Google Earth Engine（GEE）——全球河流网络及相应的水资源区数据集
全球河流网络及相应的水资源区 河流网络和水资源区（WRZ）对于水资源的规划、利用、开发、保护和管理至关重要。目前，世界上的河网和水资源区大多是根据数字高程模型数据自动获得的，这些数据不够准确，尤其是在平原地区。此外，WRZ代码与河网不一致。作者提出了一系列方法，生成了分辨率较高、一致性较强的全球河网...
Google的神经网络表格处理模型TabNet介绍
Google Research的TabNet于2019年发布，在预印稿中被宣称优于表格数据的现有方法。它是如何工作的，又如何可以尝试呢？表格数据可能构成当今大多数业务数据。考虑诸如零售交易，点击流数据，工厂中的温度和压力传感器，银行使用的KYC (Know Your Customer) 信息或制药公...
Google Earth Engine——WWF/HydroSHEDS/03DIR水文信息数据集提供了一套不同尺度的地理参考数据集（矢量和栅格），包括河流网络、流域边界、排水方向和流量积累。
HydroSHEDS is a mapping product that provides hydrographic information for regional and global-scale applications in a consistent format. It offers a ...
GNN入门必看！Google Research教你如何从毛坯开始搭建sota 图神经网络（下）
与神经网络模块或层一样，我们可以将这些GNN层堆叠在一起。 由于GNN不会更新输入图的连通性，因此可以使用与输入图相同的邻接列表和相同数量的特征向量来描述GNN的输出图。 构建了一个简单的GNN后，下一步就是考虑如何在上面描述的任务中进行预测。 首先考虑二分类的情况，这...
GNN入门必看！Google Research教你如何从毛坯开始搭建sota 图神经网络（上）
近几年，神经网络在自然语言、图像、语音等数据上都取得了显著的突破，将模型性能带到了一个前所未有的高度，但如何在图数据上训练仍然是一个可研究的点。 传统神经网络输入的数据通常每个sample之间都不存在关系，而图数据更加复杂，每个节点之间存在联系，也更符合真实世界中的数据存储方式。真实世界的...
Google AI与Deepmind强强联合，推出新工具加速神经网络稀疏化进程
神经网络具有的推理功能，使得许许多多实时应用变为可能——比如姿态估计和背景模糊。这些应用通常拥有低延迟的特点，并且还具有隐私意识。 通过使用像TensorFlow Lite这样的ML推理框架和XNNPACK ML加速库，工程师得以在模型大小、推理速度和预测质量之间找到一个最佳点来优化他们的...
适用于Google App Engine的python网络框架
我想使用现有的python框架在Google Appengine上开发应用程序。 它应该快速，轻松地启动，并以简单的方式支持测试驱动的开发实践。 你能推荐一堆吗？django呢？ 附加信息： 有几个django端口，但是stackoverflow问题已经很老了。django / appengine解...
Google惊人研究：一组图片，就能强迫神经网络执行其他任务
还记得那些把熊猫认成猩猩、把乌龟认成枪、把枪认成直升机的算法吗？ 它们遭遇的，是一个名为“对抗攻击(adversarial attacks)”的敌人。这个敌人每次出现，都能让图像识别算法不知所措。 现在，更丧心病狂的来了。 谷歌大脑三位研究员Gamaleldin F. Elsayed、Ian Goo...
Google论文解读：轻量化卷积神经网络MobileNetV2 | PaperDaily #38
本文是 Google 团队在 MobileNet 基础上提出的 MobileNetV2，其同样是一个轻量化卷积神经网络。目标主要是在提升现有算法的精度的同时也提升速度，以便加速深度网络在移动端的应用。 如果你对本文工作感兴趣，点击底部的阅读原文即可查看原论文。 关于作者：陈泰红，小米高级算法工程师，...
Google最新开源Inception-ResNet-v2，借助残差网络进一步提升图像分类水准
2016年8月31日，Google团队宣布针对TensorFlow开源了最新发布的TF-slim资料库，它是一个可以定义、训练和评估模型的轻量级的软件包，也能对图像分类领域中几个主要有竞争力的网络进行检验和定义模型。 为了进一步推进...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
产品推荐
社区圈子
最佳实践
