- ChatGPT爆火的余热还没退去，ChatGPT的成功引起了广泛的关注，各大媒体争相报道，朋友圈也在不断刷屏。许多人开始担心，AI可能会夺走他们的饭碗。比尔盖茨表示，ChatGPT作为一个聊天机器人，可以做出惊人的类似人类的反应，就像互联网的发明一样重要。人工智能的进步被认为是当前最重要的创新之一。然而，盖茨也指出，尽管人工智能可以读写，但无法真正理解内容。新程序像ChatGPT可以通过帮助写发票 ChatGPT爆火的余热还没退去，ChatGPT的成功引起了广泛的关注，各大媒体争相报道，朋友圈也在不断刷屏。许多人开始担心，AI可能会夺走他们的饭碗。比尔盖茨表示，ChatGPT作为一个聊天机器人，可以做出惊人的类似人类的反应，就像互联网的发明一样重要。人工智能的进步被认为是当前最重要的创新之一。然而，盖茨也指出，尽管人工智能可以读写，但无法真正理解内容。新程序像ChatGPT可以通过帮助写发票
- Stable Diffusion 是一种深度学习技术，主要用于生成式对抗网络（GANs）的训练。这一技术旨在提高生成图像和视频的质量和稳定性。Stable Diffusion 引入了一种称为 “masking” 的功能，用于改进训练的效果。在本文中，我将详细介绍 Stable Diffusion 中 masking 的具体含义，并通过示例来说明其作用和优势。 什么是 Stable Diffu... Stable Diffusion 是一种深度学习技术，主要用于生成式对抗网络（GANs）的训练。这一技术旨在提高生成图像和视频的质量和稳定性。Stable Diffusion 引入了一种称为 “masking” 的功能，用于改进训练的效果。在本文中，我将详细介绍 Stable Diffusion 中 masking 的具体含义，并通过示例来说明其作用和优势。 什么是 Stable Diffu...
- 深度学习算法中的变分自编码器中的重参数化技巧引言在深度学习中，变分自编码器（Variational Autoencoder，VAE）是一种有效的无监督学习算法，主要用于学习输入数据的潜在表示。VAE通过最大化数据似然函数来学习隐含特征，使用重参数化技巧来优化似然函数，从而解决传统自编码器中存在的问题。本文将详细介绍重参数化技巧在VAE中的应用，并展示其实践效果。理论部分变分自编码器是一种通过... 深度学习算法中的变分自编码器中的重参数化技巧引言在深度学习中，变分自编码器（Variational Autoencoder，VAE）是一种有效的无监督学习算法，主要用于学习输入数据的潜在表示。VAE通过最大化数据似然函数来学习隐含特征，使用重参数化技巧来优化似然函数，从而解决传统自编码器中存在的问题。本文将详细介绍重参数化技巧在VAE中的应用，并展示其实践效果。理论部分变分自编码器是一种通过...
- 深度学习算法中的门控循环单元（Gated Recurrent Units）：原理、应用与未来展望引言随着人工智能技术的飞速发展，深度学习已经成为许多领域的核心技术。在深度学习算法中，门控循环单元（Gated Recurrent Units，GRU）是一种非常重要的模型单元，用于处理序列数据。GRU通过控制信息的流动来提高模型的性能，为语言模型、机器翻译、语音识别等应用领域带来了新的突破。本文... 深度学习算法中的门控循环单元（Gated Recurrent Units）：原理、应用与未来展望引言随着人工智能技术的飞速发展，深度学习已经成为许多领域的核心技术。在深度学习算法中，门控循环单元（Gated Recurrent Units，GRU）是一种非常重要的模型单元，用于处理序列数据。GRU通过控制信息的流动来提高模型的性能，为语言模型、机器翻译、语音识别等应用领域带来了新的突破。本文...
- 🍀简介K最近邻（K-nearest neighbors，简称KNN）算法是一种基于实例的机器学习方法，可以用于分类和回归问题。它的思想非常简单，但在实践中却表现出了出色的效果。本文将介绍KNN算法的原理、应用场景和优缺点，并通过示例代码演示其实现过程🍀KNN算法原理KNN算法基于一个假设：相似的样本具有相似的特征。它的工作流程如下计算待分类样本与训练集中每个样本之间的距离（通常使用欧氏距... 🍀简介K最近邻（K-nearest neighbors，简称KNN）算法是一种基于实例的机器学习方法，可以用于分类和回归问题。它的思想非常简单，但在实践中却表现出了出色的效果。本文将介绍KNN算法的原理、应用场景和优缺点，并通过示例代码演示其实现过程🍀KNN算法原理KNN算法基于一个假设：相似的样本具有相似的特征。它的工作流程如下计算待分类样本与训练集中每个样本之间的距离（通常使用欧氏距...
- 🍀关于torch.tensortorch.Tensor是整个package中的核心类如果将属性requires_grad设置为True,它将追踪在这个类上定义的所有操作.当代码要进行反向传播的时候,直接调用.backword()就可以自动计算所有的梯度在这个Tensor上的所有梯度将被累加进属性.grad中如果想终止一个Tensor在计算图中的追踪回溯,只需要执行.detach()就可以将... 🍀关于torch.tensortorch.Tensor是整个package中的核心类如果将属性requires_grad设置为True,它将追踪在这个类上定义的所有操作.当代码要进行反向传播的时候,直接调用.backword()就可以自动计算所有的梯度在这个Tensor上的所有梯度将被累加进属性.grad中如果想终止一个Tensor在计算图中的追踪回溯,只需要执行.detach()就可以将...
- 1. 简介• AIGC的定义和背景人工智能生成内容（Artificial Intelligence Generated Content，简称AIGC）是指利用人工智能技术和算法来自动生成各种形式的内容，例如文章、新闻、广告、代码等。AIGC的发展可以追溯到机器学习和自然语言处理等领域的进展，以及深度学习模型的快速发展。• AIGC的发展历程AIGC的发展历程可以追溯到上世纪50年代的机器翻译... 1. 简介• AIGC的定义和背景人工智能生成内容（Artificial Intelligence Generated Content，简称AIGC）是指利用人工智能技术和算法来自动生成各种形式的内容，例如文章、新闻、广告、代码等。AIGC的发展可以追溯到机器学习和自然语言处理等领域的进展，以及深度学习模型的快速发展。• AIGC的发展历程AIGC的发展历程可以追溯到上世纪50年代的机器翻译...
- 引言深度学习在近年来取得了巨大的成功，成为机器学习领域的热门技术。然而，深度学习通常需要大量的标注数据进行训练，而在某些任务中，获取大量标注数据是非常困难和昂贵的。强化学习作为一种基于奖励信号的学习方法，可以通过与环境的交互学习，从而克服标注数据的限制。因此，将强化学习与深度学习相结合，可以为解决更复杂的问题提供一种新的解决思路。强化学习在深度学习中的应用自动驾驶自动驾驶是一个复杂的任务，涉... 引言深度学习在近年来取得了巨大的成功，成为机器学习领域的热门技术。然而，深度学习通常需要大量的标注数据进行训练，而在某些任务中，获取大量标注数据是非常困难和昂贵的。强化学习作为一种基于奖励信号的学习方法，可以通过与环境的交互学习，从而克服标注数据的限制。因此，将强化学习与深度学习相结合，可以为解决更复杂的问题提供一种新的解决思路。强化学习在深度学习中的应用自动驾驶自动驾驶是一个复杂的任务，涉...
- 🤵♂️ 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）【深度学习 | 核心概念】那些深度学习路上必经的核心概念，确定不来看看？ （二） 作者： ... 🤵♂️ 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）【深度学习 | 核心概念】那些深度学习路上必经的核心概念，确定不来看看？ （二） 作者： ...
- 一、ResNet神经网络1.1 Resnet50简介ResNet是何凯明等人在2015年提出的一种网络结构。ResNet又名残差神经网络，指的是在传统卷积神经网络中加入残差学习（residual learning）的思想，解决了深层网络中梯度弥散和精度下降（训练集）的问题，使网络能够越来越深，既保证了精度，又控制了速度。以下是论文第一页。1.2 Residual net(残差网络)将靠前若干... 一、ResNet神经网络1.1 Resnet50简介ResNet是何凯明等人在2015年提出的一种网络结构。ResNet又名残差神经网络，指的是在传统卷积神经网络中加入残差学习（residual learning）的思想，解决了深层网络中梯度弥散和精度下降（训练集）的问题，使网络能够越来越深，既保证了精度，又控制了速度。以下是论文第一页。1.2 Residual net(残差网络)将靠前若干...
- 前言目前博主课题组在进行物体部件的异常检测项目，项目中需要先使用 YOLOv8 进行目标检测，然后进行图像切割，最后采用 WinCLIP 模型 进行部件异常检测但是在实际操作过程中出现问题， YOLOv8 模型目标检测在大目标精确度不错，但是在小目标检测中效果极差我们之前的解决方案是扩大异常部件的目标检测范围，易于检测。但是缺点是会增大异常检测的识别难度，需要对异常检测模型进行处理，暂时放弃... 前言目前博主课题组在进行物体部件的异常检测项目，项目中需要先使用 YOLOv8 进行目标检测，然后进行图像切割，最后采用 WinCLIP 模型 进行部件异常检测但是在实际操作过程中出现问题， YOLOv8 模型目标检测在大目标精确度不错，但是在小目标检测中效果极差我们之前的解决方案是扩大异常部件的目标检测范围，易于检测。但是缺点是会增大异常检测的识别难度，需要对异常检测模型进行处理，暂时放弃...
- 中国高分辨率高质量PM10数据集（2000-2021，年度）利用人工智能技术，使用模式资料填补了卫星MODIS MAIAC AOD产品的空间缺失值，结合地基观测、大气再分析和排放清单等大数据生产得到2000年至2021年全国无缝隙地面PM10数据。数据十折交叉验证决定系数R2为0.9，均方根误差RMSE为21.12 µg/m3。主要范围为整个中国地区，空间分辨率为1km，单位为µg/m3。... 中国高分辨率高质量PM10数据集（2000-2021，年度）利用人工智能技术，使用模式资料填补了卫星MODIS MAIAC AOD产品的空间缺失值，结合地基观测、大气再分析和排放清单等大数据生产得到2000年至2021年全国无缝隙地面PM10数据。数据十折交叉验证决定系数R2为0.9，均方根误差RMSE为21.12 µg/m3。主要范围为整个中国地区，空间分辨率为1km，单位为µg/m3。...
- 简介中国气温数据产品包含1979-2018年期间中国的近地表气温数据（单位为摄氏度），时间分辨率为每日，空间分辨率为0.1º。本产品集成了再分析数据（ERA5、CMFD）、遥感数据（MODIS）、原位数据等多个数据源，通过结合温度策略区分晴空和非晴空天气条件而获得。前言 – 人工智能教程ERA5和CMFD均为气象数据。ERA5是由欧洲中期天气预报中心（ECMWF）发布的全球地面和大气逐小时... 简介中国气温数据产品包含1979-2018年期间中国的近地表气温数据（单位为摄氏度），时间分辨率为每日，空间分辨率为0.1º。本产品集成了再分析数据（ERA5、CMFD）、遥感数据（MODIS）、原位数据等多个数据源，通过结合温度策略区分晴空和非晴空天气条件而获得。前言 – 人工智能教程ERA5和CMFD均为气象数据。ERA5是由欧洲中期天气预报中心（ECMWF）发布的全球地面和大气逐小时...
- 1. 引言在摄影中，红眼是指在照片中人物眼睛出现红色光斑的现象。这是由于相机的闪光灯在暗环境中照射到人眼的血管上，导致红色反射而产生的。为了消除这种不美观的现象，计算机视觉算法中出现了图像去除红眼技术。本文将介绍图像去除红眼算法的原理和常用方法。2. 红眼现象的原理红眼现象是由于相机闪光灯光线穿过人眼的瞳孔，照射到眼底的血管上，然后反射回来形成的。因为血液中的红色血红蛋白对光的吸收和散射能力... 1. 引言在摄影中，红眼是指在照片中人物眼睛出现红色光斑的现象。这是由于相机的闪光灯在暗环境中照射到人眼的血管上，导致红色反射而产生的。为了消除这种不美观的现象，计算机视觉算法中出现了图像去除红眼技术。本文将介绍图像去除红眼算法的原理和常用方法。2. 红眼现象的原理红眼现象是由于相机闪光灯光线穿过人眼的瞳孔，照射到眼底的血管上，然后反射回来形成的。因为血液中的红色血红蛋白对光的吸收和散射能力...
- Orca 是一个 13B 参数模型，它学习模仿 LFM 的推理过程。它使用ChatGPT的渐进式学习和教师协助来克服能力差距。通过利用来自 GPT-4 的丰富信号，Orca 增强了其功能并提高模仿学习性能。 Orca 是一个 13B 参数模型，它学习模仿 LFM 的推理过程。它使用ChatGPT的渐进式学习和教师协助来克服能力差距。通过利用来自 GPT-4 的丰富信号，Orca 增强了其功能并提高模仿学习性能。
上滑加载中
推荐直播
-
HDC深度解读系列 - AI时代的华为开发者空间2025/07/24 周四 16:30-18:00
Edwin 华为开发者空间产品总监 姚圣伟 HCDG天津核心组代表&HCDE
继HDC发布开发者空间新特性后，本期直播聚焦华为开发者空间核心升级，邀您一起深度解读其如何赋能AI时代智能应用开发，解锁开发新体验
回顾中 -
精细锐利的华为云上权限控制2025/07/31 周四 16:30-18:00
阿肯-华为云生态技术讲师
IAM是华为云上核心安全服务，我们用的对吗？最佳实践是怎样？一堂课把IAM充分拆解。精细化控制，实现远比想象简单！
回顾中 -
热门标签