- 视频编解码算法分为传统算法和基于深度学习的方法，本文主要介绍视频编解码技术的原理，部分内容和图片参考网上技术博客。 视频编解码算法分为传统算法和基于深度学习的方法，本文主要介绍视频编解码技术的原理，部分内容和图片参考网上技术博客。
- 合合信息携手上海大学，以校企联合、产研一体的形式攻关古彝文识别工作，为中华传统文化的保护与传承贡献自己的一份力！ 合合信息携手上海大学，以校企联合、产研一体的形式攻关古彝文识别工作，为中华传统文化的保护与传承贡献自己的一份力！
- 解决不平衡样本问题的处理方法一般有两种: 从“数据层面”入手：分为数据采样法和类别平衡采样法。 从“算法层面”入手：代价敏感方法。 注意本文只介绍不平衡样本的处理思想和策略，不涉及具体代码，在实际项目中，需要针对具体人物，结合不平衡样本的处理策略来设计具体的数据集处理或损失函数代码，从而解决对应问题。 解决不平衡样本问题的处理方法一般有两种: 从“数据层面”入手：分为数据采样法和类别平衡采样法。 从“算法层面”入手：代价敏感方法。 注意本文只介绍不平衡样本的处理思想和策略，不涉及具体代码，在实际项目中，需要针对具体人物，结合不平衡样本的处理策略来设计具体的数据集处理或损失函数代码，从而解决对应问题。
- Boosting集成算法：Adaboost与Gradient BoostingBoosting是一族可将弱学习器提升为强学习器的算法，这族算法的工作机制类似于：先从初始训练集训练出一个基学习器，再根据基学习器的表现对训练样本分布进行调整，使得先前基学习器做错的训练样本在后续受到更多关注；然后基于调整后的样本分布来训练下一个基学习器；如此重复进行，直至基学习器数目达到事先指定的值TTT，最终... Boosting集成算法：Adaboost与Gradient BoostingBoosting是一族可将弱学习器提升为强学习器的算法，这族算法的工作机制类似于：先从初始训练集训练出一个基学习器，再根据基学习器的表现对训练样本分布进行调整，使得先前基学习器做错的训练样本在后续受到更多关注；然后基于调整后的样本分布来训练下一个基学习器；如此重复进行，直至基学习器数目达到事先指定的值TTT，最终...
- 蒸馏学生网络学生网络继续选用ResNet18，使用Teacher网络蒸馏学生网络，训练100个epoch，最终，验证集的ACC为90%。NST知识蒸馏的脚本详见：https://wanghao.blog.csdn.net/article/details/127802486?spm=1001.2014.3001.5502。代码如下：nst.pyfrom __future__ import a... 蒸馏学生网络学生网络继续选用ResNet18，使用Teacher网络蒸馏学生网络，训练100个epoch，最终，验证集的ACC为90%。NST知识蒸馏的脚本详见：https://wanghao.blog.csdn.net/article/details/127802486?spm=1001.2014.3001.5502。代码如下：nst.pyfrom __future__ import a...
- @[toc] 摘要复杂度的检测模型虽然可以取得SOTA的精度，但它们往往难以直接落地应用。模型压缩方法帮助模型在效率和精度之间进行折中。知识蒸馏是模型压缩的一种有效手段，它的核心思想是迫使轻量级的学生模型去学习教师模型提取到的知识，从而提高学生模型的性能。已有的知识蒸馏方法可以分别为三大类：基于特征的（feature-based，例如VID、NST、FitNets、fine-grained ... @[toc] 摘要复杂度的检测模型虽然可以取得SOTA的精度，但它们往往难以直接落地应用。模型压缩方法帮助模型在效率和精度之间进行折中。知识蒸馏是模型压缩的一种有效手段，它的核心思想是迫使轻量级的学生模型去学习教师模型提取到的知识，从而提高学生模型的性能。已有的知识蒸馏方法可以分别为三大类：基于特征的（feature-based，例如VID、NST、FitNets、fine-grained ...
- @[toc] 摘要复杂度的检测模型虽然可以取得SOTA的精度，但它们往往难以直接落地应用。模型压缩方法帮助模型在效率和精度之间进行折中。知识蒸馏是模型压缩的一种有效手段，它的核心思想是迫使轻量级的学生模型去学习教师模型提取到的知识，从而提高学生模型的性能。已有的知识蒸馏方法可以分别为三大类：基于特征的（feature-based，例如VID、NST、FitNets、fine-grained ... @[toc] 摘要复杂度的检测模型虽然可以取得SOTA的精度，但它们往往难以直接落地应用。模型压缩方法帮助模型在效率和精度之间进行折中。知识蒸馏是模型压缩的一种有效手段，它的核心思想是迫使轻量级的学生模型去学习教师模型提取到的知识，从而提高学生模型的性能。已有的知识蒸馏方法可以分别为三大类：基于特征的（feature-based，例如VID、NST、FitNets、fine-grained ...
- 深度学习是机器学习的一个特定分支。我们要想充分理解深度学习，必须对机器学习的基本原理有深刻的理解。本文大部分内容参考《深度学习》书籍，从中抽取重要的知识点，并对部分概念和原理加以自己的总结，适合当作原书的补充资料阅读，也可当作快速阅览机器学习原理基础知识的参考资料。 深度学习是机器学习的一个特定分支。我们要想充分理解深度学习，必须对机器学习的基本原理有深刻的理解。本文大部分内容参考《深度学习》书籍，从中抽取重要的知识点，并对部分概念和原理加以自己的总结，适合当作原书的补充资料阅读，也可当作快速阅览机器学习原理基础知识的参考资料。
- @toc 1、keras介绍 tf.keras 是 tensorflow2 引入的高封装度的框架，可以用于快速搭建神经网 络模型，keras 为支持快速实验而生，能够把想法迅速转换为结果，是深度学习 框架之中最终易上手的一个，它提供了一致而简洁的 API，能够极大地减少一般 应用下的工作量，提高代码地封装程度和复用性。 文档地址：https://tensorflow.google.cn/... @toc 1、keras介绍 tf.keras 是 tensorflow2 引入的高封装度的框架，可以用于快速搭建神经网 络模型，keras 为支持快速实验而生，能够把想法迅速转换为结果，是深度学习 框架之中最终易上手的一个，它提供了一致而简洁的 API，能够极大地减少一般 应用下的工作量，提高代码地封装程度和复用性。 文档地址：https://tensorflow.google.cn/...
- @toc 1、关联规则概述 关联规则（Association Rules）反映一个事物与其他事物之间的相互依存性和关联性。如果两个或者多个事物之间存在一定的关联关系，那么，其中 一个事物就能够通过其他事物预测到。 关联规则可以看作是一种IF-THEN关系。假设商品A被客户购买，那么在相同的交易ID下， 商品B也被客户挑选的机会就被发现了。 有没有发生过这样的事：你出去买东西，结果却买了... @toc 1、关联规则概述 关联规则（Association Rules）反映一个事物与其他事物之间的相互依存性和关联性。如果两个或者多个事物之间存在一定的关联关系，那么，其中 一个事物就能够通过其他事物预测到。 关联规则可以看作是一种IF-THEN关系。假设商品A被客户购买，那么在相同的交易ID下， 商品B也被客户挑选的机会就被发现了。 有没有发生过这样的事：你出去买东西，结果却买了...
- @toc 1、卷积神经网络与循环神经网络简单对比CNN:借助卷积核（kernel）提取特征后，送入后续网络(如全连接网络 Dense) 进行分类、目标检测等操作。CNN借助卷积核从空间维度提取信息，卷积核参数空间共享。RNN: 借助循环核（cell）提取特征后，送入后续网络(如全连接网络 Dense) 进行预测等操作。RNN 借助循环核从时间维度提取信息，循环核参数时间共享。 2、详解RNN... @toc 1、卷积神经网络与循环神经网络简单对比CNN:借助卷积核（kernel）提取特征后，送入后续网络(如全连接网络 Dense) 进行分类、目标检测等操作。CNN借助卷积核从空间维度提取信息，卷积核参数空间共享。RNN: 借助循环核（cell）提取特征后，送入后续网络(如全连接网络 Dense) 进行预测等操作。RNN 借助循环核从时间维度提取信息，循环核参数时间共享。 2、详解RNN...
- @toc原理请查看前面几篇文章。 1、数据源 SH600519.csv 是用 tushare 模块下载的 SH600519 贵州茅台的日 k 线数据，本次例子中只用它的 C 列数据(如图 所示)： 用连续 60 天的开盘价，预测第 61 天的开盘价。 2、代码实现 按照六步法： import 相关模块->读取贵州茅台日 k 线数据到变量 maotai，把变量 maotai 中前 212... @toc原理请查看前面几篇文章。 1、数据源 SH600519.csv 是用 tushare 模块下载的 SH600519 贵州茅台的日 k 线数据，本次例子中只用它的 C 列数据(如图 所示)： 用连续 60 天的开盘价，预测第 61 天的开盘价。 2、代码实现 按照六步法： import 相关模块->读取贵州茅台日 k 线数据到变量 maotai，把变量 maotai 中前 212...
- @toc 1、传统RNN的缺点 RNN 面临的较大问题是无法解决长跨度依赖问题，即后面节点相对于跨度很大的前面时间节点的信息感知能力太弱。如下图中的两句话：左上角的句子中 sky 可以由较短跨度的词预测出来，而右下角句子中的 French 与较长跨度之前的 France 有关系，即长跨度依赖，比较难预测。 图片来源：https://www.jianshu.com/p/9dc9f41f0b... @toc 1、传统RNN的缺点 RNN 面临的较大问题是无法解决长跨度依赖问题，即后面节点相对于跨度很大的前面时间节点的信息感知能力太弱。如下图中的两句话：左上角的句子中 sky 可以由较短跨度的词预测出来，而右下角句子中的 French 与较长跨度之前的 France 有关系，即长跨度依赖，比较难预测。 图片来源：https://www.jianshu.com/p/9dc9f41f0b...
- @toc 1、GRU(门控循环单元)GRU 由 Cho 等人于 2014 年提出，优化 LSTM 结构。 1.1 GRU原理 门控循环单元(Gated Recurrent Unit，GRU)是 LSTM 的一种变体，将 LSTM 中遗忘门与输入门合二为一为更新门，模型比 LSTM 模型更简单。 如上图所示，GRU 使记忆体hth_tht融合了长期记忆和短期记忆。hth_tht包含了过... @toc 1、GRU(门控循环单元)GRU 由 Cho 等人于 2014 年提出，优化 LSTM 结构。 1.1 GRU原理 门控循环单元(Gated Recurrent Unit，GRU)是 LSTM 的一种变体，将 LSTM 中遗忘门与输入门合二为一为更新门，模型比 LSTM 模型更简单。 如上图所示，GRU 使记忆体hth_tht融合了长期记忆和短期记忆。hth_tht包含了过...
- @toc 1、随机森林 随机森林就是通过集成学习的思想将多棵树集成的一种算法，它的基本单元是决策树。想象组合分类器中的每个分类器都是一棵决策树，因此，分类器的集合就是一个“森林”。更准确地说，每一棵树都依赖于独立抽样，并与森林中所有树具有相同分布地随机向量值。 随机森林是利用多个决策树对样本进行训练、分类并预测地一种算法，主要应用于回归和分类场景。在对数据进行分类地同时，还可以给出各个变... @toc 1、随机森林 随机森林就是通过集成学习的思想将多棵树集成的一种算法，它的基本单元是决策树。想象组合分类器中的每个分类器都是一棵决策树，因此，分类器的集合就是一个“森林”。更准确地说，每一棵树都依赖于独立抽样，并与森林中所有树具有相同分布地随机向量值。 随机森林是利用多个决策树对样本进行训练、分类并预测地一种算法，主要应用于回归和分类场景。在对数据进行分类地同时，还可以给出各个变...
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 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签