- TF之CNN：Tensorflow构建卷积神经网络CNN的简介、使用方法、应用之详细攻略 目录 TensorFlow 中的卷积有关函数入门 1、tf.nn.conv2d函数 案例应用 1、TF之CNN：Tensorflow构建卷积神经网络CNN 2、使用简单的函数来替代上面的定义 ... TF之CNN：Tensorflow构建卷积神经网络CNN的简介、使用方法、应用之详细攻略 目录 TensorFlow 中的卷积有关函数入门 1、tf.nn.conv2d函数 案例应用 1、TF之CNN：Tensorflow构建卷积神经网络CNN 2、使用简单的函数来替代上面的定义 ...
- Matlab：盲反卷积还原失焦图像 目录 输出结果 实现代码 输出结果 实现代码 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % 盲反卷积还原失焦图像 % % % %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% I = imread('G:... Matlab：盲反卷积还原失焦图像 目录 输出结果 实现代码 输出结果 实现代码 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% % 盲反卷积还原失焦图像 % % % %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% I = imread('G:...
- 什么是人工智能？通俗来讲，就是让机器能像人一样思考。这个无需解释太多，因为通过各种科幻电影我们已经对人工智能很熟悉了。大家现在感兴趣的应该是——如何实现人工智能？ 从1956年夏季首次提出“人工智能”这一术语开始，科学家们尝试了各种方法来实现它。这些方法包括专家系统，决策树、归纳逻辑、聚类等等，但这些都是假智能。直到人工神经网络技术的出现，才让机器拥有了“真智能”。 为什么说之... 什么是人工智能？通俗来讲，就是让机器能像人一样思考。这个无需解释太多，因为通过各种科幻电影我们已经对人工智能很熟悉了。大家现在感兴趣的应该是——如何实现人工智能？ 从1956年夏季首次提出“人工智能”这一术语开始，科学家们尝试了各种方法来实现它。这些方法包括专家系统，决策树、归纳逻辑、聚类等等，但这些都是假智能。直到人工神经网络技术的出现，才让机器拥有了“真智能”。 为什么说之...
- 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...
- ML岗位面试：上海某科技公司算法岗位(偏AI算法，国企)技术面试之BN层的认知、BP的推导、GD优化的几种改进等 导读：关于神经网络，问的比较深，因为博主做过总结，所以用自己的语言和案例解释的，回答的还算比较全吧。 BN层的认知 参考博主以前写的文章BN层结构详解—解决反向传播过程中的【梯度消失】与【梯度爆炸】B... ML岗位面试：上海某科技公司算法岗位(偏AI算法，国企)技术面试之BN层的认知、BP的推导、GD优化的几种改进等 导读：关于神经网络，问的比较深，因为博主做过总结，所以用自己的语言和案例解释的，回答的还算比较全吧。 BN层的认知 参考博主以前写的文章BN层结构详解—解决反向传播过程中的【梯度消失】与【梯度爆炸】B...
- DL之LSTM：tf.contrib.rnn.BasicLSTMCell(rnn_unit)函数的解读 目录 tf.contrib.rnn.BasicLSTMCell(rnn_unit)函数的解读 函数功能解读 函数代码实现 tf.contrib.rnn.BasicLSTMCell(rnn_unit)... DL之LSTM：tf.contrib.rnn.BasicLSTMCell(rnn_unit)函数的解读 目录 tf.contrib.rnn.BasicLSTMCell(rnn_unit)函数的解读 函数功能解读 函数代码实现 tf.contrib.rnn.BasicLSTMCell(rnn_unit)...
- 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DNN：基于Tensorflow框架对神经网络算法进行参数初始化的常用九大函数及其使用案例 目录 基于Tensorflow框架对神经网络算法进行初始化的常用函数及其使用案例 1、初始化的常用函数 DL之DNN：基于Tensorflow框架对神经网络算法进行参数初始化的常用九大函数及其使用案例 目录 基于Tensorflow框架对神经网络算法进行初始化的常用函数及其使用案例 1、初始化的常用函数
- 成功解决没有tf.nn.rnn_cell属性 目录 解决问题 解决思路 解决方法 解决问题 没有tf.nn.rnn_cell属性 解决思路 由于不同的TensorFlow版本之间某些函数的用法引起的错误 没有tf.nn.rnn_cell属性 ... 成功解决没有tf.nn.rnn_cell属性 目录 解决问题 解决思路 解决方法 解决问题 没有tf.nn.rnn_cell属性 解决思路 由于不同的TensorFlow版本之间某些函数的用法引起的错误 没有tf.nn.rnn_cell属性 ...
- DL之DeconvNet：DeconvNet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 DeconvNet算法的简介(论文介绍) 0、实验结果 DeconvNet算法的架构详解 DeconvNet算法的案例应用 相关文章DL之DeconvNet：DeconvNet算法的简... DL之DeconvNet：DeconvNet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 DeconvNet算法的简介(论文介绍) 0、实验结果 DeconvNet算法的架构详解 DeconvNet算法的案例应用 相关文章DL之DeconvNet：DeconvNet算法的简...
- DL：神经网络算法简介之Affine 层的简介、使用方法、代码实现之详细攻略 目录 Affine 层的简介 批版本的Affine 层 Affine 层的使用方法 Affine 层的代码实现 Affine 层的简介 Affine层：神经网络的正向传播中，进行的矩阵的乘积运算，在几何学领域被称为“仿射变换”。几何中，... DL：神经网络算法简介之Affine 层的简介、使用方法、代码实现之详细攻略 目录 Affine 层的简介 批版本的Affine 层 Affine 层的使用方法 Affine 层的代码实现 Affine 层的简介 Affine层：神经网络的正向传播中，进行的矩阵的乘积运算，在几何学领域被称为“仿射变换”。几何中，...
- DL之FAN：FAN人脸对齐网络(Face Alignment depth Network)的论文简介、案例应用之详细攻略 目录 FAN人脸对齐网络(Face Alignment depth Network)的论文简介 FAN人脸对齐网络(Face Alignment depth Network)的案例应用 相关文章Paper：《How far are ... DL之FAN：FAN人脸对齐网络(Face Alignment depth Network)的论文简介、案例应用之详细攻略 目录 FAN人脸对齐网络(Face Alignment depth Network)的论文简介 FAN人脸对齐网络(Face Alignment depth Network)的案例应用 相关文章Paper：《How far are ...
- 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DNN：自定义2层神经网络TwoLayerNet模型(封装为层级结构)利用MNIST数据集进行训练、预测 导读 计算图在神经网络算法中的作用。计算图的节点是由局部计算构成的。局部计算构成全局计算。计算图的正向传播进行一般的计算。通过计算图的反向传播，可以计算各个节点的导数。 目录 输出结果 设计思路 核心代码 ... DL之DNN：自定义2层神经网络TwoLayerNet模型(封装为层级结构)利用MNIST数据集进行训练、预测 导读 计算图在神经网络算法中的作用。计算图的节点是由局部计算构成的。局部计算构成全局计算。计算图的正向传播进行一般的计算。通过计算图的反向传播，可以计算各个节点的导数。 目录 输出结果 设计思路 核心代码 ...
- DL之CNN优化技术：卷积神经网络算法简介之特有的优化技术及其代码实现——im2col技术等技术 目录 im2col技术 im2col简介 im2col代码实现 im2col技术 im2col简介 1、im2col 的示意图 2、将滤波器的应用区域从头开始依次横向展开为1列 3、卷积运算的滤波器处理的细节：将滤波器纵向... DL之CNN优化技术：卷积神经网络算法简介之特有的优化技术及其代码实现——im2col技术等技术 目录 im2col技术 im2col简介 im2col代码实现 im2col技术 im2col简介 1、im2col 的示意图 2、将滤波器的应用区域从头开始依次横向展开为1列 3、卷积运算的滤波器处理的细节：将滤波器纵向...
上滑加载中
推荐直播
-
基于开源鸿蒙+海思星闪开发板：嵌入式系统开发实战（Day1）2025/03/29 周六 09:00-18:00
华为开发者布道师
本次为期两天的课程将深入讲解OpenHarmony操作系统及其与星闪技术的结合应用，涵盖WS63E星闪开发板的详细介绍、“OpenHarmony+星闪”的创新实践、实验环境搭建以及编写首个“Hello World”程序等内容，旨在帮助学员全面掌握相关技术并进行实际操作
回顾中 -
基于开源鸿蒙+海思星闪开发板：嵌入式系统开发实战（Day2）2025/03/30 周日 09:00-12:00
华为开发者布道师
本次为期两天的课程将深入讲解OpenHarmony操作系统及其与星闪技术的结合应用，涵盖WS63E星闪开发板的详细介绍、“OpenHarmony+星闪”的创新实践、实验环境搭建以及编写首个“Hello World”程序等内容，旨在帮助学员全面掌握相关技术并进行实际操作
回顾中 -
从AI基础到昇腾：大模型初探、DeepSeek解析与昇腾入门2025/04/02 周三 16:00-17:30
不易 / 华为云学堂技术讲师
昇腾是华为研发的AI芯片，其具有哪些能力？我们如何基于其进行开发？本期直播将从AI以及大模型基础知识开始，介绍人工智能核心概念、昇腾AI基础软硬件平台以及昇腾专区，旨在为零基础或入门级学习者搭建从AI基础知识到昇腾技术的完整学习路径。
回顾中
热门标签