- DL：The development history of the important stage of DL 导读 原文来自清华大学唐杰副教授及其学生丁铭结合其 Aminer 数据库整理出 相关文章DL历史学习DL必看的国际前沿文章和视频 目录 《 Deep Learning 模型最近若干年的重要进展》 深度学习的发展历史 1986年《L... DL：The development history of the important stage of DL 导读 原文来自清华大学唐杰副教授及其学生丁铭结合其 Aminer 数据库整理出 相关文章DL历史学习DL必看的国际前沿文章和视频 目录 《 Deep Learning 模型最近若干年的重要进展》 深度学习的发展历史 1986年《L...
- DL之LeNet-5：LeNet-5算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略 目录 LeNet-5算法的简介(论文介绍) LeNet-5算法的架构详解 1、LeNet-5 结构分析 2、各层详细说明 3、以手写数字3为例详细理解LeNet-5算法过程 4、LeNet-5为例可视化 5、LeNet-5算法的设计思路 Le... DL之LeNet-5：LeNet-5算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略 目录 LeNet-5算法的简介(论文介绍) LeNet-5算法的架构详解 1、LeNet-5 结构分析 2、各层详细说明 3、以手写数字3为例详细理解LeNet-5算法过程 4、LeNet-5为例可视化 5、LeNet-5算法的设计思路 Le...
- DL框架之Caffe：深度学习框架之Caffe的简介、安装、使用方法详细攻略 目录 Caffe的简介 Caffe的安装 Caffe的使用方法 1、基本函数 Caffe的简介 全称Convolutional Architecture for Fast Feature Embedding。是一种常用的深度学习... DL框架之Caffe：深度学习框架之Caffe的简介、安装、使用方法详细攻略 目录 Caffe的简介 Caffe的安装 Caffe的使用方法 1、基本函数 Caffe的简介 全称Convolutional Architecture for Fast Feature Embedding。是一种常用的深度学习...
- 导读：人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。 如何快速了解人工智能学习地图？ 目录 &nbs... 导读：人工智能是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学。人工智能是包括十分广泛的科学，它由不同的领域组成，如机器学习，计算机视觉等等，总的说来，人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。 如何快速了解人工智能学习地图？ 目录 &nbs...
- TF学习——TensorFlow：深度学习框架TensorFlow & TensorFlow-GPU的简介、安装详细攻略 目录 TensorFlow的简介 TensorFlow的安装 1、tensorflow的安装 20190514更新 20190514-1851更新 20200529更新后成功 2、tensorflow-gpu的安装 20180... TF学习——TensorFlow：深度学习框架TensorFlow & TensorFlow-GPU的简介、安装详细攻略 目录 TensorFlow的简介 TensorFlow的安装 1、tensorflow的安装 20190514更新 20190514-1851更新 20200529更新后成功 2、tensorflow-gpu的安装 20180...
- 成功解决当Win10系统进行深度学习的时候发现系统C盘满了，教你如何正确卸载一些非必要的内容 目录 解决问题 解决方法 解决问题 C盘：当Win10系统进行深度学习的时候发现系统C盘满了，教你如何正确卸载一些非必要的内容 解决方法 成功解决当Win10系统进行深度学习的时候发现系统C盘满了，教你如何正确卸载一些非必要的内容 目录 解决问题 解决方法 解决问题 C盘：当Win10系统进行深度学习的时候发现系统C盘满了，教你如何正确卸载一些非必要的内容 解决方法
- DL：深度学习(神经网络)的简介、基础知识(神经元/感知机、训练策略、预测原理)、算法分类、经典案例应用之详细攻略 目录 深度学习(神经网络)的简介 1、深度学习浪潮兴起的三大因素 深度学习(神经网络)的基础知识(相关概念、训练策略) 1、神经网络的基础知识 2、神经元的结构 3、感知机 4、万能逼近定理 5、神经网络训练 6、神经网络学习 7、神... DL：深度学习(神经网络)的简介、基础知识(神经元/感知机、训练策略、预测原理)、算法分类、经典案例应用之详细攻略 目录 深度学习(神经网络)的简介 1、深度学习浪潮兴起的三大因素 深度学习(神经网络)的基础知识(相关概念、训练策略) 1、神经网络的基础知识 2、神经元的结构 3、感知机 4、万能逼近定理 5、神经网络训练 6、神经网络学习 7、神...
- DL：神经网络所有模型(包括DNN、CNN、RNN等)的简介(概览)、网络结构简介、使用场景对比之详细攻略 目录 神经网络所有模型的简介及其总结 神经网络所有模型的简介(概览) 神经网络算法之DNN、CNN、RNN使用场景对比 神经网络所有模型的简介及其总结 FF【前馈神经网络】和 RNN【循环神经网络】是... DL：神经网络所有模型(包括DNN、CNN、RNN等)的简介(概览)、网络结构简介、使用场景对比之详细攻略 目录 神经网络所有模型的简介及其总结 神经网络所有模型的简介(概览) 神经网络算法之DNN、CNN、RNN使用场景对比 神经网络所有模型的简介及其总结 FF【前馈神经网络】和 RNN【循环神经网络】是...
- 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
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