- 原文链接1 直接在终端中设定：CUDA_VISIBLE_DEVICES=1 python main.py2 python 代码中设定：import osos.environ["CUDA_VISIBLE_DEVICES"] = "0,1" 学习更多编程知识，请关注我的公众号：代码的路 原文链接1 直接在终端中设定：CUDA_VISIBLE_DEVICES=1 python main.py2 python 代码中设定：import osos.environ["CUDA_VISIBLE_DEVICES"] = "0,1" 学习更多编程知识，请关注我的公众号：代码的路
- @toc 1、分类概念 分类是找出描述和区分数据类或概念的模型，以便使用模型预测类标号未知的对象类标号。 分类一般分为两个阶段：学习阶段：建立描述预先定义的数据类或概念集的分类器。训练集提供了每个训练元组的类标号，分类的学习过程也称为监督学习。分类阶段：使用定义好的分类器进行分类的过程。 分类与预测是不同的概念，分类是预测分类(离散、无序)标号，而数值预测是建立连续值函数模型。分类与具... @toc 1、分类概念 分类是找出描述和区分数据类或概念的模型，以便使用模型预测类标号未知的对象类标号。 分类一般分为两个阶段：学习阶段：建立描述预先定义的数据类或概念集的分类器。训练集提供了每个训练元组的类标号，分类的学习过程也称为监督学习。分类阶段：使用定义好的分类器进行分类的过程。 分类与预测是不同的概念，分类是预测分类(离散、无序)标号，而数值预测是建立连续值函数模型。分类与具...
- @toc 1、决策树 决策树属于经典的十大数据挖掘算法之一，是一种类似于流程图的树型结构，其规则就是if…then…的思想，用于数值型因变量的预测和离散型因变量的分类。决策树算法简单直观，容易解释，而且在实际应用中具有其他算法难以比肩的速度优势。 决策树方法在分类、预测和规则提取等领域有广泛应用。在20世纪70年代后期和80年代初期，机器学习研究人员J.Ross Quinlan开发了决策... @toc 1、决策树 决策树属于经典的十大数据挖掘算法之一，是一种类似于流程图的树型结构，其规则就是if…then…的思想，用于数值型因变量的预测和离散型因变量的分类。决策树算法简单直观，容易解释，而且在实际应用中具有其他算法难以比肩的速度优势。 决策树方法在分类、预测和规则提取等领域有广泛应用。在20世纪70年代后期和80年代初期，机器学习研究人员J.Ross Quinlan开发了决策...
- @toc 案例：良/恶性乳腺肿瘤预测 1.1 简介 本案例使用逻辑回归分类器对乳腺肿瘤进行良性/恶性预测，并对预测模型进行指标测算与评价。 这里数据集采用乳腺癌数据集，原始的数据集下载地址为：https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wis... @toc 案例：良/恶性乳腺肿瘤预测 1.1 简介 本案例使用逻辑回归分类器对乳腺肿瘤进行良性/恶性预测，并对预测模型进行指标测算与评价。 这里数据集采用乳腺癌数据集，原始的数据集下载地址为：https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wis...
- @toc 一、数据集介绍数据集下载地址：https://www.kaggle.com/datasets/carlosmiao/dogbreedidentification狗的品种共120种10222张训练图片train和test文件夹里面是图片labels.csv种记录着图片对应的标签值。关于mobileNet模型，这里不做过多介绍，只是迁移学习用到了，当然，你完全可以自定义网络 二、实战i... @toc 一、数据集介绍数据集下载地址：https://www.kaggle.com/datasets/carlosmiao/dogbreedidentification狗的品种共120种10222张训练图片train和test文件夹里面是图片labels.csv种记录着图片对应的标签值。关于mobileNet模型，这里不做过多介绍，只是迁移学习用到了，当然，你完全可以自定义网络 二、实战i...
- @toc 1、数据集介绍总共5种花，按照文件夹区分花朵的类别。下载下来的是个压缩包，需要将其解压。数据集下载地址：https://storage.googleapis.com/download.tensorflow.org/example_images/flower_photos.tgz 2、代码实战 2.1 导入依赖import PILimport numpy as npimport ma... @toc 1、数据集介绍总共5种花，按照文件夹区分花朵的类别。下载下来的是个压缩包，需要将其解压。数据集下载地址：https://storage.googleapis.com/download.tensorflow.org/example_images/flower_photos.tgz 2、代码实战 2.1 导入依赖import PILimport numpy as npimport ma...
- @toc 1、双向RNN双向RNN(Bidirectional RNN)的结构如下图所示。ht→=f(W→xt+V→ht−1→+b→)ht←=f(W←xt+V←ht−1←+b←)yt=g(U[ht→;ht←]+c)\overrightarrow{h_t}=f(\overrightarrow{W}x_t+\overrightarrow{V}\overrightarrow{h_{t-1}}+\o... @toc 1、双向RNN双向RNN(Bidirectional RNN)的结构如下图所示。ht→=f(W→xt+V→ht−1→+b→)ht←=f(W←xt+V←ht−1←+b←)yt=g(U[ht→;ht←]+c)\overrightarrow{h_t}=f(\overrightarrow{W}x_t+\overrightarrow{V}\overrightarrow{h_{t-1}}+\o...
- 【CANN训练营】算子ST测试 【CANN训练营】算子ST测试
- 很多时候我们想统计研究区的像素数量，但是用错了函数，本来用ee.reducer.sum(), ee.reducer.count()混淆使用，我们发现有很多人要统计像素数量，但却统计成了总量，所以我们首先要看下两个函数如何使用：ee.Reducer.sum()Returns a Reducer that computes the (weighted) sum of its inputs.No... 很多时候我们想统计研究区的像素数量，但是用错了函数，本来用ee.reducer.sum(), ee.reducer.count()混淆使用，我们发现有很多人要统计像素数量，但却统计成了总量，所以我们首先要看下两个函数如何使用：ee.Reducer.sum()Returns a Reducer that computes the (weighted) sum of its inputs.No...
- 【CANN训练营】Sinh算子 【CANN训练营】Sinh算子
- @toc参考论文：Revisiting ResNets: Improved Training and Scaling Strategies 作者：Irwan Bello, William Fedus, Xianzhi Du, Ekin D. Cubuk, Aravind Srinivas, Tsung-Yi Lin, Jonathon Shlens, Barret Zoph这里主要是架构复现... @toc参考论文：Revisiting ResNets: Improved Training and Scaling Strategies 作者：Irwan Bello, William Fedus, Xianzhi Du, Ekin D. Cubuk, Aravind Srinivas, Tsung-Yi Lin, Jonathon Shlens, Barret Zoph这里主要是架构复现...
- @toc 有关ResNetRS的原理部分，看我以前的论文阅读笔记：ResNet-RS架构复现–CVPR2021 1、ResNet-D架构 ResNetRS是在ResNet-D架构上面的改进，ResNet-D架构的结构如下： 注意，残差边上多了个池化操作。 2、ResNetRS架构 我们提供了有关 ResNet-RS 架构更改的更多详细信息。我们重申 ResNet-RS 是：改进的缩放策... @toc 有关ResNetRS的原理部分，看我以前的论文阅读笔记：ResNet-RS架构复现–CVPR2021 1、ResNet-D架构 ResNetRS是在ResNet-D架构上面的改进，ResNet-D架构的结构如下： 注意，残差边上多了个池化操作。 2、ResNetRS架构 我们提供了有关 ResNet-RS 架构更改的更多详细信息。我们重申 ResNet-RS 是：改进的缩放策...
- 2023年1月8日是交作业最后一天。 2023年1月8日是交作业最后一天。
- 昇腾芯片为AI人工智能设计CANN中国研发的AI平台200DK开发板 昇腾芯片为AI人工智能设计CANN中国研发的AI平台200DK开发板
- 统计检验亦称假设检验(test of hypothesis)，它是利用收集到的数据对某个事先作出的统计假设按照某种设计好的方法进行检验，判断此假设是否正确。介绍对两组样本数据的均值、方差和分布是否显著不同进行统计检验的方法。用t检验来判断两组样本的均值是否存在显著差异，用F检验来判断两组样本的方差是否存在显著差异，用K-S检验来判断两组样本所来自的总体分布是否不同。 统计检验亦称假设检验(test of hypothesis)，它是利用收集到的数据对某个事先作出的统计假设按照某种设计好的方法进行检验，判断此假设是否正确。介绍对两组样本数据的均值、方差和分布是否显著不同进行统计检验的方法。用t检验来判断两组样本的均值是否存在显著差异，用F检验来判断两组样本的方差是否存在显著差异，用K-S检验来判断两组样本所来自的总体分布是否不同。
上滑加载中
推荐直播
-
华为云码道-AI时代应用开发利器2026/03/18 周三 19:00-20:00
童得力，华为云开发者生态运营总监/姚圣伟，华为云HCDE开发者专家
本次直播由华为专家带你实战应用开发，看华为云码道(CodeArts)代码智能体如何在AI时代让你的创意应用快速落地。更有华为云HCDE开发者专家带你用码道玩转JiuwenClaw，让小艺成为你的AI助理。
回顾中 -
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中 -
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中
热门标签