- 目录 摘要 一、SENet概述 二、SENet 结构组成详解 三、详细的计算过程 &nb... 目录 摘要 一、SENet概述 二、SENet 结构组成详解 三、详细的计算过程 &nb...
- 以图像分类任务为例，在下表所示卷积神经网络中，一般包含5种类型的网络层次结构： CNN层次结构输出尺寸作用输入层 W1×H1×3 卷积网络的原始输入，可以是原始或预处理后的像素矩阵卷积层W1×H1×K参数共享、局部连接，利用平移不变性从全局特征图提取局部特征激活层W1×H1×K将卷积层的输出结果进行非线性映射池化层W2×H2×K进一步... 以图像分类任务为例，在下表所示卷积神经网络中，一般包含5种类型的网络层次结构： CNN层次结构输出尺寸作用输入层 W1×H1×3 卷积网络的原始输入，可以是原始或预处理后的像素矩阵卷积层W1×H1×K参数共享、局部连接，利用平移不变性从全局特征图提取局部特征激活层W1×H1×K将卷积层的输出结果进行非线性映射池化层W2×H2×K进一步...
- 目录 1、批归一化（Batch Normalization）的含义以及如何理解 2、批归一化（BN）算法流程 3、什么时候使用Batch Normalization 总结 1、批归一化（Batch Normalization）的含义以及如何理解 Batch Normalization，简称Batc... 目录 1、批归一化（Batch Normalization）的含义以及如何理解 2、批归一化（BN）算法流程 3、什么时候使用Batch Normalization 总结 1、批归一化（Batch Normalization）的含义以及如何理解 Batch Normalization，简称Batc...
- 摘要 本文介绍了一种称为 Swin Transformer 的新视觉 Transformer，它可以作为计算机视觉的通用主干。将 Transformer 从语言适应到视觉方面的挑战源于两个领域之间的差异... 摘要 本文介绍了一种称为 Swin Transformer 的新视觉 Transformer，它可以作为计算机视觉的通用主干。将 Transformer 从语言适应到视觉方面的挑战源于两个领域之间的差异...
- class RNN(Layer): """A Vanilla Fully-Connected Recurrent Neural Network layer. Parameters: ... class RNN(Layer): """A Vanilla Fully-Connected Recurrent Neural Network layer. Parameters: ...
- from __future__ import print_function, division import numpy as np import copy class Neuroevolution()... from __future__ import print_function, division import numpy as np import copy class Neuroevolution()...
- from __future__ import print_function, division import numpy as np from mlfromscratch.utils import euc... from __future__ import print_function, division import numpy as np from mlfromscratch.utils import euc...
- 摘要 本文提出了一个概念上简单、灵活和通用的目标实例分割框架。该方法有效地检测图像中的目标，同时为每个实例生成高质量的分割掩码。该方法被称为 Mask R-CNN，在 Faster R-CNN的基础... 摘要 本文提出了一个概念上简单、灵活和通用的目标实例分割框架。该方法有效地检测图像中的目标，同时为每个实例生成高质量的分割掩码。该方法被称为 Mask R-CNN，在 Faster R-CNN的基础...
- 目录 一，视觉感知 1，人眼 2，亮度适应和辨别 二，光和电磁波谱 1，单色光、灰度级 2，光源的三属性 三，图像的感知和获取 1，单个传感器 2，条带传感器 3，传感器阵列 四，图像的采样和量化 1，取样 2，量化 五，图像的质量 1，灰度级和层次 2，对比度 3，饱和度 六，像素间关系 1，邻域... 目录 一，视觉感知 1，人眼 2，亮度适应和辨别 二，光和电磁波谱 1，单色光、灰度级 2，光源的三属性 三，图像的感知和获取 1，单个传感器 2，条带传感器 3，传感器阵列 四，图像的采样和量化 1，取样 2，量化 五，图像的质量 1，灰度级和层次 2，对比度 3，饱和度 六，像素间关系 1，邻域...
- 前言 如何用matlab搭建一个简单的Bp神经网络，并且在代码的最后得到Bp神经网络训练后的权值与阈值。实际上，权值与阈值可以在开始训练网络前给其赋值，换句话说，我们给神经网络的权值与阈值想怎么赋值就怎么赋值，当然赋值的结果一定会影响神经网络最终的预测性能。我们追求的目标是使神经网络最终的预测性能最佳，也就是说找到最佳的权值与阈值，那... 前言 如何用matlab搭建一个简单的Bp神经网络，并且在代码的最后得到Bp神经网络训练后的权值与阈值。实际上，权值与阈值可以在开始训练网络前给其赋值，换句话说，我们给神经网络的权值与阈值想怎么赋值就怎么赋值，当然赋值的结果一定会影响神经网络最终的预测性能。我们追求的目标是使神经网络最终的预测性能最佳，也就是说找到最佳的权值与阈值，那...
- 01 | 人类神经系统原理 生物神经元间的信号通过突触来传递。通过它，一个神经元内传送的冲击信号将在下一个神经元内引起响应，使下一个神经元兴奋，或阻止下一个神经元兴奋。人体内有上百亿个神经细胞，这些神经细胞通过突触连接可以构成许多不同的路径，来传递信息。 一个神经元有两种状态——兴奋和抑制。平时处于抑制状态... 01 | 人类神经系统原理 生物神经元间的信号通过突触来传递。通过它，一个神经元内传送的冲击信号将在下一个神经元内引起响应，使下一个神经元兴奋，或阻止下一个神经元兴奋。人体内有上百亿个神经细胞，这些神经细胞通过突触连接可以构成许多不同的路径，来传递信息。 一个神经元有两种状态——兴奋和抑制。平时处于抑制状态...
- 1、点乘运算 C=dot(A,B) 如果A和B长度相同，计算得出向量A与B的点积。当A与B为列向量时，dot(A,B)相当于进行A’B运算。若A与B为同型矩阵或者高维数组时，那么沿着第一个长度不为1的维度计算点积，二维则沿着列计算。 A1=[1,2,3;3,2,1] B1=[1,1/2,1/2;2,1,1... 1、点乘运算 C=dot(A,B) 如果A和B长度相同，计算得出向量A与B的点积。当A与B为列向量时，dot(A,B)相当于进行A’B运算。若A与B为同型矩阵或者高维数组时，那么沿着第一个长度不为1的维度计算点积，二维则沿着列计算。 A1=[1,2,3;3,2,1] B1=[1,1/2,1/2;2,1,1...
- 01 | 背景 我们已经知道单层感知器具有简单的分类功能（比如将二维平面上的若干点分为两类），而且随着网络层数的增加，网络处理复杂问题的能力也随之增加。但是从单层感知器模型提出后，在相当长的一段时间内都没有人将单层感知器扩展到多层，究其原因，就是人们一直没有找到合适的训练方法来对各层之间的权值进行调... 01 | 背景 我们已经知道单层感知器具有简单的分类功能（比如将二维平面上的若干点分为两类），而且随着网络层数的增加，网络处理复杂问题的能力也随之增加。但是从单层感知器模型提出后，在相当长的一段时间内都没有人将单层感知器扩展到多层，究其原因，就是人们一直没有找到合适的训练方法来对各层之间的权值进行调...
- 一、前言 以下是博主整理的精品专栏，喜欢的小伙伴可自行订阅 R语言实战应用精讲50篇 R语言函数解析及案例实战应用 MATLAB-30天带你从入门到精通 MATLAB入门知识，函数原理解析及案例解析 python快速学习实战应用系列课程 Python函数解析及实战应用案例 MATLAB深入理解... 一、前言 以下是博主整理的精品专栏，喜欢的小伙伴可自行订阅 R语言实战应用精讲50篇 R语言函数解析及案例实战应用 MATLAB-30天带你从入门到精通 MATLAB入门知识，函数原理解析及案例解析 python快速学习实战应用系列课程 Python函数解析及实战应用案例 MATLAB深入理解...
- KNN算法又称为k近邻分类(k-nearest neighbor classification)算法，它将样本分到离它最相似的样本所属的类。该算法的本质上采用模板匹配的思想，要确定一个样本的类别，通过计算它与所有训练样本的距离来找出和该样本最接近的k个样本，统计这些样本的类别进行投票，票... KNN算法又称为k近邻分类(k-nearest neighbor classification)算法，它将样本分到离它最相似的样本所属的类。该算法的本质上采用模板匹配的思想，要确定一个样本的类别，通过计算它与所有训练样本的距离来找出和该样本最接近的k个样本，统计这些样本的类别进行投票，票...
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