯賽尼、安娜•戈迪耶及其同事最新的研究表明，機器學習工具已經可以用來加速這一名為“佈局規劃”的流程。
研究團隊將晶片佈局規劃設計成一個強化學習問題，並開發了一種能給出可行晶片設計的神經網路。他們訓練了一個強化學習智慧體，讓這個智慧體把佈局規劃看作一種棋盤遊戲：元件是“棋子”，放置元件的畫布是“棋盤”，“獲勝結果”則是根據一系列評估指標評出的最優性能（評估基於一個包含1萬例晶片佈局的參考資料集）。
研究人員指出，這種方法能在6小時內設計出與人類專家不相上下或是更好的可行晶片佈局，有望為今後的每一代電腦晶片設計節省數千小時的人力。
美國加州大學聖達戈分校科學家安德魯•康在一篇同時發表的新聞與觀點文章中寫道，“開發出比當前方法更好、更快、更省錢的自動化晶片設計方法，有助於延續晶片技術的‘摩爾定律’”。這裡的摩爾定律，是指每塊晶片的元件數量大約每兩年會翻一番。
安德魯•康同時表示，在這一研究中，團隊展示的佈局規劃方案已經被用來設計穀歌的下一代AI處理器，這也顯示出其設計品質可用於大規模生產。
總編輯圈點
在不到6小時的時間裡，一個深度學習強化方法，可以自動生成晶片設計的所有關鍵指標，包括功耗、性能和晶片面積，且給出的佈局圖都優於或可與人類設計的晶片佈局圖相比肩。這無疑是人工智慧助力人類實現更好、更快、更強目標的範例。有意思的是，這個人工智慧現在又被拿去設計下一代人工智慧，這讓我們看到一種共生關係——更強大的人工智慧設計硬體，正在推動人工智慧的進步。
資料來源：https://finance.sina.com.cn/tech/2021-06-10/doc-ikqciyzi8735268.shtml?cre=tianyi&mod=pcpager_tech&loc=12&r=0&rfunc=42&tj=cxvertical_pc_pager_spt&tr=145
NT 590 特價中
學習如何使用功能強大的深度強化學習和人工智慧工具使用在簡單遊戲的人工智慧範例
從這 12.5 小時的課程，你會學到
✅ 解決旅行推銷員問題問題
✅ 理解並實現基因演算法( Genetic Algorithms )
✅ 獲得一般的人工智慧框架
✅ 瞭解如何在自己的專案中使用這個工具
✅ 解決一個複雜的迷宮
✅ 理解並實現 Q-Learning
✅ 獲得正確的 Q-Learning 的直覺
✅ 瞭解如何在自己的專案中使用這個工具
✅ 從 OPENAI GYM 解決山地車問題
✅ 理解並實現深度 Q-Learning
✅ 使用 Keras 建立人工神經網路
✅ 使用 OpenAI Gym 提供的環境
✅ 瞭解如何在自己的專案中使用這個工具
✅ 解決貪吃蛇
✅ 深度卷積 Q-Learning 的理解與實現
✅ 使用 Keras 建立卷積神經網路
https://softnshare.com/artificial-intelligence-for-simple-games/
神經網路範例 在 類神經網路轉譯成C++ (作者：張藝瀚) 的推薦與評價
雖然只是轉譯自别人的C# 程式範例,雖然只是簡單的XOR Gate,依我的理解補上缺的程式碼, ... Summary : 類神經網路- 學習機器人 Compiler : linux: g++ -lrt -o . ... <看更多>