- 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
-
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 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中 -
华为云码道全新升级，多会话并行与多智能体协作2026/05/08 周五 19:00-21:00
王一男-华为云码道产品专家；张嘉冉-华为云码道工程师；胡琦-华为云HCDE；程诗杰-华为云HCDG
华为云码道4月份版本全新升级，此次直播深度解读4月份产品特性，通过“特性解读+实操演示+实战案例+设计创新”的组合，全方位展现码道在多会话并行与多智能体协作方面的能力，赋能开发者提升效率
即将直播
热门标签