- 文章目录 1 转变1.1 前言1.2 基本元素1.2.1 张量1.2.2 创建张量1.2.3 操纵张量1.2.3.1 张量乘法1.2.3.2 哈达玛积1.2.3.3 降维1.2.3.4 转置1.2... 文章目录 1 转变1.1 前言1.2 基本元素1.2.1 张量1.2.2 创建张量1.2.3 操纵张量1.2.3.1 张量乘法1.2.3.2 哈达玛积1.2.3.3 降维1.2.3.4 转置1.2...
- 文章目录 1 服务器搭建yolov5环境1.1 创建环境1.2 跟随官方指引 2 下载预训练权重3 推理4 测试 1 服务器搭建yolov5环境 1.1 创建环境 首先先的在本... 文章目录 1 服务器搭建yolov5环境1.1 创建环境1.2 跟随官方指引 2 下载预训练权重3 推理4 测试 1 服务器搭建yolov5环境 1.1 创建环境 首先先的在本...
- 文章目录 致谢 7 决策树7.1 认识决策树7.2 决策树原理7.3 信息论7.3.1 信息熵7.3.1.1 熵7.3.1.2 信息7.3.1.3 信息熵 7.3.2 信息增益 ... 文章目录 致谢 7 决策树7.1 认识决策树7.2 决策树原理7.3 信息论7.3.1 信息熵7.3.1.1 熵7.3.1.2 信息7.3.1.3 信息熵 7.3.2 信息增益 ...
- 文章目录 致谢 6 朴素贝叶斯6.1 概述6.2 概率论6.2.1 大数定律6.2.2 基本概念6.2.3 极大似然估计6.2.4 多项式分布6.2.4.1 伯努利分布6.2.4.2 二项分布... 文章目录 致谢 6 朴素贝叶斯6.1 概述6.2 概率论6.2.1 大数定律6.2.2 基本概念6.2.3 极大似然估计6.2.4 多项式分布6.2.4.1 伯努利分布6.2.4.2 二项分布...
- 文章目录 致谢 8 随机森林8.1 引入8.2 决策森林8.2.1 集成学习方法8.2.2 什么是随机森林8.2.3 无偏估计8.2.4 决策森林原理过程8.2.5 决策森林算法实现 8... 文章目录 致谢 8 随机森林8.1 引入8.2 决策森林8.2.1 集成学习方法8.2.2 什么是随机森林8.2.3 无偏估计8.2.4 决策森林原理过程8.2.5 决策森林算法实现 8...
- 文章目录 致谢 9 线性回归再相遇9.1 再遇9.1.1 概述9.1.2 矩阵和向量9.1.3 矩阵加减乘除9.1.3.1 矩阵——矩阵加减9.1.3.2 矩阵——标量加减乘9.1.3.3 矩... 文章目录 致谢 9 线性回归再相遇9.1 再遇9.1.1 概述9.1.2 矩阵和向量9.1.3 矩阵加减乘除9.1.3.1 矩阵——矩阵加减9.1.3.2 矩阵——标量加减乘9.1.3.3 矩...
- 文章目录 致谢致歉 4 KNN算法4.1 sklearn转换器和估计器4.1.1 转换器4.1.2 估计器 4.2 KNN算法4.2.1 概述4.2.2 电影类型分析4.2.3 算法实现... 文章目录 致谢致歉 4 KNN算法4.1 sklearn转换器和估计器4.1.1 转换器4.1.2 估计器 4.2 KNN算法4.2.1 概述4.2.2 电影类型分析4.2.3 算法实现...
- 问题 案例实现 如果需要优化其他问题，只需要调整下fit_fun即可 也可以去调整PSO参数。 PSO参数具体如下： dim：粒子的维度（变量个数）。 size：粒子个数m（种群... 问题 案例实现 如果需要优化其他问题，只需要调整下fit_fun即可 也可以去调整PSO参数。 PSO参数具体如下： dim：粒子的维度（变量个数）。 size：粒子个数m（种群...
- 题号 标题 已通过代码 通过率 团队的状态 A Array 点击查看 388/4063 B Eezie and Pie 点击查看 1042/2840 C Forest 点击查看 38/144 未通过 ... 题号 标题 已通过代码 通过率 团队的状态 A Array 点击查看 388/4063 B Eezie and Pie 点击查看 1042/2840 C Forest 点击查看 38/144 未通过 ...
- 文章目录 5 模型选择及调优5.1 数据增强5.2 过拟合5.3 交叉验证5.4 超参数搜索——网格搜索 5 模型选择及调优 5.1 数据增强 有时候，你和你的老板说你数据不够，它是... 文章目录 5 模型选择及调优5.1 数据增强5.2 过拟合5.3 交叉验证5.4 超参数搜索——网格搜索 5 模型选择及调优 5.1 数据增强 有时候，你和你的老板说你数据不够，它是...
- 文章目录 十 岭回归10.1 岭回归的接口10.2 岭回归处理房价预测 十 岭回归 岭回归是线性回归的改进，有时候迫不得已我们的参数确实不能少，这时候过拟合的现象就可能发生。为了避免过... 文章目录 十 岭回归10.1 岭回归的接口10.2 岭回归处理房价预测 十 岭回归 岭回归是线性回归的改进，有时候迫不得已我们的参数确实不能少，这时候过拟合的现象就可能发生。为了避免过...
- 文章目录 致谢 3 自动求导机制3.1 传播机制与计算图3.1.1 前向传播3.1.2 反向传播 3.2 自动求导3.3 再来做一次3.4 线性回归3.4.1 回归3.4.2 线性回归的... 文章目录 致谢 3 自动求导机制3.1 传播机制与计算图3.1.1 前向传播3.1.2 反向传播 3.2 自动求导3.3 再来做一次3.4 线性回归3.4.1 回归3.4.2 线性回归的...
- 一、无人机简介 无人机的航迹规划是指在综合考虑无人机飞行油耗、威胁、飞行区域以及自身物理条件限制等因素的前提下, 为飞行器在飞行区域内规划出从初始点到目标点最优或者满意的飞行航迹, 其本质是一个多约束的... 一、无人机简介 无人机的航迹规划是指在综合考虑无人机飞行油耗、威胁、飞行区域以及自身物理条件限制等因素的前提下, 为飞行器在飞行区域内规划出从初始点到目标点最优或者满意的飞行航迹, 其本质是一个多约束的...
- 本文目录： 一、机器学习与人工智能、深度学习1.机器学习和人工智能，深度学习的关系2.达特茅斯会议-人工智能的起点 二、机器学习、深度学习能做些什么1.用在挖掘、预测领域2.用在图像领域3... 本文目录： 一、机器学习与人工智能、深度学习1.机器学习和人工智能，深度学习的关系2.达特茅斯会议-人工智能的起点 二、机器学习、深度学习能做些什么1.用在挖掘、预测领域2.用在图像领域3...
- @Author: Runsen 基于flask和网页端部署yolo自训练模型 关于yolov5模型的flask的部署, 需要通过torch.hub.load 加载yolov5 自定义的模型，sourc... @Author: Runsen 基于flask和网页端部署yolo自训练模型 关于yolov5模型的flask的部署, 需要通过torch.hub.load 加载yolov5 自定义的模型，sourc...
上滑加载中
推荐直播
-
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 -
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
热门标签