- GPWv411: Adjusted to Match 2015 Revision of UN WPP Country Totals 简介与Notebook示例¶世界网格人口第四版（GPWv4），当前版本为V411。最新版本在 2000、2005、2010、2015和2020年全球人口在 30 弧秒（约1公里）网格上的分布。由人口普查和行政单位的人口比例分配到每个网格单元。人口数输入数据是根... GPWv411: Adjusted to Match 2015 Revision of UN WPP Country Totals 简介与Notebook示例¶世界网格人口第四版（GPWv4），当前版本为V411。最新版本在 2000、2005、2010、2015和2020年全球人口在 30 弧秒（约1公里）网格上的分布。由人口普查和行政单位的人口比例分配到每个网格单元。人口数输入数据是根...
- GPWv411: Population Density 简介与Notebook示例¶世界网格人口第四版（GPWv4），当前版本为V411。最新版本在 2000、2005、2010、2015和2020年全球人口在 30 弧秒（约1公里）网格上的分布。由人口普查和行政单位的人口比例分配到每个网格单元。前言 – 人工智能教程人口数输入数据是根据 2005年至2014年期间进行的2010年的人口普... GPWv411: Population Density 简介与Notebook示例¶世界网格人口第四版（GPWv4），当前版本为V411。最新版本在 2000、2005、2010、2015和2020年全球人口在 30 弧秒（约1公里）网格上的分布。由人口普查和行政单位的人口比例分配到每个网格单元。前言 – 人工智能教程人口数输入数据是根据 2005年至2014年期间进行的2010年的人口普...
- 突破边界：文本检测算法的革新与应用前景 1.文本检测理论篇（文本检测方法介绍）文本检测任务是找出图像或视频中的文字位置。不同于目标检测任务，目标检测不仅要解决定位问题，还要解决目标分类问题。文本在图像中的表现形式可以视为一种‘目标‘，通用的目标检测的方法也适用于文本检测，从任务本身上来看：目标检测：给定图像或者视频，找出目标的位置（box），并给出目标的类别；文本检测：给定输入图像或者视频... 突破边界：文本检测算法的革新与应用前景 1.文本检测理论篇（文本检测方法介绍）文本检测任务是找出图像或视频中的文字位置。不同于目标检测任务，目标检测不仅要解决定位问题，还要解决目标分类问题。文本在图像中的表现形式可以视为一种‘目标‘，通用的目标检测的方法也适用于文本检测，从任务本身上来看：目标检测：给定图像或者视频，找出目标的位置（box），并给出目标的类别；文本检测：给定输入图像或者视频...
- 1写在前面工作中遇到，简单整理博文内容为使用预训练模型的一个预测 Demo测试图片来源与网络,如有侵权请告知理解不足小伙伴帮忙指正 对每个人而言，真正的职责只有一个：找到自我。然后在心中坚守其一生，全心全意，永不停息。所有其它的路都是不完整的，是人的逃避方式，是对大众理想的懦弱回归，是随波逐流，是对内心的恐惧 ——赫尔曼·黑塞《德米安》测试结果请添加图片描述YOLOv8 是一种高效而准确的目... 1写在前面工作中遇到，简单整理博文内容为使用预训练模型的一个预测 Demo测试图片来源与网络,如有侵权请告知理解不足小伙伴帮忙指正 对每个人而言，真正的职责只有一个：找到自我。然后在心中坚守其一生，全心全意，永不停息。所有其它的路都是不完整的，是人的逃避方式，是对大众理想的懦弱回归，是随波逐流，是对内心的恐惧 ——赫尔曼·黑塞《德米安》测试结果请添加图片描述YOLOv8 是一种高效而准确的目...
- 层次聚类是一种无监督学习算法，用于将一组数据点划分为不同的聚类簇。与其他聚类算法不同，层次聚类还能够构建一个层次化的聚类树，可以展示出数据点之间的层次结构关系。 层次聚类算法有两种主要的方法：凝聚式聚类（Agglomerative Clustering）和分裂式聚类（Divisive Clustering）。 凝聚式聚类从每个数据点作为一个单独的聚类开始，然后逐步合并最相似的聚类，直到得到所... 层次聚类是一种无监督学习算法，用于将一组数据点划分为不同的聚类簇。与其他聚类算法不同，层次聚类还能够构建一个层次化的聚类树，可以展示出数据点之间的层次结构关系。 层次聚类算法有两种主要的方法：凝聚式聚类（Agglomerative Clustering）和分裂式聚类（Divisive Clustering）。 凝聚式聚类从每个数据点作为一个单独的聚类开始，然后逐步合并最相似的聚类，直到得到所...
- K均值聚类（K-Means Clustering）是一种常用的无监督学习算法，它被广泛应用于数据挖掘、模式识别和图像处理等领域。其目标是将一组数据点划分为K个不同的簇，使得每个数据点都属于与其最近的簇。 K均值聚类的过程如下：初始化：随机选择K个初始聚类中心点。分配数据点：对于每个数据点，计算其与每个聚类中心的距离，并将其分配给距离最近的聚类中心。更新聚类中心：对于每个聚类，计算其所有分配给... K均值聚类（K-Means Clustering）是一种常用的无监督学习算法，它被广泛应用于数据挖掘、模式识别和图像处理等领域。其目标是将一组数据点划分为K个不同的簇，使得每个数据点都属于与其最近的簇。 K均值聚类的过程如下：初始化：随机选择K个初始聚类中心点。分配数据点：对于每个数据点，计算其与每个聚类中心的距离，并将其分配给距离最近的聚类中心。更新聚类中心：对于每个聚类，计算其所有分配给...
- 随机森林（Random Forest）是一种监督学习算法，它是通过构建多个决策树来进行集成学习的一种方法。 随机森林的基本思想是，通过随机选择训练集的子集和特征的子集来构建多个决策树，然后将这些决策树进行组合，以得到最终的预测结果。 具体来说，随机森林的构建过程如下：随机选择训练集的子集：从原始训练集中随机选择一部分样本，用于构建决策树。这样做的目的是为了增加训练集的多样性，减少过拟合的风险... 随机森林（Random Forest）是一种监督学习算法，它是通过构建多个决策树来进行集成学习的一种方法。 随机森林的基本思想是，通过随机选择训练集的子集和特征的子集来构建多个决策树，然后将这些决策树进行组合，以得到最终的预测结果。 具体来说，随机森林的构建过程如下：随机选择训练集的子集：从原始训练集中随机选择一部分样本，用于构建决策树。这样做的目的是为了增加训练集的多样性，减少过拟合的风险...
- 梯度提升决策树（Gradient Boosting Decision Trees，简称GBDT）是一种监督学习算法，它是以决策树为基础分类器的集成学习方法。 GBDT通过迭代地训练多个弱分类器（决策树），每个弱分类器都在前一个弱分类器的残差上进行训练，从而逐步减小残差，最终将多个弱分类器组合成一个强分类器。 具体而言，GBDT的训练过程如下：初始化模型：将初始预测值设为训练样本的平均值或其他... 梯度提升决策树（Gradient Boosting Decision Trees，简称GBDT）是一种监督学习算法，它是以决策树为基础分类器的集成学习方法。 GBDT通过迭代地训练多个弱分类器（决策树），每个弱分类器都在前一个弱分类器的残差上进行训练，从而逐步减小残差，最终将多个弱分类器组合成一个强分类器。 具体而言，GBDT的训练过程如下：初始化模型：将初始预测值设为训练样本的平均值或其他...
- 简介巴西每日气象网格数据（BR-DWGD），1961-2020巴西综合气象网格数据集是气象研究的一大进步，它满足了人们对精确、广泛的气象数据日益增长的需求。该数据集在前一个数据集的基础上，将空间分辨率提高到 0.1° x 0.1°，并将时间覆盖范围从 1961 年 1 月扩大到 2020 年 7 月。数据集纳入了海拔高度和温度变化率，改进了最低和最高温度的网格插值，同时还包括降水、太阳辐射... 简介巴西每日气象网格数据（BR-DWGD），1961-2020巴西综合气象网格数据集是气象研究的一大进步，它满足了人们对精确、广泛的气象数据日益增长的需求。该数据集在前一个数据集的基础上，将空间分辨率提高到 0.1° x 0.1°，并将时间覆盖范围从 1961 年 1 月扩大到 2020 年 7 月。数据集纳入了海拔高度和温度变化率，改进了最低和最高温度的网格插值，同时还包括降水、太阳辐射...
- 朴素贝叶斯（Naive Bayes）是一种监督学习算法，常用于文本分类、垃圾邮件过滤等任务中。它基于贝叶斯定理和特征条件独立假设，具有简单、高效、易于实现的特点。 朴素贝叶斯算法假设每个特征在给定类别下都是独立的，即特征之间没有相关性。这一假设使得朴素贝叶斯算法的计算变得简单，但也可能导致模型在处理复杂数据时出现偏差。 朴素贝叶斯算法的核心思想是根据已知类别的训练样本，通过计算后验概率来进行... 朴素贝叶斯（Naive Bayes）是一种监督学习算法，常用于文本分类、垃圾邮件过滤等任务中。它基于贝叶斯定理和特征条件独立假设，具有简单、高效、易于实现的特点。 朴素贝叶斯算法假设每个特征在给定类别下都是独立的，即特征之间没有相关性。这一假设使得朴素贝叶斯算法的计算变得简单，但也可能导致模型在处理复杂数据时出现偏差。 朴素贝叶斯算法的核心思想是根据已知类别的训练样本，通过计算后验概率来进行...
- 支持向量机（Support Vector Machines，SVM）是一种常用的监督学习算法，主要用于分类和回归问题。 SVM的基本思想是通过在不同类别的数据之间找到一个最优的超平面来进行分类。超平面是一个在n维空间中的(n-1)维子空间，可以将数据划分为不同的类别。SVM的目标是找到一个能够最大化两个类别之间间隔的超平面，使得两个类别的数据点尽可能地分开。 SVM的关键概念是支持向量，它们... 支持向量机（Support Vector Machines，SVM）是一种常用的监督学习算法，主要用于分类和回归问题。 SVM的基本思想是通过在不同类别的数据之间找到一个最优的超平面来进行分类。超平面是一个在n维空间中的(n-1)维子空间，可以将数据划分为不同的类别。SVM的目标是找到一个能够最大化两个类别之间间隔的超平面，使得两个类别的数据点尽可能地分开。 SVM的关键概念是支持向量，它们...
- 决策树（Decision Tree）是一种常见的监督学习算法，被广泛应用于分类和回归问题中。它通过构建一棵树状结构来对输入数据进行分类或预测。 决策树的构建过程基于特征的条件划分，每个内部节点代表一个特征，每个叶子节点代表一个类别或一个数值。决策树的根节点表示整个数据集，通过不断地对数据进行划分，使得每个子节点的数据更加纯净（即同一类别或数值更加集中），最终达到分类或预测的目的。 决策树的构... 决策树（Decision Tree）是一种常见的监督学习算法，被广泛应用于分类和回归问题中。它通过构建一棵树状结构来对输入数据进行分类或预测。 决策树的构建过程基于特征的条件划分，每个内部节点代表一个特征，每个叶子节点代表一个类别或一个数值。决策树的根节点表示整个数据集，通过不断地对数据进行划分，使得每个子节点的数据更加纯净（即同一类别或数值更加集中），最终达到分类或预测的目的。 决策树的构...
- Python是AI社区事实上的编程语言。它很容易学习，一旦你精通，编写程序是轻而易举的。 在很大程度上，由于其开源库，Python用户可以操作数据，原型模型，分析输出以及执行许多其他机器学习和数据科学任务。 Python是AI社区事实上的编程语言。它很容易学习，一旦你精通，编写程序是轻而易举的。 在很大程度上，由于其开源库，Python用户可以操作数据，原型模型，分析输出以及执行许多其他机器学习和数据科学任务。
- 个性化定制界面和极简版原装界面，哪一个你用起来更加顺手呢，相比之下你更喜欢哪一个？这个就和我们选择选装原装车型，还是改装车型一样，每个人的偏好不同，但是原装车型一定要越见到那越好。这样可以极大的方便后期改装。前言 – 人工智能教程首先，个性化定制界面和极简版原装界面都有其优点和缺点。个性化定制界面允许用户自由地选择他们喜欢的颜色、字体、背景等等，从而使界面更符合他们的个人口味。另一方面，极... 个性化定制界面和极简版原装界面，哪一个你用起来更加顺手呢，相比之下你更喜欢哪一个？这个就和我们选择选装原装车型，还是改装车型一样，每个人的偏好不同，但是原装车型一定要越见到那越好。这样可以极大的方便后期改装。前言 – 人工智能教程首先，个性化定制界面和极简版原装界面都有其优点和缺点。个性化定制界面允许用户自由地选择他们喜欢的颜色、字体、背景等等，从而使界面更符合他们的个人口味。另一方面，极...
- 欧空局 CCI 全球森林地面生物量该数据集提供了2010、2017、2018、2019和2020年的森林地上生物量估计值。这些估算值来自哥白尼哨兵-1 号任务、环境卫星的 ASAR 仪器和日本宇宙航空研究开发机构的高级陆地观测卫星（ALOS-1 和 ALOS-2）提供的地球观测数据（视年份而定），以及其他地球观测来源提供的额外信息。该数据集是欧洲航天局（ESA）气候变化倡议（CCI）计划的... 欧空局 CCI 全球森林地面生物量该数据集提供了2010、2017、2018、2019和2020年的森林地上生物量估计值。这些估算值来自哥白尼哨兵-1 号任务、环境卫星的 ASAR 仪器和日本宇宙航空研究开发机构的高级陆地观测卫星（ALOS-1 和 ALOS-2）提供的地球观测数据（视年份而定），以及其他地球观测来源提供的额外信息。该数据集是欧洲航天局（ESA）气候变化倡议（CCI）计划的...
上滑加载中
推荐直播
-
仓颉编程语言开源创新人才培养经验分享2025/08/06 周三 19:00-20:00
张引 -华为开发者布道师-高校教师
热情而富有活力的仓颉社区为学生的学习提供了一个充满机遇和挑战的平台。本次直播探讨如何运用社区的力量帮助同学们变身为开源开发者，从而完成从学生到工程师身份的转变。
回顾中 -
“全域洞察·智控未来” ——云资源监控实战2025/08/08 周五 15:00-16:00
星璇 华为云监控产品经理，霄图 华为云监控体验设计师，云枢 华为云可观测产品经理
本期直播深度解析全栈监控技术实践，揭秘华为云、头部企业如何通过智能监控实现业务零中断，分享高可用系统背后的“鹰眼系统”。即刻预约，解锁数字化转型的运维密码！
即将直播
热门标签