- Learning Efficient Convolutional Networks Through Network Slimming通过网络瘦身学习高效的卷积神经网络作者： Zhuang Liu, Jianguo Li, Zhiqiang Shen, Gao Huang单位： Intel， Tsinghua University， Fudan University， Cornell Univ... Learning Efficient Convolutional Networks Through Network Slimming通过网络瘦身学习高效的卷积神经网络作者： Zhuang Liu, Jianguo Li, Zhiqiang Shen, Gao Huang单位： Intel， Tsinghua University， Fudan University， Cornell Univ...
- Feature Denoising for Improving Adversarial Robustness这篇文章是facebook提出的再特征层次进行降噪，端到端的对抗训练方法。这种方法可以同时抵抗黑盒和白盒攻击。在Imagenet数据集中，在10轮迭代的PGD攻击下，之前最优的方法仅仅有27.9%的准确率，这种特征降噪的方法可以达到55.7%的准确率。在2000轮PGD攻击下，仍然具... Feature Denoising for Improving Adversarial Robustness这篇文章是facebook提出的再特征层次进行降噪，端到端的对抗训练方法。这种方法可以同时抵抗黑盒和白盒攻击。在Imagenet数据集中，在10轮迭代的PGD攻击下，之前最优的方法仅仅有27.9%的准确率，这种特征降噪的方法可以达到55.7%的准确率。在2000轮PGD攻击下，仍然具...
- 这是一个关于Posix线程编程的专栏。作者在阐明概念的基础上，将向您详细讲述Posix线程库API。本文是第三篇将向您讲述线程同步。 这是一个关于Posix线程编程的专栏。作者在阐明概念的基础上，将向您详细讲述Posix线程库API。本文是第三篇将向您讲述线程同步。
- 在企业信息安全管理中，监控员工的上网行为是确保网络安全的重要一环。本文介绍如何利用深度学习技术，特别是使用PyTorch框架，来实现员工上网行为监控的识别。我们将展示如何通过构建一个行为识别模型，监控员工的网络活动并自动提交相关数据至一个指定网站，以便进行进一步的分析和管理。数据准备与预处理首先，我们需要收集和准备用于训练的数据。数据集包括不同员工在工作时间内的网络活动记录，如访问的网站、使... 在企业信息安全管理中，监控员工的上网行为是确保网络安全的重要一环。本文介绍如何利用深度学习技术，特别是使用PyTorch框架，来实现员工上网行为监控的识别。我们将展示如何通过构建一个行为识别模型，监控员工的网络活动并自动提交相关数据至一个指定网站，以便进行进一步的分析和管理。数据准备与预处理首先，我们需要收集和准备用于训练的数据。数据集包括不同员工在工作时间内的网络活动记录，如访问的网站、使...
- 1、使用Estimator进行脚本训练开发的一般步骤为数据预处理 --> 模型构建 --> 运行配置 --> 执行训练2、昇腾计算服务层包括：昇腾算子库 昇腾调优引擎 框架适配器3、Modelarts中的开发工具包括：PyCharm Toolkit、Modelarts SDK、CodeLab4、Mindspore框架开发模型可以不用适配，直接在昇腾AI处理器上进行训练5、TensorFlow... 1、使用Estimator进行脚本训练开发的一般步骤为数据预处理 --> 模型构建 --> 运行配置 --> 执行训练2、昇腾计算服务层包括：昇腾算子库 昇腾调优引擎 框架适配器3、Modelarts中的开发工具包括：PyCharm Toolkit、Modelarts SDK、CodeLab4、Mindspore框架开发模型可以不用适配，直接在昇腾AI处理器上进行训练5、TensorFlow...
- 初识新一代开发者套件Atlas 200I DK A2笔记总结课程涉及到的相关命令：执行lsusb命令查看USB连接状态 执行v4l2-ctl --all 命令查看摄像头信息执行fdisk -l 查看外接U盘容量USB摄像头连接后，会自动创建/dev/video0设备节点开发者套件的M.2 Key M接口的作用是用于连接M.2外部硬盘在jupyter lab页面，运行完一个样例后，如果还需要运... 初识新一代开发者套件Atlas 200I DK A2笔记总结课程涉及到的相关命令：执行lsusb命令查看USB连接状态 执行v4l2-ctl --all 命令查看摄像头信息执行fdisk -l 查看外接U盘容量USB摄像头连接后，会自动创建/dev/video0设备节点开发者套件的M.2 Key M接口的作用是用于连接M.2外部硬盘在jupyter lab页面，运行完一个样例后，如果还需要运...
- 1『前言』 就在上个月月末OpenAI发布了其最新的研究成果ChatGPT以及其测试接口。在发布后的短短几天时间内，ChatGPT就火出了圈。根据相关媒体报道，目前ChatGPT全球用户数已经突破了一百万。笔者也怀揣着一颗好奇之心去体验了ChatGPT，整体下来的体验是其无论是在一些传统NLP任务包括关系抽取、事件抽取、写作、对话，还是一些其他任务包括写代码、角色扮演等都表现出一种滴水不漏... 1『前言』 就在上个月月末OpenAI发布了其最新的研究成果ChatGPT以及其测试接口。在发布后的短短几天时间内，ChatGPT就火出了圈。根据相关媒体报道，目前ChatGPT全球用户数已经突破了一百万。笔者也怀揣着一颗好奇之心去体验了ChatGPT，整体下来的体验是其无论是在一些传统NLP任务包括关系抽取、事件抽取、写作、对话，还是一些其他任务包括写代码、角色扮演等都表现出一种滴水不漏...
- 在过去十年中，机器学习和深度学习的进步已经在各种规模的行业和组织中创造了人工智能热潮。最近，软件开发的低代码和无代码概念被用作机器学习中的自学习过程，它给出了完成特定任务的特定指令。通过使用数据和算法对机器进行“训练”，使其能够学习如何执行任务，更重要的是，将学习应用到不断发展的过程中。机器学习是在开发者社区专注于 AI 时发展起来的，然后发展了算法决策树学习、逻辑编程、聚类、并行处理和强化学习。 在过去十年中，机器学习和深度学习的进步已经在各种规模的行业和组织中创造了人工智能热潮。最近，软件开发的低代码和无代码概念被用作机器学习中的自学习过程，它给出了完成特定任务的特定指令。通过使用数据和算法对机器进行“训练”，使其能够学习如何执行任务，更重要的是，将学习应用到不断发展的过程中。机器学习是在开发者社区专注于 AI 时发展起来的，然后发展了算法决策树学习、逻辑编程、聚类、并行处理和强化学习。
- 蚁狮优化算法(原理) 1 简介 蚁狮(Antlions，蚁蛉)属于蚁蛉科和神经翅目(网翅昆虫)。蚁狮的生命周期包括两个主要阶段：幼虫和成虫。 自然的总寿命可达3年，主要发生在幼虫(成虫期只有3 - 5周)。蚁狮在茧中蜕变成蚁狮。它们主要以幼虫为食，成年期是为了繁殖。 它们的名字来源于它们独特的捕猎行为和它们最喜欢... 蚁狮优化算法(原理) 1 简介 蚁狮(Antlions，蚁蛉)属于蚁蛉科和神经翅目(网翅昆虫)。蚁狮的生命周期包括两个主要阶段：幼虫和成虫。 自然的总寿命可达3年，主要发生在幼虫(成虫期只有3 - 5周)。蚁狮在茧中蜕变成蚁狮。它们主要以幼虫为食，成年期是为了繁殖。 它们的名字来源于它们独特的捕猎行为和它们最喜欢...
- 📢📢📢📣📣📣 🌻🌻🌻Hello，大家好我叫是Dream呀，一个有趣的Python博主，多多关照😜😜😜 🏅🏅🏅2021年度博客之星TOP100,2021年度博客之星领... 📢📢📢📣📣📣 🌻🌻🌻Hello，大家好我叫是Dream呀，一个有趣的Python博主，多多关照😜😜😜 🏅🏅🏅2021年度博客之星TOP100,2021年度博客之星领...
- 【行人重识别】🖐计算机视觉进阶系列🖐 第一课 基础知识 概述行人重识别rank-1mAP损失函数交叉熵Triplet LossHard Negative 概述 行人重识别 (Per... 【行人重识别】🖐计算机视觉进阶系列🖐 第一课 基础知识 概述行人重识别rank-1mAP损失函数交叉熵Triplet LossHard Negative 概述 行人重识别 (Per...
- 隐马尔可夫（hidden Markov model, HMM）描述由隐藏的马尔可夫链随机生成观测序列的过程，属于生成模型，是可用于标注问题的统计学习模型，在语音识别、自然语言处理、生物信息、模式识别等领域有着广泛的应用。1. 隐马尔可夫模型的定义定义： 隐马尔可夫模型是关于时序的概率模型，描述由一个隐藏的马尔可夫链随机生成不可观测的状态随机序列，再由各个状态生成一个观测从而产生观测随机序列的... 隐马尔可夫（hidden Markov model, HMM）描述由隐藏的马尔可夫链随机生成观测序列的过程，属于生成模型，是可用于标注问题的统计学习模型，在语音识别、自然语言处理、生物信息、模式识别等领域有着广泛的应用。1. 隐马尔可夫模型的定义定义： 隐马尔可夫模型是关于时序的概率模型，描述由一个隐藏的马尔可夫链随机生成不可观测的状态随机序列，再由各个状态生成一个观测从而产生观测随机序列的...
- ▲ 图1.1 记录辐射脉冲的计数器上的数码管数字 ... ▲ 图1.1 记录辐射脉冲的计数器上的数码管数字 ...
- EM算法的一个重要应用是高斯混合模型的参数估计。高斯混合模型应用广泛，在许多情况下，EM算法是学习高斯混合模型的有效方法。1. 高斯混合模型高斯混合模型定义： 高斯混合模型是指具有如下形式的概率分布模型：称为第k个分模型。一般混合模型可以由任意概率分布密度代替高斯分布密度。2. 高斯混合模型参数估计的EM算法明确隐变量，写出完全数据的对数似然函数j=1,2,...,N; k=1,2,...,... EM算法的一个重要应用是高斯混合模型的参数估计。高斯混合模型应用广泛，在许多情况下，EM算法是学习高斯混合模型的有效方法。1. 高斯混合模型高斯混合模型定义： 高斯混合模型是指具有如下形式的概率分布模型：称为第k个分模型。一般混合模型可以由任意概率分布密度代替高斯分布密度。2. 高斯混合模型参数估计的EM算法明确隐变量，写出完全数据的对数似然函数j=1,2,...,N; k=1,2,...,...
- 目录 1、什么是BatchSize 2、 为什么需要 Batch_Size？ 3、 如何设置Batch_Size 的值？ 4、在合理范围内，增大Batch_Size有何好处？ 5、 盲目增大 Batch_Size 有何坏处？ 6、调节 Batch_Size 对训练效果影响到底如何？ 7、为什么说Batch size的增大能... 目录 1、什么是BatchSize 2、 为什么需要 Batch_Size？ 3、 如何设置Batch_Size 的值？ 4、在合理范围内，增大Batch_Size有何好处？ 5、 盲目增大 Batch_Size 有何坏处？ 6、调节 Batch_Size 对训练效果影响到底如何？ 7、为什么说Batch size的增大能...
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