- DL之Keras： Keras深度学习框架的注意事项(自动下载存放路径等)、使用方法之详细攻略 目录 Keras深度学习框架的注意事项 1、Keras自动下载默认数据集/模型存放位置 Windows系统 Mac系统 Linux系统 Keras深度学习框架的使用方法 Keras深度学习框架的注意事项 ... DL之Keras： Keras深度学习框架的注意事项(自动下载存放路径等)、使用方法之详细攻略 目录 Keras深度学习框架的注意事项 1、Keras自动下载默认数据集/模型存放位置 Windows系统 Mac系统 Linux系统 Keras深度学习框架的使用方法 Keras深度学习框架的注意事项 ...
- AI：神经网络调参(数据、层数、batch大小，学习率+激活函数+正则化+分类/回归)并进行结果可视化 目录 神经网络调参(数据、层数、batch大小，学习率+激活函数+正则化+分类/回归)并进行结果可视化 1、复杂数据采用多层多个神经网络，才可以得到更好的分类 神经网络调参(数据、层数... AI：神经网络调参(数据、层数、batch大小，学习率+激活函数+正则化+分类/回归)并进行结果可视化 目录 神经网络调参(数据、层数、batch大小，学习率+激活函数+正则化+分类/回归)并进行结果可视化 1、复杂数据采用多层多个神经网络，才可以得到更好的分类 神经网络调参(数据、层数...
- DL之Yolov3：基于深度学习Yolov3算法实现视频目标检测之对《跑男第六季》第四期片视频段进行实时目标检测 目录 输出结果 完整视频请观看 利用深度学习目标检测之对《跑男第六季》第四期片视频段进行实时目标检测01利用深度学习目标检测之对《跑男第六季》第四期片视频段进行实时目标检测02 输出结果 DL之Yolov3：基于深度学习Yolov3算法实现视频目标检测之对《跑男第六季》第四期片视频段进行实时目标检测 目录 输出结果 完整视频请观看 利用深度学习目标检测之对《跑男第六季》第四期片视频段进行实时目标检测01利用深度学习目标检测之对《跑男第六季》第四期片视频段进行实时目标检测02 输出结果
- DataScience：深入探讨与分析机器学习中的数据处理之非线性变换—log对数变换、sigmoid/softmax变换 目录 深入探讨与分析机器学习中的数据处理之非线性变换 log对数变换 sigmoid/softmax变换 Sigmoid函数 Softmax函数 相关文章Da... DataScience：深入探讨与分析机器学习中的数据处理之非线性变换—log对数变换、sigmoid/softmax变换 目录 深入探讨与分析机器学习中的数据处理之非线性变换 log对数变换 sigmoid/softmax变换 Sigmoid函数 Softmax函数 相关文章Da...
- https://www.bilibili.com/video/av9688898 https://selfdrivingcars.mit.edu/ 主讲人的网站，联系方式 http://agelab.mit.edu/students https://www.bilibili.com/video/av9688898 https://selfdrivingcars.mit.edu/ 主讲人的网站，联系方式 http://agelab.mit.edu/students
- 1 皮尔逊相关系数（Pearson Correlation Coefficient） 皮尔逊相关系数广泛用于度量两个变量之间的相关程度，其值介于-1与1之间。 两个变量之间的皮尔逊相关系数定义为两个变量之间的协方差和标准差的商： 上式定义了总体相关系数，常用希腊小写字母 作为代表符号。估算样本的协方差和标准差，可得到皮尔逊相关系数，常用英文小写字母 1 皮尔逊相关系数（Pearson Correlation Coefficient） 皮尔逊相关系数广泛用于度量两个变量之间的相关程度，其值介于-1与1之间。 两个变量之间的皮尔逊相关系数定义为两个变量之间的协方差和标准差的商： 上式定义了总体相关系数，常用希腊小写字母 作为代表符号。估算样本的协方差和标准差，可得到皮尔逊相关系数，常用英文小写字母
- GitHub分享的《深度学习500问》，以问答形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述，以帮助自己及有需要的读者。 GitHub网址参见：https://github.com/scutan90/DeepLearning-500-questions GitHub分享的《深度学习500问》，以问答形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述，以帮助自己及有需要的读者。 GitHub网址参见：https://github.com/scutan90/DeepLearning-500-questions
- 这是针对于博客vs2017安装和使用教程（详细）的深度学习例子——MNIST分类项目新建示例 目录 一、新建项目 二、运行代码 三、生成结果 一、新建项目 1.项目创建参照博主文章：vs2017 开始自己的第一个Python程序 2.输入代码： # -*- coding: utf-8 -*-#获得数据集from tensorflow.examples.t... 这是针对于博客vs2017安装和使用教程（详细）的深度学习例子——MNIST分类项目新建示例 目录 一、新建项目 二、运行代码 三、生成结果 一、新建项目 1.项目创建参照博主文章：vs2017 开始自己的第一个Python程序 2.输入代码： # -*- coding: utf-8 -*-#获得数据集from tensorflow.examples.t...
- 目录 一、安装Julia 二、Flux简介 三、安装Flux和相关依赖库 四、cifar10项目下载 *五、cifar10数据集下载 六、开始训练 一、安装Julia IDE是Atom，安装和使用教程为：Windows10 Atom安装和运行Julia的使用教程（详细） 二、Flux简介 1.Flux.jl是一个内置于Julia的机器学习框架。它与Py... 目录 一、安装Julia 二、Flux简介 三、安装Flux和相关依赖库 四、cifar10项目下载 *五、cifar10数据集下载 六、开始训练 一、安装Julia IDE是Atom，安装和使用教程为：Windows10 Atom安装和运行Julia的使用教程（详细） 二、Flux简介 1.Flux.jl是一个内置于Julia的机器学习框架。它与Py...
- 转载自：https://zhuanlan.zhihu.com/p/31921944 前言：行人重识别（Person Re-identification）也称行人再识别，本文简称为ReID，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛被认为是一个图像检索的子问题。给定一个监控行人图像，检索跨设备下的该行人图像。 在监控视频中，由于相机分辨率和拍... 转载自：https://zhuanlan.zhihu.com/p/31921944 前言：行人重识别（Person Re-identification）也称行人再识别，本文简称为ReID，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛被认为是一个图像检索的子问题。给定一个监控行人图像，检索跨设备下的该行人图像。 在监控视频中，由于相机分辨率和拍...
- 上大学的时候，宿舍的一个哥们有几天闷闷不乐，我们问他怎么了，他说他感觉自己要变成一个废人了。原来前几天他去检查近视，得知自己的近视又加深了，当时我们都安慰他，只是个近视而已，又不是真的看不见了，但是这哥们还是郁闷了好几天，那几天每当有人问他怎么了，他都会说，自己要变成一个瞎子了，要变成一个废人了。 盲人，好像是离我们很遥远的一个词汇，虽然我所在的大学有特殊教育学院，但... 上大学的时候，宿舍的一个哥们有几天闷闷不乐，我们问他怎么了，他说他感觉自己要变成一个废人了。原来前几天他去检查近视，得知自己的近视又加深了，当时我们都安慰他，只是个近视而已，又不是真的看不见了，但是这哥们还是郁闷了好几天，那几天每当有人问他怎么了，他都会说，自己要变成一个瞎子了，要变成一个废人了。 盲人，好像是离我们很遥远的一个词汇，虽然我所在的大学有特殊教育学院，但...
- 前言 在了解深度学习框架之前，我们需要自己去理解甚至去实现一个网络学习和调参的过程，进而理解深度学习的机理； 为此，博主这里提供了一个自己编写的一个例子，带领大家理解一下网络学习的正向传播和反向传播的过程； 除此之外，为了实现batch读取，我还设计并提供了一个简单的DataLoader类去模拟深度学习中数据迭代器的取样；并且提供了存取模型的函数； 值得注意的是仅仅... 前言 在了解深度学习框架之前，我们需要自己去理解甚至去实现一个网络学习和调参的过程，进而理解深度学习的机理； 为此，博主这里提供了一个自己编写的一个例子，带领大家理解一下网络学习的正向传播和反向传播的过程； 除此之外，为了实现batch读取，我还设计并提供了一个简单的DataLoader类去模拟深度学习中数据迭代器的取样；并且提供了存取模型的函数； 值得注意的是仅仅...
- 目录 不同深度学习框架下的实现教程/github地址 1.Pytorch 2.TensorFlow 3.Keras 4.MXNet 不同深度学习框架下的实现教程/github地址（好用的话记得star噢） 1.Pytorch 一个教程和项目地址，代码需要自己建立项目，或者从github上下载 PyTorch 入门实战（五）——2013kaggle比赛... 目录 不同深度学习框架下的实现教程/github地址 1.Pytorch 2.TensorFlow 3.Keras 4.MXNet 不同深度学习框架下的实现教程/github地址（好用的话记得star噢） 1.Pytorch 一个教程和项目地址，代码需要自己建立项目，或者从github上下载 PyTorch 入门实战（五）——2013kaggle比赛...
- 目录 一、前言 二、深度学习版本匹配 三、各种深度学习必要组件的下载地址和截图 一、前言 最近几天，由于需要安装新的深度学习环境，我对当前的版本匹配和安装方式进行了记录。 由于安装环境需要版本匹配，因此在不知道各种环境的匹配情况就下载CUDA等组件会出现浪费时间和流量的行为。 二、深度学习版本匹配 1.Python 3.7（Anaconda3 5.3.0） ... 目录 一、前言 二、深度学习版本匹配 三、各种深度学习必要组件的下载地址和截图 一、前言 最近几天，由于需要安装新的深度学习环境，我对当前的版本匹配和安装方式进行了记录。 由于安装环境需要版本匹配，因此在不知道各种环境的匹配情况就下载CUDA等组件会出现浪费时间和流量的行为。 二、深度学习版本匹配 1.Python 3.7（Anaconda3 5.3.0） ...
- 浅谈Transfomer代码原理解读 前言Transformer架构Input Embedding and Output EmbeddingEmbeddingPositional Embedding Encoder and decoderMuti-Head-AttentionSelf Attention什么是查询向量(query )、键向量(key )和值向... 浅谈Transfomer代码原理解读 前言Transformer架构Input Embedding and Output EmbeddingEmbeddingPositional Embedding Encoder and decoderMuti-Head-AttentionSelf Attention什么是查询向量(query )、键向量(key )和值向...
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 -
苏州工业园区“华为云杯”2025人工智能应用创新大赛赛中直播2025/08/21 周四 16:00-17:00
Vz 华为云AIoT技术布道师
本期直播将与您一起探讨如何基于华为云IoT平台全场景云服务，结合AI、鸿蒙、大数据等技术，打造有创新性，有竞争力的方案和产品。
回顾中
热门标签