The CoderPai Day in AI

---

今天分享：
（1）在不同GPU上面进行TensorFlow的基准测试；
（2）机器学习（深度学习）会议汇总；
（3）从零开始构建深度学习网络；
（4）Keras实现迁移学习；
（5）利用 TensorFlow 实现字符级别的神经网络语言模型；

---

1.【博客】Benchmarking Tensorflow Performance and Cost Across Different GPU Options

简介：

这篇博客测试了在不同GPU上面，TensorFlow 的运行效果。测试的GPU种类包括：

• Nvidia 1080 Ti (from my personal desktop)
• Amazon p2.xlarge instance ($0.90/hour — Nvidia Tesla K80)
• Paperspace P5000 ($0.60/hour — Nvidia Quadro P5000)
• Paperspace GPU+ ($0.40/hour — Nvidia Quadro M4000)
• Macbook Pro CPU (i5 2GHz)

具体的性能分析如下：

原文链接：https://medium.com/initialized-capital/benchmarking-tensorflow-performance-and-cost-across-different-gpu-options-69bd85fe5d58

---

2.【博客】Machine Learning / Deep Learning Conferences

简介：

我们一直需要去寻找一些机器学习（深度学习）相关的会议。这篇文章就对各种会议作了很好的整理工作，节约你寻找的时间。

原文链接：https://tryolabs.com/blog/machine-learning-deep-learning-conferences/

---

3.【博客】Deep Neural Network from scratch

简介：

这篇博客教授你从零开始构建自己的深度学习网络，先用Python实现，然后利用 TensorFlow 实现。

原文链接：https://matrices.io/deep-neural-network-from-scratch/

---

4.【代码】keras-transfer-learning-for-oxford102

简介：

利用 Keras 做模型预训练（VGG16 和 Inception V3），然后利用迁移学习去预测花朵数据库的分类。

原文链接：https://github.com/Arsey/keras-transfer-learning-for-oxford102

---

5.【代码 & 论文】Character-Aware Neural Language Models

简介：

利用 TensorFlow 实现论文《Character-Aware Neural Language Models》，主要实现的细节包括：

• Word-level and Character-level Convolutional Neural Network
• Highway Network
• Recurrent Neural Network Language Model

原文链接：https://github.com/carpedm20/lstm-char-cnn-tensorflow

---

如果觉得内容有用，帮助多多分享哦 :)

长按或者扫描如下二维码，关注 “CoderPai” 微信号（coderpai）。添加底部的 coderpai 小助手，小助手会拉你进AI实战群。

如果你想加入基础算法讨论群，请加QQ群：294609183