waifu2x:一款开源免费的图片无损放大神器
waifu2x是日本的一位大佬nagadomi开发的开源项目，目前累计贡献者有31人，该项目利用人工智能深度卷积神经网络技术来无损放大图片，内置了多种RNN模型，现已支持web端、linux端，Windows客户端等,支持本地显卡CUDA加速,实际体验非常令人满意。 0. 在线体验 在线体验地址： http://waifu2x.udp.jp 开源地址： ……
bigjpg：在线AI人工智能图片放大
图片超分辨采样技术，目前做的最牛的应该是nVidia的DLSS，基于1k到16k素材的海量训练，并借助RTX20系和30系显卡，实现了实时输出效果。不过我们平时可接触到的，其实也很多，比如阿里云、百度等都有相关API接口，可以实现低分辨图片的高清化或4K化，通常用于各种监控记录截图的清晰化处理，比如电视上一些警匪片中的图片处理效果，本期就来推荐下这个在线的……
浅谈DLSS深度学习在游戏画质及帧率方面的应用
人工智能正在彻底改变游戏，体现在游戏中的物理和动画模拟，以及实时渲染和AI辅助功能。DLSS是Deep Learning Super Sampling英文的缩写，借助深度学习超级采样（DLSS），NVIDIA着手通过基于AI的超分辨率重新定义实时渲染，渲染更少的像素，然后使用AI构造清晰、高分辨率的图像。最终在RTX20系和30系显卡上，获得两倍的帧率和超……
深度学习究竟有何魅力？谈谈深度学习绕不过去的CUDA计算
深度学习是数学与编程结合最紧密的领域之一，对计算有着大量的需求，而显卡GPU的CUDA引擎，在处理矩阵等数据量庞大的并行计算的时候，CUDA计算优势明显。人工智能发展至今，我们见识了从1998年LetNet的诞生到当今的百花齐放，得益于大数据和云计算，开发者们在本地尝试原型设计，然后在云端上开展最终的训练，可以说当今已经不受计算速度的影响了，只要你感想、感……
图像分类训练-使用ResNeSt50残差网络分类CIFAR10
参考paperswithcode关于图像分类训练排行榜，我挨个尝试了各种神经网络，其中ResNeSt50残差网络的表现非常令人满意，精度从LetNet的72%提高到了86%左右。查阅资料才发现，虽然在该项目在今年4月份才诞生，但是GitHub已经标星2K多，下面就来具体介绍为啥这么厉害。 0. ResNeSt50残差网络 在测试ResNeSt50后，我也……
图像分类训练-使用LetNet卷积网络分类CIFAR10
图像分类训练发展至今，究竟有多少种卷积神经网络呢？从1998年经典的LetNet，到2012年历史性的AlexNet，之后深度学习进入了蓬勃发展阶段，百花齐放，大放异彩。而LetNet是入门卷积神经网络的必经之路，因为其包含和卷积神经网络的基本框架，也就是卷积层、激活、池化层、全连接安全层，这几个基本组件也是后续许多神经网络的基本单元。 0. 图像分类训……
人工智能vs传统软件vs人脑
最近被人工智能吸引，是因为生活中越来越多的人工智能出现，比如阿里云语音合成、微软的形色APP植物识别、一甜相机的照片变漫画、各种语音AI如小爱、siri、小娜等，探秘其背后的逻辑，就会越发的感兴趣。这也是本站学习Pytorch的真正原因，以前我靠代码实现本地博客文章的智能发布，后面我将尝试用AI解决更多现实问题。本篇概述经验漫谈，理清人工智能的边界和趋势。……
人工智能图片分类器：turicreate在Windows环境下简明使用教程
近几天笔者深入学习了下机器学习、深度学习，不论是谷歌围棋AIAlphaGo、还是目前使用的阿里云智能语音合成，都非常吸引人。连续多天的理论学习后，总体而言，绝大多数教程都围绕数学算法展开，而实际上我们的需求与算法之间，对新手而言还是非常不容易去匹配的。比如当下的简单图片分类模型。 0. 简介 turicreate是苹果开源的一款人工智能工具，特点是简化了机……
WIN10子系统WSL2上使用CUDA计算入门教程
在Build 2020大会上，Microsoft宣布Windows子系统wsl2上支持GPU计算。本篇就来实际操作下究竟如何使用NVIDA显卡的CUDA，来加速计算人工智能研究。 0. 原理图 如上图所展示，大意就是在Windows和Linux之间，通过wsl2的专用CUDA驱动来实现的。 1. 准备条件 Windows预览版：内核为2004 WSL2……