IAML Blog


PyTorch è un framework di deep learning, sviluppato principalmente dal Facebook AI Research (FAIR) group, che ha guadagnato una enorme popolarità fra gli sviluppatori grazie alla combinazione di semplicità ed efficienza. Questi tutorial sono dedicati ad esplorare la libreria, partendo dai concetti più semplici fino alla definizione di modelli estremamente sofisticati.

Nella quinta parte, introduciamo una delle novità più attese di PyTorch 1.0: il just-in-time compiler per ot…

Continue Reading...


Anche quest'anno ho avuto il piacere di partecipare al Codemotion Milano, sia come membro del program committee per la selezione dei talk, che come speaker per parlare dell'attesissimo TensorFlow.js. Approfitto di questo breve post sul blog per riepilogare alcuni degli spunti principali del talk, dalla motivazione dell'unire reti neurali e Javascript al funzionamento della libreria stessa. Sul web trovate anche le Continue Reading...


In pochissimo tempo PyTorch è diventato una delle librerie più usate per il deep learning, e si avvicina ormai il rilascio della prima versione stabile. Il codice per la versione 1.0 è in realtà già disponibile da qualche giorno in developer's preview, e noi ne abbiamo approfittato per testare una delle novità più attese: il just-in-time compiler per ottimizzare i modelli e portarli in produzione!

Continue Reading...


Negli ultimi anni, il graph machine learning ha riscosso grande interesse nella communità di ricerca, grazie alla sua capacità di modellare nativamente ogni tipo di informazione espressa sotto forma di un grafo (solo per citare alcuni esempi: amicizie ed interessi sui social network, reti di sensori, citazioni fra articoli, struttura di molecole e proteine...). Tantissimi gli approcci al tema, dai graph kernel alle "italianissime"

Continue Reading...


Abbiamo già parlato in questo blog degli adversarial examples: esempi, spesso immagini, costruiti a tavolino per ingannare reti neurali (o altri modelli di machine learning) già allenati. Un preprint pubblicato a Giugno descrive una possibilità ancora più radicale: costruire degli input in grado di far eseguire ad una rete neurale un compito diverso da quello per cui è stata allenata in origine. Anche se l'esistenza di questi

Continue Reading...