chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評(píng)論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習(xí)在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會(huì)員中心
創(chuàng)作中心

完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

基于400多項(xiàng)運(yùn)動(dòng)訓(xùn)練了一個(gè)循環(huán)神經(jīng)網(wǎng)絡(luò)和一個(gè)深度卷積生成對(duì)抗網(wǎng)絡(luò),旨在創(chuàng)造一種全新的原創(chuàng)運(yùn)動(dòng)

NVIDIA英偉達(dá) ? 來源:lq ? 2019-04-25 11:42 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

如果您喜歡玩或觀看團(tuán)隊(duì)運(yùn)動(dòng),這個(gè)AI最新創(chuàng)作應(yīng)該非常吸引您。來自AKQA的開發(fā)人員基于400多項(xiàng)運(yùn)動(dòng)訓(xùn)練了一個(gè)循環(huán)神經(jīng)網(wǎng)絡(luò)和一個(gè)深度卷積生成對(duì)抗網(wǎng)絡(luò),旨在創(chuàng)造一種全新的原創(chuàng)運(yùn)動(dòng)。AKQA是一家全球創(chuàng)新機(jī)構(gòu),因其與一些最熱門的品牌和公眾人物合作而聞名。

Speedgate類似于一項(xiàng)集合了橄欖球、足球和曲棍球的競(jìng)技運(yùn)動(dòng)。

AKQA在一篇文章中寫道:“Speedgate有趣、激烈,對(duì)體能有要求,依靠團(tuán)隊(duì)精神和傳球來贏得分?jǐn)?shù)和勝利?!?“Speedgate充滿了享受、包容和體育精神。”

他們使用NVIDIA Tesla GPU來訓(xùn)練神經(jīng)網(wǎng)絡(luò),并進(jìn)行推理,這些模型產(chǎn)生了超過1,000種不同的運(yùn)動(dòng)概念輸出,以及規(guī)則和玩法輸出。除了創(chuàng)造新的運(yùn)動(dòng)外,他們還在10,400個(gè)標(biāo)志上訓(xùn)練他們的神經(jīng)網(wǎng)絡(luò),并生成了他們的官方Speedgate標(biāo)志。

AKQA的AI實(shí)踐負(fù)責(zé)人Kathryn Webb稱:“團(tuán)隊(duì)仔細(xì)研究了這些樣本,并從標(biāo)志的形狀和配色方案中獲得了很多靈感?!?/p>

“GPU技術(shù)幫助我們將訓(xùn)練和生成階段縮減到原來的一小部分,” Webb表示?!叭绻麤]有這樣的速度,我們就無法在項(xiàng)目中獲得如此多獨(dú)特的機(jī)器學(xué)習(xí)貢獻(xiàn)。它給了我們更多的時(shí)間來測(cè)試、學(xué)習(xí)和適應(yīng),并幫助我們創(chuàng)造了最好的成果?!?/p>

“水下跑酷” 、爆炸飛盤、在熱氣球里的鋼絲上來回傳球……這些運(yùn)動(dòng)聽起來很有趣吧?AKQA團(tuán)隊(duì)也這么認(rèn)為。不過,經(jīng)過全面的考量,開發(fā)人員最終將運(yùn)動(dòng)項(xiàng)目減至三項(xiàng),并進(jìn)行真實(shí)的測(cè)試。

比賽規(guī)則很簡(jiǎn)單。球員分成兩組,每組6人,嘗試踢球或?qū)⑶騻鞯綀?chǎng)地兩端的大門內(nèi)。要做到這一點(diǎn),他們需要讓球每三秒鐘移動(dòng)一次。但是,他們不能在場(chǎng)地中間穿過一個(gè)圓圈。球隊(duì)可以通過把球踢進(jìn)兩端的球門來獲得兩分。如果你接到了隊(duì)友的進(jìn)球并再次把球踢進(jìn)球門,那么恭喜你可以獲得三分。有興趣玩嗎?該公司發(fā)布了游戲規(guī)則以及如何開始聯(lián)賽的說明。

Speedgate “官方游戲規(guī)則”

“將人工智能作為創(chuàng)意團(tuán)隊(duì)的一員,把我們帶到了一個(gè)新的階段,沒有它我們永遠(yuǎn)無法到達(dá),” 該機(jī)構(gòu)的創(chuàng)意總監(jiān)Whitney Jenkins表示。

聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點(diǎn)僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場(chǎng)。文章及其配圖僅供工程師學(xué)習(xí)之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請(qǐng)聯(lián)系本站處理。 舉報(bào)投訴
  • 神經(jīng)網(wǎng)絡(luò)

    關(guān)注

    42

    文章

    4838

    瀏覽量

    107732
  • AI
    AI
    +關(guān)注

    關(guān)注

    91

    文章

    39707

    瀏覽量

    301318
  • 機(jī)器學(xué)習(xí)

    關(guān)注

    66

    文章

    8553

    瀏覽量

    136920

原文標(biāo)題:Speedgate: 世界上首個(gè)AI創(chuàng)造的運(yùn)動(dòng)會(huì)

文章出處:【微信號(hào):NVIDIA_China,微信公眾號(hào):NVIDIA英偉達(dá)】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。

收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評(píng)論

    相關(guān)推薦
    熱點(diǎn)推薦

    神經(jīng)網(wǎng)絡(luò)的初步認(rèn)識(shí)

    日常生活中的智能應(yīng)用都離不開深度學(xué)習(xí),而深度學(xué)習(xí)則依賴于神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)。什么是神經(jīng)網(wǎng)絡(luò)?神經(jīng)網(wǎng)絡(luò)的核心思想是模仿生物
    的頭像 發(fā)表于 12-17 15:05 ?317次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的初步認(rèn)識(shí)

    自動(dòng)駕駛中常提的卷積神經(jīng)網(wǎng)絡(luò)個(gè)啥?

    在自動(dòng)駕駛領(lǐng)域,經(jīng)常會(huì)聽到卷積神經(jīng)網(wǎng)絡(luò)技術(shù)。卷積神經(jīng)網(wǎng)絡(luò),簡(jiǎn)稱為CNN,是一種專門用來處理網(wǎng)格狀數(shù)據(jù)(比如圖像)的
    的頭像 發(fā)表于 11-19 18:15 ?2071次閱讀
    自動(dòng)駕駛中常提的<b class='flag-5'>卷積</b><b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>是<b class='flag-5'>個(gè)</b>啥?

    CNN卷積神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)原理及在MCU200T上仿真測(cè)試

    數(shù)的提出很大程度的解決了BP算法在優(yōu)化深層神經(jīng)網(wǎng)絡(luò)時(shí)的梯度耗散問題。當(dāng)x&gt;0 時(shí),梯度恒為1,無梯度耗散問題,收斂快;當(dāng)x&lt;0 時(shí),該層的輸出為0。 CNN
    發(fā)表于 10-29 07:49

    NMSIS神經(jīng)網(wǎng)絡(luò)庫使用介紹

    NMSIS NN 軟件庫是組高效的神經(jīng)網(wǎng)絡(luò)內(nèi)核,旨在最大限度地提高 Nuclei N 處理器內(nèi)核上的神經(jīng)網(wǎng)絡(luò)的性能并最??大限度地減少其內(nèi)存占用。 該庫分為多個(gè)功能,每個(gè)功能涵蓋特定
    發(fā)表于 10-29 06:08

    構(gòu)建CNN網(wǎng)絡(luò)模型并優(yōu)化的般化建議

    :Dropout層隨機(jī)跳過神經(jīng)網(wǎng)絡(luò)模型中某些神經(jīng)元之間的連接,通過隨機(jī)制造缺陷進(jìn)行訓(xùn)練提升整個(gè)神經(jīng)網(wǎng)絡(luò)的魯棒性。 6)指定合理的學(xué)習(xí)率策略:
    發(fā)表于 10-28 08:02

    卷積運(yùn)算分析

    的數(shù)據(jù),故設(shè)計(jì)了ConvUnit模塊實(shí)現(xiàn)單個(gè)感受域規(guī)模的卷積運(yùn)算. 卷積運(yùn)算:不同于數(shù)學(xué)當(dāng)中提及到的卷積概念,CNN神經(jīng)網(wǎng)絡(luò)中的卷積嚴(yán)格意義
    發(fā)表于 10-28 07:31

    如何通過地址生成器實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)特征圖的padding?

    ,從而使卷積輸出特征圖結(jié)果滿足我們的需求,這種補(bǔ)零的操作稱之為padding,如下圖所示。 關(guān)于padding的實(shí)現(xiàn),般有兩操作,第一種是使用稀疏地址
    發(fā)表于 10-22 08:15

    在Ubuntu20.04系統(tǒng)中訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的些經(jīng)驗(yàn)

    模型。 我們使用MNIST數(shù)據(jù)集,訓(xùn)練個(gè)卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型,用于手寫數(shù)字識(shí)別。旦模型
    發(fā)表于 10-22 07:03

    CICC2033神經(jīng)網(wǎng)絡(luò)部署相關(guān)操作

    在完成神經(jīng)網(wǎng)絡(luò)量化后,需要將神經(jīng)網(wǎng)絡(luò)部署到硬件加速器上。首先需要將所有權(quán)重?cái)?shù)據(jù)以及輸入數(shù)據(jù)導(dǎo)入到存儲(chǔ)器內(nèi)。 在仿真環(huán)境下,可將其存于個(gè)文件,并在 Verilog 代碼中通過 read
    發(fā)表于 10-20 08:00

    液態(tài)神經(jīng)網(wǎng)絡(luò)(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的神經(jīng)網(wǎng)絡(luò)

    1.算法簡(jiǎn)介液態(tài)神經(jīng)網(wǎng)絡(luò)(LiquidNeuralNetworks,LNN)是一種新型的神經(jīng)網(wǎng)絡(luò)架構(gòu),其設(shè)計(jì)理念借鑒自生物神經(jīng)系統(tǒng),特別是秀麗隱桿線蟲的
    的頭像 發(fā)表于 09-28 10:03 ?1195次閱讀
    液態(tài)<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>(LNN):時(shí)間連續(xù)性與動(dòng)態(tài)適應(yīng)性的<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>

    神經(jīng)網(wǎng)絡(luò)的并行計(jì)算與加速技術(shù)

    隨著人工智能技術(shù)的飛速發(fā)展,神經(jīng)網(wǎng)絡(luò)在眾多領(lǐng)域展現(xiàn)出了巨大的潛力和廣泛的應(yīng)用前景。然而,神經(jīng)網(wǎng)絡(luò)模型的復(fù)雜度和規(guī)模也在不斷增加,這使得傳統(tǒng)的串行計(jì)算方式面臨著巨大的挑戰(zhàn),如計(jì)算速度慢、訓(xùn)練時(shí)間長(zhǎng)等
    的頭像 發(fā)表于 09-17 13:31 ?1120次閱讀
    <b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的并行計(jì)算與加速技術(shù)

    無刷電機(jī)小波神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)子位置檢測(cè)方法的研究

    摘要:論文通過對(duì)無刷電機(jī)數(shù)學(xué)模型的推導(dǎo),得出轉(zhuǎn)角:與三相相電壓之間存在映射關(guān)系,因此構(gòu)建了個(gè)以三相相電壓為輸人,轉(zhuǎn)角為輸出的小波神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)轉(zhuǎn)角預(yù)測(cè),并采用改進(jìn)遺傳算法來訓(xùn)練
    發(fā)表于 06-25 13:06

    基于FPGA搭建神經(jīng)網(wǎng)絡(luò)的步驟解析

    本文的目的是在個(gè)神經(jīng)網(wǎng)絡(luò)已經(jīng)通過python或者M(jìn)ATLAB訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型,將訓(xùn)練好的模
    的頭像 發(fā)表于 06-03 15:51 ?1190次閱讀
    基于FPGA搭建<b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>的步驟解析

    自動(dòng)駕駛感知系統(tǒng)中卷積神經(jīng)網(wǎng)絡(luò)原理的疑點(diǎn)分析

    背景 卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks, CNN)的核心技術(shù)主要包括以下幾個(gè)方面:局部連接、權(quán)值共享、多卷積核以及池化。這些技術(shù)共同作用,使得CNN在圖像
    的頭像 發(fā)表于 04-07 09:15 ?845次閱讀
    自動(dòng)駕駛感知系統(tǒng)中<b class='flag-5'>卷積</b><b class='flag-5'>神經(jīng)網(wǎng)絡(luò)</b>原理的疑點(diǎn)分析

    如何使用MATLAB實(shí)現(xiàn)維時(shí)間卷積網(wǎng)絡(luò)

    本文對(duì)卷積操作進(jìn)行介紹,包括維擴(kuò)展卷積維因果卷積,以及 MATLAB 對(duì)
    的頭像 發(fā)表于 03-07 09:15 ?2102次閱讀
    如何使用MATLAB實(shí)現(xiàn)<b class='flag-5'>一</b>維時(shí)間<b class='flag-5'>卷積</b><b class='flag-5'>網(wǎng)絡(luò)</b>