- 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...
- DL之DCGAN：基于keras框架利用深度卷积对抗网络DCGAN算法对MNIST数据集实现图像生成 目录 基于keras框架利用深度卷积对抗网络DCGAN算法对MNIST数据集实现图像生成 设计思路 输出结果 核心代码 相关文章DL之DCGAN：基于... DL之DCGAN：基于keras框架利用深度卷积对抗网络DCGAN算法对MNIST数据集实现图像生成 目录 基于keras框架利用深度卷积对抗网络DCGAN算法对MNIST数据集实现图像生成 设计思路 输出结果 核心代码 相关文章DL之DCGAN：基于...
- MXNet之CNN：自定义CNN-OCR算法训练车牌数据集(umpy.ndarray格式数据)的模型实现一张新车牌照片字符预测 导读 利用自定义CNN-OCR算法，来训练车牌数据集(umpy.ndarray格式数据)，然后实现车牌照片字符识别，最后进行一张新车牌照片字符预测。 目录 输出结果 设计思路 核心代码 输出结果 ... MXNet之CNN：自定义CNN-OCR算法训练车牌数据集(umpy.ndarray格式数据)的模型实现一张新车牌照片字符预测 导读 利用自定义CNN-OCR算法，来训练车牌数据集(umpy.ndarray格式数据)，然后实现车牌照片字符识别，最后进行一张新车牌照片字符预测。 目录 输出结果 设计思路 核心代码 输出结果 ...
- MXNet之CNN：自定义CNN-OCR算法训练车牌数据集(umpy.ndarray格式数据)实现车牌照片字符识别并评估模型 导读 利用CNN-OCR算法训练车牌数据集评估模型并实现车牌照片字符识别，训练中的车牌数据集是Numpy.ndarray格式数据，当然也可以进一步生成图片，方便直接查看。 目录 输出结果 设计思路 核心代码 更多输出 ... MXNet之CNN：自定义CNN-OCR算法训练车牌数据集(umpy.ndarray格式数据)实现车牌照片字符识别并评估模型 导读 利用CNN-OCR算法训练车牌数据集评估模型并实现车牌照片字符识别，训练中的车牌数据集是Numpy.ndarray格式数据，当然也可以进一步生成图片，方便直接查看。 目录 输出结果 设计思路 核心代码 更多输出 ...
- DL之CNN：卷积神经网络算法简介之原理简介——CNN网络的3D可视化(LeNet-5为例可视化) CNN网络的3D可视化 3D可视化地址：http://scs.ryerson.ca/~aharley/vis/conv/ 1、LeNet-5为例可视化 &... DL之CNN：卷积神经网络算法简介之原理简介——CNN网络的3D可视化(LeNet-5为例可视化) CNN网络的3D可视化 3D可视化地址：http://scs.ryerson.ca/~aharley/vis/conv/ 1、LeNet-5为例可视化 &...
- DL之MobileNet：MobileNet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 MobileNet算法的简介(论文介绍) 1、研究背景 2、传统的模型轻量化常用的方法 3、MobileNet 模型可应用于各种识别任务，以实现高效的设备智能 MobileNet算法的架构详解 5、实验... DL之MobileNet：MobileNet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 MobileNet算法的简介(论文介绍) 1、研究背景 2、传统的模型轻量化常用的方法 3、MobileNet 模型可应用于各种识别任务，以实现高效的设备智能 MobileNet算法的架构详解 5、实验...
- DL之HNN：Hopfield神经网络(HNN之DHNN、CHNN)的相关论文、简介、使用案例之详细攻略 导读：Hopfield神经网络（HNN）是一种具有循环、递归特性，结合存储和二元系统的神经网络。由约翰·霍普菲尔德在1982年发明。对于一个Hopfield神经网络来说，关键在于确定它在稳定条件下的权系数。Hopfield神经网络分为离散型和连续型两种，主要差别在... DL之HNN：Hopfield神经网络(HNN之DHNN、CHNN)的相关论文、简介、使用案例之详细攻略 导读：Hopfield神经网络（HNN）是一种具有循环、递归特性，结合存储和二元系统的神经网络。由约翰·霍普菲尔德在1982年发明。对于一个Hopfield神经网络来说，关键在于确定它在稳定条件下的权系数。Hopfield神经网络分为离散型和连续型两种，主要差别在...
上滑加载中
推荐直播
-
香橙派AIpro的远程推理框架与实验案例2025/07/04 周五 19:00-20:00
郝家胜 -华为开发者布道师-高校教师
AiR推理框架创新采用将模型推理与模型应用相分离的机制，把香橙派封装为AI推理黑盒服务，构建了分布式远程推理框架，并提供多种输入模态、多种输出方式以及多线程支持的高度复用框架，解决了开发板环境配置复杂上手困难、缺乏可视化体验和资源稀缺课程受限等痛点问题，真正做到开箱即用，并支持多种笔记本电脑环境、多种不同编程语言，10行代码即可体验图像分割迁移案例。
回顾中 -
鸿蒙端云一体化应用开发2025/07/10 周四 19:00-20:00
倪红军 华为开发者布道师-高校教师
基于鸿蒙平台终端设备的应用场景越来越多、使用范围越来越广。本课程以云数据库服务为例，介绍云侧项目应用的创建、新建对象类型、新增存储区及向对象类型中添加数据对象的方法，端侧（HarmonyOS平台）一体化工程项目的创建、云数据资源的关联方法及对云侧数据的增删改查等操作方法，为开发端云一体化应用打下坚实基础。
即将直播
热门标签