99精品伊人亚洲|最近国产中文炮友|九草在线视频支援|AV网站大全最新|美女黄片免费观看|国产精品资源视频|精彩无码视频一区|91大神在线后入|伊人终合在线播放|久草综合久久中文

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

    4814

    瀏覽量

    103693
  • AI
    AI
    +關(guān)注

    關(guān)注

    88

    文章

    35168

    瀏覽量

    280169
  • 機(jī)器學(xué)習(xí)

    關(guān)注

    66

    文章

    8503

    瀏覽量

    134651

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

    BP神經(jīng)網(wǎng)絡(luò)卷積神經(jīng)網(wǎng)絡(luò)的比較

    BP神經(jīng)網(wǎng)絡(luò)卷積神經(jīng)網(wǎng)絡(luò)在多個(gè)方面存在顯著差異,以下是對(duì)兩者的比較: 、結(jié)構(gòu)特點(diǎn) BP神經(jīng)網(wǎng)絡(luò) : BP
    的頭像 發(fā)表于 02-12 15:53 ?676次閱讀

    什么是BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法

    BP神經(jīng)網(wǎng)絡(luò)的反向傳播算法(Backpropagation Algorithm)是一種用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)的有效方法。以下是關(guān)于BP神經(jīng)網(wǎng)絡(luò)的反
    的頭像 發(fā)表于 02-12 15:18 ?777次閱讀

    BP神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)的關(guān)系

    ),是一種多層前饋神經(jīng)網(wǎng)絡(luò),它通過反向傳播算法進(jìn)行訓(xùn)練。BP神經(jīng)網(wǎng)絡(luò)由輸入層、個(gè)或多個(gè)隱藏層和
    的頭像 發(fā)表于 02-12 15:15 ?867次閱讀

    如何訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)模型

    BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)一種經(jīng)典的人工神經(jīng)網(wǎng)絡(luò)模型,其訓(xùn)練過程主要分為兩個(gè)階段:前向傳播和反向傳播。以下是
    的頭像 發(fā)表于 02-12 15:10 ?930次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)工具與框架

    : TensorFlow是由Google Brain團(tuán)隊(duì)開發(fā)的開源機(jī)器學(xué)習(xí)框架,它支持多種深度學(xué)習(xí)模型的構(gòu)建和訓(xùn)練,包括卷積神經(jīng)網(wǎng)絡(luò)。TensorFlow以其靈活性和可擴(kuò)展性而聞名,適
    的頭像 發(fā)表于 11-15 15:20 ?672次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的參數(shù)調(diào)整方法

    卷積神經(jīng)網(wǎng)絡(luò)因其在處理具有空間層次結(jié)構(gòu)的數(shù)據(jù)時(shí)的卓越性能而受到青睞。然而,CNN的成功很大程度上依賴于其參數(shù)的合理設(shè)置。參數(shù)調(diào)整是個(gè)復(fù)雜的過程,涉及到多個(gè)超參數(shù)的選擇和優(yōu)化。
    的頭像 發(fā)表于 11-15 15:10 ?1216次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)在自然語言處理中的應(yīng)用

    自然語言處理是人工智能領(lǐng)域的個(gè)重要分支,它致力于使計(jì)算機(jī)能夠理解、解釋和生成人類語言。隨著深度學(xué)習(xí)技術(shù)的發(fā)展,卷積
    的頭像 發(fā)表于 11-15 14:58 ?807次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的比較

    深度學(xué)習(xí)領(lǐng)域,神經(jīng)網(wǎng)絡(luò)模型被廣泛應(yīng)用于各種任務(wù),如圖像識(shí)別、自然語言處理和游戲智能等。其中,卷積神經(jīng)網(wǎng)絡(luò)(CNNs)和傳統(tǒng)神經(jīng)網(wǎng)絡(luò)是兩
    的頭像 發(fā)表于 11-15 14:53 ?1881次閱讀

    深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)模型

    深度學(xué)習(xí)近年來在多個(gè)領(lǐng)域取得了顯著的進(jìn)展,尤其是在圖像識(shí)別、語音識(shí)別和自然語言處理等方面。卷積神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)的
    的頭像 發(fā)表于 11-15 14:52 ?849次閱讀

    卷積神經(jīng)網(wǎng)絡(luò)的基本原理與算法

    ),是深度學(xué)習(xí)的代表算法之。 、基本原理 卷積運(yùn)算 卷積運(yùn)算是卷積
    的頭像 發(fā)表于 11-15 14:47 ?1787次閱讀

    循環(huán)神經(jīng)網(wǎng)絡(luò)的常見調(diào)參技巧

    循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Networks,簡稱RNN)是一種用于處理序列數(shù)據(jù)的深度學(xué)習(xí)模型,它能夠捕捉時(shí)間序列中的動(dòng)態(tài)特征。然而,RNN的
    的頭像 發(fā)表于 11-15 10:13 ?762次閱讀

    循環(huán)神經(jīng)網(wǎng)絡(luò)的優(yōu)化技巧

    循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Networks,簡稱RNN)是一種用于處理序列數(shù)據(jù)的深度學(xué)習(xí)模型,它能夠捕捉時(shí)間序列中的動(dòng)態(tài)特征。然而,RNN在
    的頭像 發(fā)表于 11-15 09:51 ?766次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與工作機(jī)制

    LSTM(Long Short-Term Memory,長短期記憶)神經(jīng)網(wǎng)絡(luò)一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN),設(shè)計(jì)用于解決長期依賴問題,特別是在處理時(shí)間序列數(shù)據(jù)時(shí)表現(xiàn)出色。以下是LS
    的頭像 發(fā)表于 11-13 10:05 ?1636次閱讀

    LSTM神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)RNN的區(qū)別

    神經(jīng)網(wǎng)絡(luò)(RNN) RNN的基本結(jié)構(gòu) RNN是一種特殊的神經(jīng)網(wǎng)絡(luò),它能夠處理序列數(shù)據(jù)。在RNN中,每個(gè)時(shí)間步的輸入都會(huì)通過個(gè)
    的頭像 發(fā)表于 11-13 09:58 ?1218次閱讀

    關(guān)于卷積神經(jīng)網(wǎng)絡(luò),這些概念你厘清了么~

    神經(jīng)網(wǎng)絡(luò)訓(xùn)練中非常有效。卷積層使用一種被稱為卷積的數(shù)學(xué)運(yùn)算來識(shí)別像素值數(shù)組的模式。卷積發(fā)生在隱
    發(fā)表于 10-24 13:56