- 本文为入门计算机视觉与人工智能和华为云平台的同学提供了一篇无门槛的完整项目流程，包括项目流程搭建，项目具体实现代码，还有华为云平台ModertArts的上手方法环境配置等等，以及如何将本地项目置于华为云平台进行训练。 本文为入门计算机视觉与人工智能和华为云平台的同学提供了一篇无门槛的完整项目流程，包括项目流程搭建，项目具体实现代码，还有华为云平台ModertArts的上手方法环境配置等等，以及如何将本地项目置于华为云平台进行训练。
- 深度学习算法中的生成对抗网络中的样本生成（Sample Generation in Generative Adversarial Networks）在深度学习领域中，生成对抗网络（Generative Adversarial Networks，GAN）是一种具有生成新样本能力的强大模型。本文将详细介绍GAN中的样本生成，概述其基本原理、实现方法、应用场景以及当前研究的不足和未来研究方向。一、... 深度学习算法中的生成对抗网络中的样本生成（Sample Generation in Generative Adversarial Networks）在深度学习领域中，生成对抗网络（Generative Adversarial Networks，GAN）是一种具有生成新样本能力的强大模型。本文将详细介绍GAN中的样本生成，概述其基本原理、实现方法、应用场景以及当前研究的不足和未来研究方向。一、...
- 深度学习算法中的基于自注意力机制的神经网络自注意力机制是一种在神经网络中实现信息自相关性的方法。它通过计算输入信息之间的相关性，对输入数据的重要性进行加权处理。在传统的神经网络中，信息从输入层逐层传递，每个神经元只能接收来自上一层的信息。而自注意力机制则打破了这一限制，允许每个神经元同时接收来自所有层次的信息，从而更有效地捕捉输入数据的内在联系。基于自注意力机制的神经网络通常采用Transf... 深度学习算法中的基于自注意力机制的神经网络自注意力机制是一种在神经网络中实现信息自相关性的方法。它通过计算输入信息之间的相关性，对输入数据的重要性进行加权处理。在传统的神经网络中，信息从输入层逐层传递，每个神经元只能接收来自上一层的信息。而自注意力机制则打破了这一限制，允许每个神经元同时接收来自所有层次的信息，从而更有效地捕捉输入数据的内在联系。基于自注意力机制的神经网络通常采用Transf...
- 深度学习算法中的可变形卷积神经网络（Deformable Convolutional Networks）引言随着深度学习的快速发展，卷积神经网络（Convolutional Neural Networks, CNN）已成为计算机视觉领域的重要工具。然而，传统的卷积操作具有固定的感受野和权重分布，对于具有非刚性形变的目标和复杂背景下的图像，传统的卷积操作可能会受到限制。为了解决这个问题，可变形... 深度学习算法中的可变形卷积神经网络（Deformable Convolutional Networks）引言随着深度学习的快速发展，卷积神经网络（Convolutional Neural Networks, CNN）已成为计算机视觉领域的重要工具。然而，传统的卷积操作具有固定的感受野和权重分布，对于具有非刚性形变的目标和复杂背景下的图像，传统的卷积操作可能会受到限制。为了解决这个问题，可变形...
- 深度学习算法中的双向循环神经网络（Bidirectional Recurrent Neural Networks）引言深度学习算法中的神经网络模型在自然语言处理、语音识别等领域取得了巨大的成功。其中，循环神经网络（Recurrent Neural Networks，简称RNN）是一种常用的序列数据处理模型。然而，传统的RNN只能在一个方向上处理输入序列，而无法利用后续信息来改善前向传播的性能... 深度学习算法中的双向循环神经网络（Bidirectional Recurrent Neural Networks）引言深度学习算法中的神经网络模型在自然语言处理、语音识别等领域取得了巨大的成功。其中，循环神经网络（Recurrent Neural Networks，简称RNN）是一种常用的序列数据处理模型。然而，传统的RNN只能在一个方向上处理输入序列，而无法利用后续信息来改善前向传播的性能...
- 深度学习算法中的核化神经网络（Kernelized Neural Networks）引言深度学习算法在计算机视觉、自然语言处理等领域取得了巨大的成功。然而，传统的神经网络模型在处理非线性模式时可能会面临一些挑战。为了解决这个问题，研究人员提出了核化神经网络（Kernelized Neural Networks）的概念，它结合了深度学习算法和核方法，能够更好地处理非线性模式。核化神经网络的原理... 深度学习算法中的核化神经网络（Kernelized Neural Networks）引言深度学习算法在计算机视觉、自然语言处理等领域取得了巨大的成功。然而，传统的神经网络模型在处理非线性模式时可能会面临一些挑战。为了解决这个问题，研究人员提出了核化神经网络（Kernelized Neural Networks）的概念，它结合了深度学习算法和核方法，能够更好地处理非线性模式。核化神经网络的原理...
- 本文介绍的论文是一篇CVPR 2023已录用的关于联机手写中文生成的文章，来自华南理工大学黄双萍教授团队。作者通过设置书写者风格和字符风格两个风格提取器，并通过对比学习的方法约束两个风格提取器提取特征的类型。作者发现通过这样的方法能够有效地提取风格图片的整体低频特征和局部高频特征，从而更有效地辅助文字生成任务。 1. 研究动机联机手写轨迹生成可广泛使用于字体设计、联机手写识别辅助训练和书法教... 本文介绍的论文是一篇CVPR 2023已录用的关于联机手写中文生成的文章，来自华南理工大学黄双萍教授团队。作者通过设置书写者风格和字符风格两个风格提取器，并通过对比学习的方法约束两个风格提取器提取特征的类型。作者发现通过这样的方法能够有效地提取风格图片的整体低频特征和局部高频特征，从而更有效地辅助文字生成任务。 1. 研究动机联机手写轨迹生成可广泛使用于字体设计、联机手写识别辅助训练和书法教...
- 引言随着深度学习的快速发展，传统的卷积神经网络（Convolutional Neural Networks, CNNs）在计算机视觉领域取得了巨大的成功。然而，对于一些涉及到时序和空间信息的任务，如视频分析、动作识别和人体姿态估计等，传统的CNNs存在一定的局限性。为了有效地处理这些时空信息，研究人员提出了一种新型的卷积神经网络模型，即时空卷积网络（Spatio-Temporal Convo... 引言随着深度学习的快速发展，传统的卷积神经网络（Convolutional Neural Networks, CNNs）在计算机视觉领域取得了巨大的成功。然而，对于一些涉及到时序和空间信息的任务，如视频分析、动作识别和人体姿态估计等，传统的CNNs存在一定的局限性。为了有效地处理这些时空信息，研究人员提出了一种新型的卷积神经网络模型，即时空卷积网络（Spatio-Temporal Convo...
- 引言深度学习是近年来人工智能领域的热门研究方向，而循环神经网络（Recurrent Neural Networks，简称RNN）是深度学习中重要的算法之一。本文将重点介绍RNN的一种变体——双向循环神经网络（Bidirectional Recurrent Neural Networks，简称BiRNN），并探讨其在自然语言处理和语音识别等领域的应用。双向循环神经网络简介双向循环神经网络是一种... 引言深度学习是近年来人工智能领域的热门研究方向，而循环神经网络（Recurrent Neural Networks，简称RNN）是深度学习中重要的算法之一。本文将重点介绍RNN的一种变体——双向循环神经网络（Bidirectional Recurrent Neural Networks，简称BiRNN），并探讨其在自然语言处理和语音识别等领域的应用。双向循环神经网络简介双向循环神经网络是一种...
- 引言深度学习在近年来取得了巨大的成功，为许多领域带来了革命性的突破。而在深度学习算法中，循环神经网络（Recurrent Neural Networks，简称RNN）是一种十分重要且常用的模型。RNN在自然语言处理、语音识别、机器翻译等任务中表现出色，具有处理时序数据的能力。本文将介绍RNN的基本原理、应用领域以及一些常见的改进方法。RNN的基本原理RNN是一种具有记忆功能的神经网络，其主要... 引言深度学习在近年来取得了巨大的成功，为许多领域带来了革命性的突破。而在深度学习算法中，循环神经网络（Recurrent Neural Networks，简称RNN）是一种十分重要且常用的模型。RNN在自然语言处理、语音识别、机器翻译等任务中表现出色，具有处理时序数据的能力。本文将介绍RNN的基本原理、应用领域以及一些常见的改进方法。RNN的基本原理RNN是一种具有记忆功能的神经网络，其主要...
- 概述深度学习是近年来兴起的一种机器学习方法，它通过模拟人脑神经网络的结构和功能，实现对大规模数据进行高效处理和学习。卷积神经网络（Convolutional Neural Networks，简称CNN）是深度学习中最重要和最常用的算法之一，它在图像识别、计算机视觉和自然语言处理等领域取得了巨大的成功。卷积神经网络的架构卷积神经网络由多个层次组成，每一层都包含了一组可学习的卷积核（convol... 概述深度学习是近年来兴起的一种机器学习方法，它通过模拟人脑神经网络的结构和功能，实现对大规模数据进行高效处理和学习。卷积神经网络（Convolutional Neural Networks，简称CNN）是深度学习中最重要和最常用的算法之一，它在图像识别、计算机视觉和自然语言处理等领域取得了巨大的成功。卷积神经网络的架构卷积神经网络由多个层次组成，每一层都包含了一组可学习的卷积核（convol...
- 深度强化学习（Deep Reinforcement Learning）是一种结合深度学习和强化学习的算法，用于解决具有高维状态空间和动作空间的复杂任务。它通过将神经网络作为值函数近似器来实现强化学习。 在传统的强化学习中，值函数可以是一个表格，每个状态和动作对应一个值。然而，对于具有大量状态和动作的问题，表格方法的存储和更新变得非常困难。深度强化学习通过使用神经网络来近似值函数，解决了这个问... 深度强化学习（Deep Reinforcement Learning）是一种结合深度学习和强化学习的算法，用于解决具有高维状态空间和动作空间的复杂任务。它通过将神经网络作为值函数近似器来实现强化学习。 在传统的强化学习中，值函数可以是一个表格，每个状态和动作对应一个值。然而，对于具有大量状态和动作的问题，表格方法的存储和更新变得非常困难。深度强化学习通过使用神经网络来近似值函数，解决了这个问...
- 神经网络是一种监督学习算法中常用的模型，它模拟了生物神经系统中神经元之间的连接和信息传递机制。它由多个神经元（节点）以及它们之间的连接组成，每个神经元接收来自其他神经元的输入，并通过激活函数处理输入，产生输出。 神经网络的结构可以分为输入层、隐藏层和输出层。输入层接收外部输入数据，隐藏层用于进行数据的特征提取和转换，输出层则产生最终的预测结果。每个神经元都有一个权重，用于调整输入的重要性，而... 神经网络是一种监督学习算法中常用的模型，它模拟了生物神经系统中神经元之间的连接和信息传递机制。它由多个神经元（节点）以及它们之间的连接组成，每个神经元接收来自其他神经元的输入，并通过激活函数处理输入，产生输出。 神经网络的结构可以分为输入层、隐藏层和输出层。输入层接收外部输入数据，隐藏层用于进行数据的特征提取和转换，输出层则产生最终的预测结果。每个神经元都有一个权重，用于调整输入的重要性，而...
- K近邻算法（K-Nearest Neighbors, KNN）是一种常用的监督学习算法，用于分类和回归问题。该算法基于一个简单的假设：相似的样本具有相似的标签。KNN算法通过计算样本之间的距离来确定最近的K个邻居，并根据这些邻居的标签进行预测。 KNN算法的工作流程如下：计算距离：对于一个给定的测试样本，计算它与训练集中所有样本之间的距离。常用的距离度量方法有欧氏距离、曼哈顿距离等。选择K个... K近邻算法（K-Nearest Neighbors, KNN）是一种常用的监督学习算法，用于分类和回归问题。该算法基于一个简单的假设：相似的样本具有相似的标签。KNN算法通过计算样本之间的距离来确定最近的K个邻居，并根据这些邻居的标签进行预测。 KNN算法的工作流程如下：计算距离：对于一个给定的测试样本，计算它与训练集中所有样本之间的距离。常用的距离度量方法有欧氏距离、曼哈顿距离等。选择K个...
- 🤵♂️ 个人主页: @AI_magician📡主页地址： 作者简介：CSDN内容合伙人，全栈领域优质创作者。👨💻景愿：旨在于能和更多的热爱计算机的伙伴一起成长！！🐱🏍🙋♂️声明：本人目前大学就读于大二，研究兴趣方向人工智能&硬件（虽然硬件还没开始玩，但一直很感兴趣！希望大佬带带）该文章收录专栏[✨— 《深入解析机器学习：从原理到应用的全面指南》 —✨] 反向传播算法反... 🤵♂️ 个人主页: @AI_magician📡主页地址： 作者简介：CSDN内容合伙人，全栈领域优质创作者。👨💻景愿：旨在于能和更多的热爱计算机的伙伴一起成长！！🐱🏍🙋♂️声明：本人目前大学就读于大二，研究兴趣方向人工智能&硬件（虽然硬件还没开始玩，但一直很感兴趣！希望大佬带带）该文章收录专栏[✨— 《深入解析机器学习：从原理到应用的全面指南》 —✨] 反向传播算法反...
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