- 人工智能发展历程一、人工智能的起源1、图灵测试测试者与被测试者（一个人和一台机器）隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。多次测试（一般为5min之内），如果有超过30%的测试者不能确定被测试者是人还是机器，那么这台机器就通过了测试，并被认为具有人类智能。2、达特茅斯会议1956年8月，在美国汉诺斯小镇宁静的达特茅斯学院中，约翰·麦卡锡（John McCarthy）马文·闵斯... 人工智能发展历程一、人工智能的起源1、图灵测试测试者与被测试者（一个人和一台机器）隔开的情况下，通过一些装置（如键盘）向被测试者随意提问。多次测试（一般为5min之内），如果有超过30%的测试者不能确定被测试者是人还是机器，那么这台机器就通过了测试，并被认为具有人类智能。2、达特茅斯会议1956年8月，在美国汉诺斯小镇宁静的达特茅斯学院中，约翰·麦卡锡（John McCarthy）马文·闵斯...
- 原文：你实操了吗？YOLOv5 PyTorch 教程YOLO算法提供高检测速度和性能，检测具有很高的准确性和精度。本教程将重点介绍 YOLOv5 以及如何在 PyTorch 中使用它。YOLO是“You only look once”的首字母缩写，是一种开源软件工具，可有效用于实时检测给定图像中的物体。YOLO 算法使用卷积神经网络 （CNN） 模型来检测图像中的物体。该算法只需要通过给定神... 原文：你实操了吗？YOLOv5 PyTorch 教程YOLO算法提供高检测速度和性能，检测具有很高的准确性和精度。本教程将重点介绍 YOLOv5 以及如何在 PyTorch 中使用它。YOLO是“You only look once”的首字母缩写，是一种开源软件工具，可有效用于实时检测给定图像中的物体。YOLO 算法使用卷积神经网络 （CNN） 模型来检测图像中的物体。该算法只需要通过给定神...
- 。 对于自身长期慵懒和那些骨子里就并不勤奋的人来说，生成式AI确实帮助他们完成了一些机械式工作并且影响了他们的艺术创作； 对于自身善于思考、天性勤奋的人来说，生成式AI也帮助他们完成了一些重复度高、机械式的工作，省下来的大部分时间可以让使用生成式AI的人去完成更加高难度、机器无法替代的那些富有创造性的工作，这毫无疑问就是激发了使用者的创作灵感。 。 对于自身长期慵懒和那些骨子里就并不勤奋的人来说，生成式AI确实帮助他们完成了一些机械式工作并且影响了他们的艺术创作； 对于自身善于思考、天性勤奋的人来说，生成式AI也帮助他们完成了一些重复度高、机械式的工作，省下来的大部分时间可以让使用生成式AI的人去完成更加高难度、机器无法替代的那些富有创造性的工作，这毫无疑问就是激发了使用者的创作灵感。
- 美国建筑物数据集国土安全部、FIMA、联邦紧急事务管理局的响应地理空间办公室、橡树岭国家实验室和美国地质调查局合作，建立和维护全国第一个大于450平方英尺的所有结构的清单，用于洪水保险缓解、应急准备和响应。为了创建建筑轮廓清单，联邦紧急事务管理局与国土安全部的科学和技术部门合作，与橡树岭国家实验室（ORNL）合作，通过商业上可用的卫星图像提取轮廓。你可以在这里下载这些数据集，或者使用这个链... 美国建筑物数据集国土安全部、FIMA、联邦紧急事务管理局的响应地理空间办公室、橡树岭国家实验室和美国地质调查局合作，建立和维护全国第一个大于450平方英尺的所有结构的清单，用于洪水保险缓解、应急准备和响应。为了创建建筑轮廓清单，联邦紧急事务管理局与国土安全部的科学和技术部门合作，与橡树岭国家实验室（ORNL）合作，通过商业上可用的卫星图像提取轮廓。你可以在这里下载这些数据集，或者使用这个链...
- 一、CIFAR10数据集介绍 1.1 数据集介绍 CIFAR-10 数据集由10个类别的60000张32x32彩色图像组成，每类6000张图像。有50000张训练图像和10000张测试图像。 数据集分为五个训练批次和一个测试批次，每个批次有 10000 张图像。测试批次包含从每个类别中随机选择的 1000 张图像。训练批次包含随机顺序的剩余图像，但一些训练批次可能包含比另一个类别更多的... 一、CIFAR10数据集介绍 1.1 数据集介绍 CIFAR-10 数据集由10个类别的60000张32x32彩色图像组成，每类6000张图像。有50000张训练图像和10000张测试图像。 数据集分为五个训练批次和一个测试批次，每个批次有 10000 张图像。测试批次包含从每个类别中随机选择的 1000 张图像。训练批次包含随机顺序的剩余图像，但一些训练批次可能包含比另一个类别更多的...
- 人工智能概述一、人工智能应用场景二、人工智能小案例案例一学习链接：https://quickdraw.withgoogle.com案例二学习链接：https://pjreddie.com/darknet/yolo/案例三学习链接：Deep Dream Generator三、人工智能发展必备三要素数据算法计算力 CPU，GPU，TPU计算力之CPU、GPU对比： CPU主要适合I、O密集型的... 人工智能概述一、人工智能应用场景二、人工智能小案例案例一学习链接：https://quickdraw.withgoogle.com案例二学习链接：https://pjreddie.com/darknet/yolo/案例三学习链接：Deep Dream Generator三、人工智能发展必备三要素数据算法计算力 CPU，GPU，TPU计算力之CPU、GPU对比： CPU主要适合I、O密集型的...
- NLP知识图谱项目合集（信息抽取、文本分类、图神经网络、性能优化等) NLP知识图谱项目合集（信息抽取、文本分类、图神经网络、性能优化等)
- 如何评价代码质量的高低？实际上，咱们平时嘴中常说的“好”和“烂”，是对代码质量的一种描述。“好”笼统地表示代码质量高，“烂”笼统地表示代码质量低。对于代码质量的描述，除了“好”“烂”这样比较简单粗暴的描述方式之外，我们也经常会听到很多其他的描述方式。这些描述方法语义更丰富、更专业、更细化。我搜集整理了一下，罗列在了下面。这些几乎涵盖我们所能听到的描述代码质量的所有常用词汇，你可以看一看。灵... 如何评价代码质量的高低？实际上，咱们平时嘴中常说的“好”和“烂”，是对代码质量的一种描述。“好”笼统地表示代码质量高，“烂”笼统地表示代码质量低。对于代码质量的描述，除了“好”“烂”这样比较简单粗暴的描述方式之外，我们也经常会听到很多其他的描述方式。这些描述方法语义更丰富、更专业、更细化。我搜集整理了一下，罗列在了下面。这些几乎涵盖我们所能听到的描述代码质量的所有常用词汇，你可以看一看。灵...
- 问题描述在做YoloV5剪枝的时候，出现的问题。问题如下：Traceback (most recent call last): File "D:\ObjectDetection\yolov5prune-main\prune.py", line 794, in <module> test_prune(opt.data, File "D:\ObjectDetection\yolov5... 问题描述在做YoloV5剪枝的时候，出现的问题。问题如下：Traceback (most recent call last): File "D:\ObjectDetection\yolov5prune-main\prune.py", line 794, in <module> test_prune(opt.data, File "D:\ObjectDetection\yolov5...
- @[toc] 摘要论文地址：https://arxiv.org/abs/2211.06088代码地址：https://github.com/ChengpengChen/RepGhost特征重用一直是轻量级卷积神经网络设计的关键技术。RepGhostNet在移动设备上比GhostNet和MobileNetV3更有效。在ImageNet数据集上，RepGhostNet和GhostNet 0.5X... @[toc] 摘要论文地址：https://arxiv.org/abs/2211.06088代码地址：https://github.com/ChengpengChen/RepGhost特征重用一直是轻量级卷积神经网络设计的关键技术。RepGhostNet在移动设备上比GhostNet和MobileNetV3更有效。在ImageNet数据集上，RepGhostNet和GhostNet 0.5X...
- @[toc] 摘要论文地址：https://arxiv.org/abs/2201.03297代码地址：https://github.com/huawei-noah/CV-Backbones讲解视频：https://www.zhihu.com/zvideo/1584651719241363457上篇实战介绍了华为的GhostNet，上面的论文中，将GhostNet成为C-GhostNet，C-... @[toc] 摘要论文地址：https://arxiv.org/abs/2201.03297代码地址：https://github.com/huawei-noah/CV-Backbones讲解视频：https://www.zhihu.com/zvideo/1584651719241363457上篇实战介绍了华为的GhostNet，上面的论文中，将GhostNet成为C-GhostNet，C-...
- @[toc] 问题描述在重新加入模型，再训练的时候出现了如下问题：Traceback (most recent call last): File "D:\Ghost_Demo\train.py", line 200, in <module> train_loss, train_acc = train(model_ft, DEVICE, train_loader, optimizer,... @[toc] 问题描述在重新加入模型，再训练的时候出现了如下问题：Traceback (most recent call last): File "D:\Ghost_Demo\train.py", line 200, in <module> train_loss, train_acc = train(model_ft, DEVICE, train_loader, optimizer,...
- 相对财富指数使用去识别的连接数据、卫星图像和其他非传统的数据来源，预测国家内部的相对生活标准。这个指数是利用非传统的数据来源建立的，包括卫星图像和去识别的Facebook连接数据。该指数使用来自人口与健康调查的地面真实测量数据进行验证。提供了93个低收入和中等收入国家的2.4公里分辨率的数据。额外处理数据集以CSV文件形式提供，带有纬度长的相对财富指数（RWI）和误差。CSV文件被转换为S... 相对财富指数使用去识别的连接数据、卫星图像和其他非传统的数据来源，预测国家内部的相对生活标准。这个指数是利用非传统的数据来源建立的，包括卫星图像和去识别的Facebook连接数据。该指数使用来自人口与健康调查的地面真实测量数据进行验证。提供了93个低收入和中等收入国家的2.4公里分辨率的数据。额外处理数据集以CSV文件形式提供，带有纬度长的相对财富指数（RWI）和误差。CSV文件被转换为S...
- 量子算法简介一、概述量子算法是在现实的量子计算模型上运行的算法，最常用的模型是计算的量子电路模型。经典（或非量子）算法是一种有限的指令序列，或一步地解决问题的过程，或每一步指令都可以在经典计算机上执行。量子算法是一个逐步的过程，每个步骤都可以在量子计算机上执行。虽然所有经典算法都可以在量子计算机上实现，但量子算法这个术语通常用于那些看起来是量子的算法，或者使用量子计算的一些基本特性，如量子... 量子算法简介一、概述量子算法是在现实的量子计算模型上运行的算法，最常用的模型是计算的量子电路模型。经典（或非量子）算法是一种有限的指令序列，或一步地解决问题的过程，或每一步指令都可以在经典计算机上执行。量子算法是一个逐步的过程，每个步骤都可以在量子计算机上执行。虽然所有经典算法都可以在量子计算机上实现，但量子算法这个术语通常用于那些看起来是量子的算法，或者使用量子计算的一些基本特性，如量子...
- 【AI编译器】深度学习的编译与优化就是将当前的深度学习计算任务通过一层或多层中间表达进行翻译和优化，最终转化成目标硬件上的可执行代码的过程。本系列将围绕现有【AI编译器】中的编译和优化工作的内容展开介绍。 【AI编译器】深度学习的编译与优化就是将当前的深度学习计算任务通过一层或多层中间表达进行翻译和优化，最终转化成目标硬件上的可执行代码的过程。本系列将围绕现有【AI编译器】中的编译和优化工作的内容展开介绍。
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 -
苏州工业园区“华为云杯”2025人工智能应用创新大赛赛中直播2025/08/21 周四 16:00-17:00
Vz 华为云AIoT技术布道师
本期直播将与您一起探讨如何基于华为云IoT平台全场景云服务，结合AI、鸿蒙、大数据等技术，打造有创新性，有竞争力的方案和产品。
即将直播
热门标签