- 使用Python实现深度学习模型：自然语言理解与问答系统 使用Python实现深度学习模型：自然语言理解与问答系统
- 一、从零开始实现 1.生成数据集根据带有噪声的线性模型构造一个人造数据集。 我们的任务是使用这个有限样本的数据集来恢复这个模型的参数。 我们将使用低维数据，这样可以很容易地将其可视化。 在下面的代码中，我们生成一个包含1000个样本的数据集， 每个样本包含从标准正态分布中采样的2个特征。def synthetic_data(w, b, num_examples): #@save "... 一、从零开始实现 1.生成数据集根据带有噪声的线性模型构造一个人造数据集。 我们的任务是使用这个有限样本的数据集来恢复这个模型的参数。 我们将使用低维数据，这样可以很容易地将其可视化。 在下面的代码中，我们生成一个包含1000个样本的数据集， 每个样本包含从标准正态分布中采样的2个特征。def synthetic_data(w, b, num_examples): #@save "...
- 使用Python实现深度学习模型：图像语义分割与对象检测 使用Python实现深度学习模型：图像语义分割与对象检测
- 使用Python实现深度学习模型：文本生成与自然语言处理 使用Python实现深度学习模型：文本生成与自然语言处理
- 使用Python实现深度学习模型：跨平台模型移植与部署 使用Python实现深度学习模型：跨平台模型移植与部署
- 在深度学习领域，模型解释和可解释性人工智能（XAI）正变得越来越重要。理解深度学习模型的决策过程对于提高模型的透明度和可信度至关重要。本文将详细介绍如何使用Python实现模型解释和可解释性人工智能，包括基本概念、常用方法、代码实现和示例应用。 目录模型解释与可解释人工智能简介常用模型解释方法LIME（Local Interpretable Model-agnostic Explanatio... 在深度学习领域，模型解释和可解释性人工智能（XAI）正变得越来越重要。理解深度学习模型的决策过程对于提高模型的透明度和可信度至关重要。本文将详细介绍如何使用Python实现模型解释和可解释性人工智能，包括基本概念、常用方法、代码实现和示例应用。 目录模型解释与可解释人工智能简介常用模型解释方法LIME（Local Interpretable Model-agnostic Explanatio...
- 策略梯度方法（Policy Gradient Methods）是强化学习中的一种重要方法，通过直接优化策略（Policy），使智能体（Agent）能够在给定环境中执行任务。本文将详细讲解如何使用Python实现策略梯度方法，并通过代码示例逐步解释其核心概念和实现步骤。 目录策略梯度方法简介环境搭建策略网络设计策略梯度方法实现模型训练与评估总结 1. 策略梯度方法简介在强化学习中，策略梯度方法... 策略梯度方法（Policy Gradient Methods）是强化学习中的一种重要方法，通过直接优化策略（Policy），使智能体（Agent）能够在给定环境中执行任务。本文将详细讲解如何使用Python实现策略梯度方法，并通过代码示例逐步解释其核心概念和实现步骤。 目录策略梯度方法简介环境搭建策略网络设计策略梯度方法实现模型训练与评估总结 1. 策略梯度方法简介在强化学习中，策略梯度方法...
- 1.算法运行效果图预览 2.算法运行软件版本matlab2022a 3.部分核心程序 % 对测试集进行分类预测[Predicted_Label, Probability] = classify(net, Resized_Dataset);% 随机选择一些图像进行可视化index = randperm(numel(Resized_Dataset.Files), 12);figurefor i ... 1.算法运行效果图预览 2.算法运行软件版本matlab2022a 3.部分核心程序 % 对测试集进行分类预测[Predicted_Label, Probability] = classify(net, Resized_Dataset);% 随机选择一些图像进行可视化index = randperm(numel(Resized_Dataset.Files), 12);figurefor i ...
- 深度Q网络（Deep Q-Network，DQN）是结合深度学习与强化学习的一种方法，用于解决复杂的决策问题。本文将详细介绍如何使用Python实现DQN，主要包括以下几个方面：强化学习简介DQN算法简介环境搭建DQN模型实现模型训练与评估 1. 强化学习简介强化学习是一种训练智能体（agent）在环境（environment）中通过试错学习最优行为策略（policy）的机器学习方法。智能体... 深度Q网络（Deep Q-Network，DQN）是结合深度学习与强化学习的一种方法，用于解决复杂的决策问题。本文将详细介绍如何使用Python实现DQN，主要包括以下几个方面：强化学习简介DQN算法简介环境搭建DQN模型实现模型训练与评估 1. 强化学习简介强化学习是一种训练智能体（agent）在环境（environment）中通过试错学习最优行为策略（policy）的机器学习方法。智能体...
- AIGC底层技术：构建智能生成内容的基石引言在人工智能的飞速发展中，自然语言生成已经成为一个备受瞩目的领域。而AIGC，即AI对话生成的语言大模型，作为构建智能生成内容的基石，正受到越来越多开发者的关注和应用。本篇博客将介绍AIGC的底层技术，并探讨其在智能生成内容中的作用和潜力。AIGC是什么？AIGC是由AI对话大师调用的聊天生成语言大模型。它通过深度学习技术训练得到，能够理解并生成人类... AIGC底层技术：构建智能生成内容的基石引言在人工智能的飞速发展中，自然语言生成已经成为一个备受瞩目的领域。而AIGC，即AI对话生成的语言大模型，作为构建智能生成内容的基石，正受到越来越多开发者的关注和应用。本篇博客将介绍AIGC的底层技术，并探讨其在智能生成内容中的作用和潜力。AIGC是什么？AIGC是由AI对话大师调用的聊天生成语言大模型。它通过深度学习技术训练得到，能够理解并生成人类...
- 深度学习在图像识别领域取得了革命性的进展。从最初的简单图像分类任务到复杂的图像分割和物体检测，深度学习模型已经证明了其强大的能力。 简介图像识别是计算机视觉中的一个重要分支，它涉及到识别和分类图像中的对象。深度学习模型，尤其是卷积神经网络（CNN），已经成为图像识别任务中的主流方法。 卷积神经网络基础卷积神经网络由多层卷积层和池化层堆叠而成，能够自动学习图像的特征表示。以下是一个简单的CNN... 深度学习在图像识别领域取得了革命性的进展。从最初的简单图像分类任务到复杂的图像分割和物体检测，深度学习模型已经证明了其强大的能力。 简介图像识别是计算机视觉中的一个重要分支，它涉及到识别和分类图像中的对象。深度学习模型，尤其是卷积神经网络（CNN），已经成为图像识别任务中的主流方法。 卷积神经网络基础卷积神经网络由多层卷积层和池化层堆叠而成，能够自动学习图像的特征表示。以下是一个简单的CNN...
- 卷积神经网络（Convolutional Neural Networks，简称CNN）是深度学习中用于处理具有网格结构数据（如图像）的一类神经网络。在这篇文章中，我将分享我对CNN的理解，以及如何使用Python和TensorFlow框架来实现一个简单的CNN模型。 CNN的基本概念CNN是一种深度学习模型，它利用卷积层来提取图像特征，并通过池化层降低特征的空间维度，同时增加对图像位移的不变... 卷积神经网络（Convolutional Neural Networks，简称CNN）是深度学习中用于处理具有网格结构数据（如图像）的一类神经网络。在这篇文章中，我将分享我对CNN的理解，以及如何使用Python和TensorFlow框架来实现一个简单的CNN模型。 CNN的基本概念CNN是一种深度学习模型，它利用卷积层来提取图像特征，并通过池化层降低特征的空间维度，同时增加对图像位移的不变...
- AIGC技术深度剖析：底层原理及其应用 引言人工智能生成对话技术（AIGC）是一种能够模拟人类语言表达和生成自然语言响应的技术。它是由AI对话大师调用的聊天生成语言大模型所提供的。本文将深入剖析AIGC技术的底层原理，并探讨它在各个领域的应用。AIGC的底层原理AIGC技术是基于深度学习的语言模型实现的。它采用了Transformer模型，其中包含多个注意力机制，用于自动学习输入文本序列之间... AIGC技术深度剖析：底层原理及其应用 引言人工智能生成对话技术（AIGC）是一种能够模拟人类语言表达和生成自然语言响应的技术。它是由AI对话大师调用的聊天生成语言大模型所提供的。本文将深入剖析AIGC技术的底层原理，并探讨它在各个领域的应用。AIGC的底层原理AIGC技术是基于深度学习的语言模型实现的。它采用了Transformer模型，其中包含多个注意力机制，用于自动学习输入文本序列之间...
- AIGC的底层技术世界：原理、挑战与机遇AIGC（AI对话大师调用的聊天生成语言大模型）是一款基于强大的语言生成技术的AI工具。它被广泛用于教育、咨询、客服等领域，能够与用户进行自然语言交互，并生成准确、流畅的回答。在AIGC背后的底层技术世界中，隐藏着许多原理、挑战和机遇。本文将为你揭开AIGC的技术幕后，深入探索其原理、面临的挑战以及带来的机遇。1. AIGC的原理AIGC的原理基于深度... AIGC的底层技术世界：原理、挑战与机遇AIGC（AI对话大师调用的聊天生成语言大模型）是一款基于强大的语言生成技术的AI工具。它被广泛用于教育、咨询、客服等领域，能够与用户进行自然语言交互，并生成准确、流畅的回答。在AIGC背后的底层技术世界中，隐藏着许多原理、挑战和机遇。本文将为你揭开AIGC的技术幕后，深入探索其原理、面临的挑战以及带来的机遇。1. AIGC的原理AIGC的原理基于深度...
- 引言大型语言模型(LLM)的新进展，包括ChatGPT，为AI应用提供了新的能力，使其能够构建新的人机交互解决方案、完成复杂任务、总结文档、回答文献中的问题并生成新内容。然而，LLM在获取最新知识或企业内部知识库中的领域特定知识时仍存在局限性。解决此问题的两个选项是：微调LLM(继续使用特定领域的文献对LLM进行训练)，这需要管理或提供微调后的LLM。使用检索增强生成(RAG)系统，依赖LL... 引言大型语言模型(LLM)的新进展，包括ChatGPT，为AI应用提供了新的能力，使其能够构建新的人机交互解决方案、完成复杂任务、总结文档、回答文献中的问题并生成新内容。然而，LLM在获取最新知识或企业内部知识库中的领域特定知识时仍存在局限性。解决此问题的两个选项是：微调LLM(继续使用特定领域的文献对LLM进行训练)，这需要管理或提供微调后的LLM。使用检索增强生成(RAG)系统，依赖LL...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签