- 1.What does a neuron compute? 什么是神经元计算 🔲A neuron computes the mean of all features before applying the output to an activation function 在将输出应用于激活函数之前，神经元会计算所有... 1.What does a neuron compute? 什么是神经元计算 🔲A neuron computes the mean of all features before applying the output to an activation function 在将输出应用于激活函数之前，神经元会计算所有...
- 代码来源： 该代码来自：《机器学习实战》第二章K-近邻算法P31页 digits 文件下数据格式分析： 训练数据的手写体数字个数为 1934 测试的手写体数字个数为 946 该目录下... 代码来源： 该代码来自：《机器学习实战》第二章K-近邻算法P31页 digits 文件下数据格式分析： 训练数据的手写体数字个数为 1934 测试的手写体数字个数为 946 该目录下...
- 摘要 在对象检测中，基于关键点的方法经常遭受大量不正确的对象边界框，可以说是由于缺少对裁剪区域的额外观察。本文提出了一种有效的解决方案，以最小的成本探索每个裁剪区域内的视觉模式。我们在一个名为CornerNet的代表性基于关键点的代表检测器上构建我们的框架。我们的方法名为CenterNet，将每个对象检测为三元组而不是一对关键点，从而... 摘要 在对象检测中，基于关键点的方法经常遭受大量不正确的对象边界框，可以说是由于缺少对裁剪区域的额外观察。本文提出了一种有效的解决方案，以最小的成本探索每个裁剪区域内的视觉模式。我们在一个名为CornerNet的代表性基于关键点的代表检测器上构建我们的框架。我们的方法名为CenterNet，将每个对象检测为三元组而不是一对关键点，从而...
- 摘要 我们报告了在预训练词向量之上训练的卷积神经网络 (CNN) 的一系列实验，用于句子级分类任务。 我们表明，具有很少超参数调整和静态向量的简单 CNN 在多个基准测试中取得了出色的结果。 通过微调学... 摘要 我们报告了在预训练词向量之上训练的卷积神经网络 (CNN) 的一系列实验，用于句子级分类任务。 我们表明，具有很少超参数调整和静态向量的简单 CNN 在多个基准测试中取得了出色的结果。 通过微调学...
- 总结几个比较好的CNN模块。 SEBlock 代码： class SEBlock(nn.Module): def __init__(self, input_channels, internal_neurons): &... 总结几个比较好的CNN模块。 SEBlock 代码： class SEBlock(nn.Module): def __init__(self, input_channels, internal_neurons): &...
- 3399 - Android8 1 神经网络硬件加速固件 3399 - Android8 1 神经网络硬件加速固件
- 本文转载自https://www.zybuluo.com/huanghaian/note/1747551github： https://github.com/hhaAndroid/mmdetection-mini欢迎star部分内容有删改 0 概要论文名称： FCOS: Fully Convolutional One-Stage Object Detection论文地址： https://a... 本文转载自https://www.zybuluo.com/huanghaian/note/1747551github： https://github.com/hhaAndroid/mmdetection-mini欢迎star部分内容有删改 0 概要论文名称： FCOS: Fully Convolutional One-Stage Object Detection论文地址： https://a...
- 前言： 本专栏在保证内容完整性的基础上，力求简洁，旨在让初学者能够更快地、高效地入门TensorFlow2 深度学习框架。如果觉得本专栏对您有帮助的话，可以给一个小小的三连，各位的支持将是我创作的最大动力！ 系列文章汇总：TensorFlow2 入门指南 Github项目地址：https://github.com/Keyird/TensorFlow2-for-beg... 前言： 本专栏在保证内容完整性的基础上，力求简洁，旨在让初学者能够更快地、高效地入门TensorFlow2 深度学习框架。如果觉得本专栏对您有帮助的话，可以给一个小小的三连，各位的支持将是我创作的最大动力！ 系列文章汇总：TensorFlow2 入门指南 Github项目地址：https://github.com/Keyird/TensorFlow2-for-beg...
- 防止过拟合（一）：正则化 防止过拟合（二）：Dropout 防止过拟合（三）：数据增强 前言 这里先介绍一个名词，模型容量：通俗的讲，模型的容量或表达能力，是指模型拟合复杂函数的能力。当模型的容量越大时，函数的假设空间就越大，就越有可能找到一个函数更逼近真实分布的函数模型。 注：在卷积神经网络中，模型容量通常由网络层数、待优化参数的量来衡量。 欠拟合、过拟合 （... 防止过拟合（一）：正则化 防止过拟合（二）：Dropout 防止过拟合（三）：数据增强 前言 这里先介绍一个名词，模型容量：通俗的讲，模型的容量或表达能力，是指模型拟合复杂函数的能力。当模型的容量越大时，函数的假设空间就越大，就越有可能找到一个函数更逼近真实分布的函数模型。 注：在卷积神经网络中，模型容量通常由网络层数、待优化参数的量来衡量。 欠拟合、过拟合 （...
- 写在前面：大家好！我是【AI 菌】，一枚爱弹吉他的程序员。我热爱AI、热爱分享、热爱开源！ 这博客是我对学习的一点总结与思考。如果您也对 深度学习、机器视觉、算法、Python、C++ 感兴趣，可以关注我的动态，我们一起学习，一起进步~ 我的博客地址为：【AI 菌】的博客 我的Github项目地址是：【AI 菌】的Github 前言： 本专栏将分享我从零... 写在前面：大家好！我是【AI 菌】，一枚爱弹吉他的程序员。我热爱AI、热爱分享、热爱开源！ 这博客是我对学习的一点总结与思考。如果您也对 深度学习、机器视觉、算法、Python、C++ 感兴趣，可以关注我的动态，我们一起学习，一起进步~ 我的博客地址为：【AI 菌】的博客 我的Github项目地址是：【AI 菌】的Github 前言： 本专栏将分享我从零...
- 文章目录 1.论文总述2.YOLOv2各个改进点2.1 Batch Normalization（mAP提升2%）2.2 High Resolution Classifier (mAP提升4%)2.3 Convolution With Anchor Boxes （mAP下降0.3%，recall提升7%）2.4 Dimension Clusters(维度聚类) ... 文章目录 1.论文总述2.YOLOv2各个改进点2.1 Batch Normalization（mAP提升2%）2.2 High Resolution Classifier (mAP提升4%)2.3 Convolution With Anchor Boxes （mAP下降0.3%，recall提升7%）2.4 Dimension Clusters(维度聚类) ...
- @Author：Runsen 当阅读一篇课文时，我们可以根据前面的单词来理解每个单词的，而不是从零开始理解每个单词。这可以称为记忆。卷积神经网络模型（CNN）不能实现这种记忆，因此引入了递归神经网络模型（RNN）来解决这一问题。RNN是带有循环的网络，允许信息持久存在。 RNN的应用有： 情绪分析（多对一，顺序输入） 机器翻译（多对多，顺序输入和顺序输出... @Author：Runsen 当阅读一篇课文时，我们可以根据前面的单词来理解每个单词的，而不是从零开始理解每个单词。这可以称为记忆。卷积神经网络模型（CNN）不能实现这种记忆，因此引入了递归神经网络模型（RNN）来解决这一问题。RNN是带有循环的网络，允许信息持久存在。 RNN的应用有： 情绪分析（多对一，顺序输入） 机器翻译（多对多，顺序输入和顺序输出...
- 最近在看数字信号处理相关内容的论文时，有关抽取这个话题，很多论文都有涉及，作为数据降速的一种处理手段，可论文终归是论文，有的时候就不是让你看懂为目的的，让你看懂为目的的，是博客、教材等等，当然，有的论文也是很有态度的，把问题叙述的井井有条，甚至还有推导，让人感动。 本文摘选自《宽带复杂雷达信号模拟技术研究》中的抽取这一知识点，供参考。 这种框框里面的东西，是我的见解... 最近在看数字信号处理相关内容的论文时，有关抽取这个话题，很多论文都有涉及，作为数据降速的一种处理手段，可论文终归是论文，有的时候就不是让你看懂为目的的，让你看懂为目的的，是博客、教材等等，当然，有的论文也是很有态度的，把问题叙述的井井有条，甚至还有推导，让人感动。 本文摘选自《宽带复杂雷达信号模拟技术研究》中的抽取这一知识点，供参考。 这种框框里面的东西，是我的见解...
- 在许多机器学习应用中，带标签的数据数量稀少，要获得更多的标签造价昂贵。我们引入了一种新的神经网络监督学习方法，不是直接给出输入-输出对的直接示例，而是指定在输出空间上能够成立的约束。这些约束来源于先前的特定领域知识（domain knowledge），如已知物理定律。我们展示了这种方法在真实世界和模拟计算机视觉任务上的有效性。使用这种方法，我们在没有任何带标签的训练样本的情况下，成功训练了一个卷积 在许多机器学习应用中，带标签的数据数量稀少，要获得更多的标签造价昂贵。我们引入了一种新的神经网络监督学习方法，不是直接给出输入-输出对的直接示例，而是指定在输出空间上能够成立的约束。这些约束来源于先前的特定领域知识（domain knowledge），如已知物理定律。我们展示了这种方法在真实世界和模拟计算机视觉任务上的有效性。使用这种方法，我们在没有任何带标签的训练样本的情况下，成功训练了一个卷积
- 人工智能已经成为技术圈的热点话题。它不仅改变了人们的生活，也彻底改变了你能想到的所有产业。不过，大众对人工智能还有着不同的认识。有些人认为人工智能不好，因为他们听说人工智能在未来会取代一些人的岗位。而人工智能的支持者认为，人工智能是一个社会发展的推动因素，它将通过自动化来减轻负担，让人们的生活更加便捷。不管你是否喜欢人工智能，如果你对人工智能在未来的影响感兴趣，那么请看看这篇文章，我们将介绍... 人工智能已经成为技术圈的热点话题。它不仅改变了人们的生活，也彻底改变了你能想到的所有产业。不过，大众对人工智能还有着不同的认识。有些人认为人工智能不好，因为他们听说人工智能在未来会取代一些人的岗位。而人工智能的支持者认为，人工智能是一个社会发展的推动因素，它将通过自动化来减轻负担，让人们的生活更加便捷。不管你是否喜欢人工智能，如果你对人工智能在未来的影响感兴趣，那么请看看这篇文章，我们将介绍...
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