从Pix2Code到CycleGAN：2017年深度学习重大研究进展全解读

文章预览

选自Statsbot 作者：Eduard Tyantov 机器之心编译 2017 年只剩不到十天，随着 NIPS 等重要会议的结束，是时候对这一年深度学习领域的重要研究与进展进行总结了。来自机器学习创业公司的 Eduard Tyantov 最近就为我们整理了这样一份列表。想知道哪些深度学习技术即将影响我们的未来吗？本文将给你作出解答。 1. 文本 1.1 谷歌神经机器翻译 去年，谷歌宣布上线 Google Translate 的新模型，并详细介绍了所使用的网络架构——循环神经网络（RNN）。 关键结果：与人类翻译准确率的差距缩小了 55-85%（研究者使用 6 个语言对的评估结果）。但是该模型如果没有谷歌的大型数据集，则很难复现这么优秀的结果。 参考阅读： 重磅 | 谷歌翻译整合神经网络：机器翻译实现颠覆性突破（ ………………………………