- 深度学习：GoogLeNet核心思想详细讲解💡 在2014年的ImageNet图像识别挑战赛中，一个名叫GoogLeNet [Szegedy et al., 2015]的网络架构大放异彩。GoogLeNet吸收了NiN中串联网络的思想，并在此基础上做了改进。 这篇论文的一个重点是解决了什么样大小的卷积核最合适的问题。毕竟，以前流行的网络使用小到1 * 1，大到5 * 5的卷积核。 本文的... 深度学习：GoogLeNet核心思想详细讲解💡 在2014年的ImageNet图像识别挑战赛中，一个名叫GoogLeNet [Szegedy et al., 2015]的网络架构大放异彩。GoogLeNet吸收了NiN中串联网络的思想，并在此基础上做了改进。 这篇论文的一个重点是解决了什么样大小的卷积核最合适的问题。毕竟，以前流行的网络使用小到1 * 1，大到5 * 5的卷积核。 本文的...
- 华为云数据库创新Lab在论文《MARINA: An MLP-Attention Model for Multivariate Time-Series Analysis》中提出了自回归时序神经网络模型，可用于时序数据的预测以及异常检测。本文发表在CIKM'22上，CIKM会议是由美国计算机协会（ACM）组织的、数据挖掘领域的顶级国际学术会议，该会议与2022年10月17日到21日在美国佐治 华为云数据库创新Lab在论文《MARINA: An MLP-Attention Model for Multivariate Time-Series Analysis》中提出了自回归时序神经网络模型，可用于时序数据的预测以及异常检测。本文发表在CIKM'22上，CIKM会议是由美国计算机协会（ACM）组织的、数据挖掘领域的顶级国际学术会议，该会议与2022年10月17日到21日在美国佐治
- 前言ModelArts 是面向开发者的一站式 AI 开发平台，为机器学习与深度学习提供海量数据预处理及交互式智能标注、大规模分布式训练、自动化模型生成，及端-边-云模型按需部署能力，帮助用户快速创建和部署模型，管理全周期 AI 工作流。背景Mask R-CNN是一个灵活开放的框架，可以在这个基础框架的基础上进行扩展，以完成更多的人工智能任务。在本案例中，我们将展示如何对基础的Mask R-C... 前言ModelArts 是面向开发者的一站式 AI 开发平台，为机器学习与深度学习提供海量数据预处理及交互式智能标注、大规模分布式训练、自动化模型生成，及端-边-云模型按需部署能力，帮助用户快速创建和部署模型，管理全周期 AI 工作流。背景Mask R-CNN是一个灵活开放的框架，可以在这个基础框架的基础上进行扩展，以完成更多的人工智能任务。在本案例中，我们将展示如何对基础的Mask R-C...
- 基于文字识别服务OCR和弹性云服务器ECS开发并部署增值税发票验真web应用测试下 基于文字识别服务OCR和弹性云服务器ECS开发并部署增值税发票验真web应用测试下
- 本次主要搭建开发环境，包括AI开发工具和项目版本管理工具 本次主要搭建开发环境，包括AI开发工具和项目版本管理工具
- 1、含义鲁棒是Robust的音译，也就是健壮和强壮的意思。它也是在异常和危险情况下系统生存的能力。比如说，计算机软件在输入错误、磁盘故障、网络过载或有意攻击情况下，能否不死机、不崩溃，就是该软件的鲁棒性。所谓“鲁棒性”，也是指控制系统在一定（结构，大小）的参数摄动下，维持其它某些性能的特性。根据对性能的不同定义，可分为稳定鲁棒性和性能鲁棒性。以闭环系统的鲁棒性作为目标设计得到的固定控制器称... 1、含义鲁棒是Robust的音译，也就是健壮和强壮的意思。它也是在异常和危险情况下系统生存的能力。比如说，计算机软件在输入错误、磁盘故障、网络过载或有意攻击情况下，能否不死机、不崩溃，就是该软件的鲁棒性。所谓“鲁棒性”，也是指控制系统在一定（结构，大小）的参数摄动下，维持其它某些性能的特性。根据对性能的不同定义，可分为稳定鲁棒性和性能鲁棒性。以闭环系统的鲁棒性作为目标设计得到的固定控制器称...
- 可变形卷积 Deformable Convolution：分析步骤：1）如下图，先经过一个普通的卷积学习到每个每个特征点的位置偏移量dx和dy，所以大小变为（bhw*2c）2)然后就是用原图的特征和偏移量相加，得到偏移后的位置—大多数情况为小数。所以取值就不能直接取（当然偏移后位置不能越界）。3）因为偏移后可能为小数，所以需要双线性插值法来计算在此位置的值，插值法见后面，就是偏移后的位置和每... 可变形卷积 Deformable Convolution：分析步骤：1）如下图，先经过一个普通的卷积学习到每个每个特征点的位置偏移量dx和dy，所以大小变为（bhw*2c）2)然后就是用原图的特征和偏移量相加，得到偏移后的位置—大多数情况为小数。所以取值就不能直接取（当然偏移后位置不能越界）。3）因为偏移后可能为小数，所以需要双线性插值法来计算在此位置的值，插值法见后面，就是偏移后的位置和每...
- @TOC 1.数据结构分析（欧几里德和非欧几里德数据）欧几里德数据如上图所示，每个节点之间都是排列整齐的，所以很容易的可以定义出距离来，如下图所示：非欧几里德数据排列不整齐，比较的随意。具体体现在：对于数据中的某个点，难以定义出其邻居节点出来，或者是不同节点的邻居节点的数量是不同的。https://blog.csdn.net/imsuhxz/article/details/91361977 ... @TOC 1.数据结构分析（欧几里德和非欧几里德数据）欧几里德数据如上图所示，每个节点之间都是排列整齐的，所以很容易的可以定义出距离来，如下图所示：非欧几里德数据排列不整齐，比较的随意。具体体现在：对于数据中的某个点，难以定义出其邻居节点出来，或者是不同节点的邻居节点的数量是不同的。https://blog.csdn.net/imsuhxz/article/details/91361977 ...
- 深度置信网络是神经网络的一种，既可以用于非监督学习，类似于一个自编码机；也可以用于监督学习，作为分类器使用。深度学习和卷积神经网络的发展离不开ILSVRC; 深度置信网络是神经网络的一种，既可以用于非监督学习，类似于一个自编码机；也可以用于监督学习，作为分类器使用。深度学习和卷积神经网络的发展离不开ILSVRC;
- 本文主要介绍了图和图神经网络的基础概念，以及MindSpore的环境安装与配置。本系列实践内容包含MindSpore的基础使用方法和GNN的实践过程。 本文主要介绍了图和图神经网络的基础概念，以及MindSpore的环境安装与配置。本系列实践内容包含MindSpore的基础使用方法和GNN的实践过程。
- 一、局部最小值与鞍点Optimization Fails because …local minima（局部最小值）saddle point（鞍点）▲ 优化失败原因 二、批次与动量Optimization with Batch▲ 批次优化 Gradient Descent + Momentum▲ 带动量的梯度下降 三、自动调整学习速率RMSProp(root mean square pr... 一、局部最小值与鞍点Optimization Fails because …local minima（局部最小值）saddle point（鞍点）▲ 优化失败原因 二、批次与动量Optimization with Batch▲ 批次优化 Gradient Descent + Momentum▲ 带动量的梯度下降 三、自动调整学习速率RMSProp(root mean square pr...
- 前言前段时间，杰伦终于发布了新专辑，直接把好听打在公屏上！杰伦时隔6年的新专辑《最伟大的作品》日前大范围刷屏，我觉得简直YYDS（“永远的神”）。于是乎，我有了一个大胆的想法，我把他新专辑的几首歌生成了一个词云（特地用的🎸形状），然后想用AI根据杰伦的风格和歌词的热词生成一种类似于他风格的歌曲，话不多说，开造。《最伟大的作品》词云1.准备数据这里我导入了杰伦新专辑中的三首歌《最伟大的作品》... 前言前段时间，杰伦终于发布了新专辑，直接把好听打在公屏上！杰伦时隔6年的新专辑《最伟大的作品》日前大范围刷屏，我觉得简直YYDS（“永远的神”）。于是乎，我有了一个大胆的想法，我把他新专辑的几首歌生成了一个词云（特地用的🎸形状），然后想用AI根据杰伦的风格和歌词的热词生成一种类似于他风格的歌曲，话不多说，开造。《最伟大的作品》词云1.准备数据这里我导入了杰伦新专辑中的三首歌《最伟大的作品》...
- 第二周学习中主要学习了第四章和第五章的内容，以及实践案例“从感知机到卷积神经网络”的学习。 第二周学习中主要学习了第四章和第五章的内容，以及实践案例“从感知机到卷积神经网络”的学习。
- 一、神经网络基础概念1.神经元 生物神经元->人工神经元求和节点是线性的，激活函数为其他特殊函数人工神经网络：输入层，隐藏层，输出层前馈网络CNN，反馈网络RNN，图网络没有特定的传输方向2.感知机 单层感知机实际是一个二分类器只有输入层和输出层，没有隐藏层，经过求和运算后符号函数，输出。单层感知机只能处理线性问题，比如或运算，而处理不了非线性问题，如异或运算，若要处理非线... 一、神经网络基础概念1.神经元 生物神经元->人工神经元求和节点是线性的，激活函数为其他特殊函数人工神经网络：输入层，隐藏层，输出层前馈网络CNN，反馈网络RNN，图网络没有特定的传输方向2.感知机 单层感知机实际是一个二分类器只有输入层和输出层，没有隐藏层，经过求和运算后符号函数，输出。单层感知机只能处理线性问题，比如或运算，而处理不了非线性问题，如异或运算，若要处理非线...
- 图像超分即超分辨率，将图像从模糊的状态变清晰。本文对BSDS500数据集进行超分实验。完整的源码文件/数据集获取方式见文末 1.实验目标输入大小为h×w的图像X，输出为一个sh×sw的图像 Y，s为放大倍数。 2.数据集简介本次实验采用的是 BSDS500 数据集，其中训练集包含 200 张图像，验证集包含 100 张图像，测试集包含 200 张图像。数据集来源：https://downlo... 图像超分即超分辨率，将图像从模糊的状态变清晰。本文对BSDS500数据集进行超分实验。完整的源码文件/数据集获取方式见文末 1.实验目标输入大小为h×w的图像X，输出为一个sh×sw的图像 Y，s为放大倍数。 2.数据集简介本次实验采用的是 BSDS500 数据集，其中训练集包含 200 张图像，验证集包含 100 张图像，测试集包含 200 张图像。数据集来源：https://downlo...
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