XLA: Optimizing Compiler for Machine Learning
Tensorflow: https://www.tensorflow.org/xla
XLA Architecture: https://www.tensorflow.org/xla/architecture
Github: https://github.com/tensorflow/tensorflow/tree/master/tensorflow/compiler/xla
Code: https://www.tensorflow.org/xla/tutorials/jit_compile
👉 @bigdata_1
Tensorflow: https://www.tensorflow.org/xla
XLA Architecture: https://www.tensorflow.org/xla/architecture
Github: https://github.com/tensorflow/tensorflow/tree/master/tensorflow/compiler/xla
Code: https://www.tensorflow.org/xla/tutorials/jit_compile
👉 @bigdata_1
👍1
Нейронка для нейротоксинов
В феврале прошлого года я впервые обращался к теме прогнозирования новых химических соединений методами глубокого обучения — когда опубликовал перевод об инструменте FermiNet. Такие исследования, находящиеся на стыке физики, химии, биоинформатики и фармакологии, призваны смоделировать потенциально возможные химические связи и конфигурации молекул. Так можно одновременно удешевить и значительно ускорить разработку новых лекарств. Также я затрагивал эту тему в статье о выращивании кристаллов, но в несколько ином аспекте: гравитация вносит коррективы в форму молекул, поэтому некоторые конфигурации молекул быстро «сминаются». Эта проблема остро стоит при производстве баснословно дорогих препаратов (прежде всего, противораковых), терапевтический эффект которых заключается в поддержании строго определенной формы молекул, блокирующих патологические биохимические процессы. Если бы мы могли поставить на поток производство филигранных молекул (в частности, ферментов), блокирующих работу определенных белков, это преобразило фармакологию, в значительной степени ее персонализировав. Но у такой линии исследований есть и обратная сторона: она открывает путь к созданию чрезвычайно токсичных и цепких веществ, которые было бы практически невозможно «выковырять» из биохимического аппарата, если они там окажутся.
https://habr.com/ru/post/662694/
В феврале прошлого года я впервые обращался к теме прогнозирования новых химических соединений методами глубокого обучения — когда опубликовал перевод об инструменте FermiNet. Такие исследования, находящиеся на стыке физики, химии, биоинформатики и фармакологии, призваны смоделировать потенциально возможные химические связи и конфигурации молекул. Так можно одновременно удешевить и значительно ускорить разработку новых лекарств. Также я затрагивал эту тему в статье о выращивании кристаллов, но в несколько ином аспекте: гравитация вносит коррективы в форму молекул, поэтому некоторые конфигурации молекул быстро «сминаются». Эта проблема остро стоит при производстве баснословно дорогих препаратов (прежде всего, противораковых), терапевтический эффект которых заключается в поддержании строго определенной формы молекул, блокирующих патологические биохимические процессы. Если бы мы могли поставить на поток производство филигранных молекул (в частности, ферментов), блокирующих работу определенных белков, это преобразило фармакологию, в значительной степени ее персонализировав. Но у такой линии исследований есть и обратная сторона: она открывает путь к созданию чрезвычайно токсичных и цепких веществ, которые было бы практически невозможно «выковырять» из биохимического аппарата, если они там окажутся.
https://habr.com/ru/post/662694/
👍4
Effective Deployment of CNNs for 3DoF Pose Estimation and Grasping in Industrial Settings
Github: https://github.com/m4nh/loop
Video: https://www.youtube.com/watch?v=njLINQIA9iI
Paper: https://arxiv.org/abs/2012.13210v1
👉 @bigdata_1
Github: https://github.com/m4nh/loop
Video: https://www.youtube.com/watch?v=njLINQIA9iI
Paper: https://arxiv.org/abs/2012.13210v1
👉 @bigdata_1
👍1
⭐ CelebA-Spoof: Large-Scale Face Anti-Spoofing Dataset with Rich Annotations
Github: https://github.com/Davidzhangyuanhan/CelebA-Spoof
Paper: https://arxiv.org/abs/2102.12642v2
Dataset: https://drive.google.com/drive/folders/1OW_1bawO79pRqdVEVmBzp8HSxdSwln_Z
Video: https://www.youtube.com/watch?v=A7XjSg5srvI&t=4s&ab_channel=YuanhanZhang
👉 @bigdata_1
Github: https://github.com/Davidzhangyuanhan/CelebA-Spoof
Paper: https://arxiv.org/abs/2102.12642v2
Dataset: https://drive.google.com/drive/folders/1OW_1bawO79pRqdVEVmBzp8HSxdSwln_Z
Video: https://www.youtube.com/watch?v=A7XjSg5srvI&t=4s&ab_channel=YuanhanZhang
👉 @bigdata_1
👍1
MuZero General: Open Reimplementation of MuZero
GitHub: https://github.com/werner-duvaud/muzero-general
Paper: https://arxiv.org/abs/1911.08265
👉 @bigdata_1
GitHub: https://github.com/werner-duvaud/muzero-general
Paper: https://arxiv.org/abs/1911.08265
👉 @bigdata_1
CogDL: An Extensive Research Toolkit for Deep Learning on Graphs
http://keg.cs.tsinghua.edu.cn/cogdl/
Github: https://github.com/THUDM/cogdl
Paper: https://arxiv.org/abs/2103.00959
Dateset: https://github.com/THUDM/cogdl/blob/master/cogdl/datasets/README.md
👉 @bigdata_1
http://keg.cs.tsinghua.edu.cn/cogdl/
Github: https://github.com/THUDM/cogdl
Paper: https://arxiv.org/abs/2103.00959
Dateset: https://github.com/THUDM/cogdl/blob/master/cogdl/datasets/README.md
👉 @bigdata_1
👍2
Histogram-Based Gradient Boosting Ensembles in Python
https://machinelearningmastery.com/histogram-based-gradient-boosting-ensembles/
👉 @bigdata_1
https://machinelearningmastery.com/histogram-based-gradient-boosting-ensembles/
👉 @bigdata_1
👍2
🤖 A Text-to-Speech Transformer in TensorFlow 2
Github: https://github.com/as-ideas/TransformerTTS
Paper: https://arxiv.org/abs/2103.00993v1
Samples: https://as-ideas.github.io/TransformerTTS/
👉 @bigdata_1
Github: https://github.com/as-ideas/TransformerTTS
Paper: https://arxiv.org/abs/2103.00993v1
Samples: https://as-ideas.github.io/TransformerTTS/
👉 @bigdata_1
👍1
Attention-Based Adaptive Spectral-Spatial Kernel ResNet for Hyperspectral Image Classification
Github: https://github.com/suvojit-0x55aa/A2S2K-ResNet
Paper: https://ieeexplore.ieee.org/document/9306920
👉 @bigdata_1
Github: https://github.com/suvojit-0x55aa/A2S2K-ResNet
Paper: https://ieeexplore.ieee.org/document/9306920
👉 @bigdata_1
👍1
🧠 Multimodal Neurons in Artificial Neural Networks
https://openai.com/blog/multimodal-neurons/
Github: https://github.com/openai/CLIP-featurevis
Paper: https://distill.pub/2021/multimodal-neurons/
👉 @bigdata_1
https://openai.com/blog/multimodal-neurons/
Github: https://github.com/openai/CLIP-featurevis
Paper: https://distill.pub/2021/multimodal-neurons/
👉 @bigdata_1
👍1
Generating Beautiful Neural Network Visualizations
https://www.kdnuggets.com/2020/12/generating-beautiful-neural-network-visualizations.html
👉 @bigdata_1
https://www.kdnuggets.com/2020/12/generating-beautiful-neural-network-visualizations.html
👉 @bigdata_1
This media is not supported in your browser
VIEW IN TELEGRAM
Anycost GAN
Anycost GANs for Interactive Image Synthesis and Editing
https://hanlab.mit.edu/projects/anycost-gan/
Github: https://github.com/mit-han-lab/anycost-gan
Paper: https://arxiv.org/abs/2103.03243
👉 @bigdata_1
Anycost GANs for Interactive Image Synthesis and Editing
https://hanlab.mit.edu/projects/anycost-gan/
Github: https://github.com/mit-han-lab/anycost-gan
Paper: https://arxiv.org/abs/2103.03243
👉 @bigdata_1
Towards Faster and Stabilized GAN Training for High-fidelity Few-shot Image Synthesis.
Github: https://github.com/lucidrains/lightweight-gan
Paper: https://openreview.net/forum?id=1Fqg133qRaI
👉 @bigdata_1
Github: https://github.com/lucidrains/lightweight-gan
Paper: https://openreview.net/forum?id=1Fqg133qRaI
👉 @bigdata_1
RTAB-Map
Real-Time Appearance-Based Mapping
http://introlab.github.io/rtabmap/
Github: https://github.com/introlab/rtabmap
Paper: https://arxiv.org/abs/2103.03827v1
👉 @bigdata_1
Real-Time Appearance-Based Mapping
http://introlab.github.io/rtabmap/
Github: https://github.com/introlab/rtabmap
Paper: https://arxiv.org/abs/2103.03827v1
👉 @bigdata_1
👍1
Factor Normalization for Deep Neural Network Models
Github: https://github.com/HazardNeo4869/FactorNormalization
Paper: https://openreview.net/forum?id=LcPefbNSwx_
👉 @bigdata_1
Github: https://github.com/HazardNeo4869/FactorNormalization
Paper: https://openreview.net/forum?id=LcPefbNSwx_
👉 @bigdata_1
👍3
Нейронные сети
Нейронные сети за 10 минут
Как обучить нейронную сеть?
Нейронная сеть на Python с нуля
Обратное распространение ошибки
Обучение нейронной сети на Python
👉 @bigdata_1
Нейронные сети за 10 минут
Как обучить нейронную сеть?
Нейронная сеть на Python с нуля
Обратное распространение ошибки
Обучение нейронной сети на Python
👉 @bigdata_1
👍4