- ML之NB：朴素贝叶斯Naive Bayesian算法的简介、应用、经典案例之详细攻略 目录 朴素贝叶斯Naive Bayesian算法的简介 1、朴素贝叶斯计算流程表述 2、朴素贝叶斯的优缺点 2.1、优点 2.2、缺点 3、分类模型之DT与NB的比较 朴素贝叶斯Naive Bayesian算法的应用 1、文本分类 朴素贝叶斯Naive Ba... ML之NB：朴素贝叶斯Naive Bayesian算法的简介、应用、经典案例之详细攻略 目录 朴素贝叶斯Naive Bayesian算法的简介 1、朴素贝叶斯计算流程表述 2、朴素贝叶斯的优缺点 2.1、优点 2.2、缺点 3、分类模型之DT与NB的比较 朴素贝叶斯Naive Bayesian算法的应用 1、文本分类 朴素贝叶斯Naive Ba...
- DL之VGGNet：VGGNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略 目录 VGG系列神经网络算法简介 1、网络架构 2、实验结果 VGG系列神经网络的架构详解 VGG系列集合以及对比 VGG16练习攻略二 1、VGG16实践经验 VGG19 1、关于imagenet-vgg-verydeep-19.mat模型简介 ... DL之VGGNet：VGGNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略 目录 VGG系列神经网络算法简介 1、网络架构 2、实验结果 VGG系列神经网络的架构详解 VGG系列集合以及对比 VGG16练习攻略二 1、VGG16实践经验 VGG19 1、关于imagenet-vgg-verydeep-19.mat模型简介 ...
- ML之Validation：机器学习中模型验证方法的简介、代码实现、案例应用之详细攻略 目录 模型验证方法的简介 1、Hold-out验证 2、K-折交叉验证 3、自助重采样 模型验证方法的代码实现 模型验证方法的案例应用 模型验证方法的简介 1、Hold-out验证 后期更新…… 2、... ML之Validation：机器学习中模型验证方法的简介、代码实现、案例应用之详细攻略 目录 模型验证方法的简介 1、Hold-out验证 2、K-折交叉验证 3、自助重采样 模型验证方法的代码实现 模型验证方法的案例应用 模型验证方法的简介 1、Hold-out验证 后期更新…… 2、...
- ML之DT：机器学习根据大量数据,已知年龄、收入、是否上海人、私家车价格的一个人，预测是否有真实购买上海黄浦区楼房的能力 目录 输出结果 实现代码 输出结果 实现代码 from sklearn.feature_extraction import DictVectorizer import csv from sklearn... ML之DT：机器学习根据大量数据,已知年龄、收入、是否上海人、私家车价格的一个人，预测是否有真实购买上海黄浦区楼房的能力 目录 输出结果 实现代码 输出结果 实现代码 from sklearn.feature_extraction import DictVectorizer import csv from sklearn...
- Py之textgenrnn：textgenrnn库的简介、安装、使用方法详细攻略 目录 textgenrnn库的简介 textgenrnn库的安装 textgenrnn库的使用方法 textgenrnn库的简介 textgenrnn 是一个基于 Keras/TensorFlow 的 Python 3 模块，用于创建 char-rnn... Py之textgenrnn：textgenrnn库的简介、安装、使用方法详细攻略 目录 textgenrnn库的简介 textgenrnn库的安装 textgenrnn库的使用方法 textgenrnn库的简介 textgenrnn 是一个基于 Keras/TensorFlow 的 Python 3 模块，用于创建 char-rnn...
- AI：人工智能概念之机器学习中常用算法的思维导图集合(非常经典、建议收藏)之详细攻略 目录 机器学习算法的思维导图集合 1、ML算法思维图 2、ML算法思维导图 相关文章：ML/DL：关于算法模型的选择 机器学习算法的思维导图集合 1、ML算法思维图 2、ML算法思维导图 AI：人工智能概念之机器学习中常用算法的思维导图集合(非常经典、建议收藏)之详细攻略 目录 机器学习算法的思维导图集合 1、ML算法思维图 2、ML算法思维导图 相关文章：ML/DL：关于算法模型的选择 机器学习算法的思维导图集合 1、ML算法思维图 2、ML算法思维导图
- ML之LF：机器学习中常见损失函数(LiR损失、L1损失、L2损失、Logistic损失)求梯度/求导、案例应用之详细攻略 目录 常见损失函数求梯度案例 1、线性回归求梯度 2、L2损失函数梯度 3、L1正则函数梯度 4、Logistic损失梯度 常见损失函数求梯度案例 1、线性回归求梯度 2... ML之LF：机器学习中常见损失函数(LiR损失、L1损失、L2损失、Logistic损失)求梯度/求导、案例应用之详细攻略 目录 常见损失函数求梯度案例 1、线性回归求梯度 2、L2损失函数梯度 3、L1正则函数梯度 4、Logistic损失梯度 常见损失函数求梯度案例 1、线性回归求梯度 2...
- ML：根据不同机器学习模型输出的预测值+且与真实值相减得到绝对误差对比+误差可视化 目录 输出结果 实现代码 输出结果 实现代码 # -*- coding: utf-8 -*- #ML：根据不同机器学习模型输出的预测值+且与真实值相减得到绝对误差对比+误差可视化 #Model_comparison_error_Pl... ML：根据不同机器学习模型输出的预测值+且与真实值相减得到绝对误差对比+误差可视化 目录 输出结果 实现代码 输出结果 实现代码 # -*- coding: utf-8 -*- #ML：根据不同机器学习模型输出的预测值+且与真实值相减得到绝对误差对比+误差可视化 #Model_comparison_error_Pl...
- CV之NS之VGG16：基于预训练模型VGG16训练COCO的train2014数据集实现训练《神奈川冲浪里》风格配置yml文件 目录 一、训练 1、《神奈川冲浪里》风格 2、配置yml文件 二、TensorBoard中监控训练情况 一、训练 1、《神奈川冲浪里》风格 风格如图 2、配置yml文件 style_im... CV之NS之VGG16：基于预训练模型VGG16训练COCO的train2014数据集实现训练《神奈川冲浪里》风格配置yml文件 目录 一、训练 1、《神奈川冲浪里》风格 2、配置yml文件 二、TensorBoard中监控训练情况 一、训练 1、《神奈川冲浪里》风格 风格如图 2、配置yml文件 style_im...
- DL之DNN：自定义2层神经网络TwoLayerNet模型(封装为层级结构)利用MNIST数据集进行训练、GC对比 导读 神经网络算法封装为层级结构的作用。在神经网络算法中，通过将神经网络的组成元素实现为层，可以高效地计算梯度（反向传播法）。通过比较数值微分和误差反向传播法的结果，可以确认误差反向传播法的实现是否正确（梯度确认）。 ... DL之DNN：自定义2层神经网络TwoLayerNet模型(封装为层级结构)利用MNIST数据集进行训练、GC对比 导读 神经网络算法封装为层级结构的作用。在神经网络算法中，通过将神经网络的组成元素实现为层，可以高效地计算梯度（反向传播法）。通过比较数值微分和误差反向传播法的结果，可以确认误差反向传播法的实现是否正确（梯度确认）。 ...
- CV之NS之LF：图像风格迁移中常用的几种损失函数(内容损失、风格损失)简介、使用方法之详细攻略 目录 图像风格迁移中常用的几种损失函数 1、内容损失 2、风格损失 3、定义总损失 图像风格迁移中常用的几种损失函数 1、内容损失 # endpoints_dict是上一节提到的损失网络各层的计算结果；content_layers是... CV之NS之LF：图像风格迁移中常用的几种损失函数(内容损失、风格损失)简介、使用方法之详细攻略 目录 图像风格迁移中常用的几种损失函数 1、内容损失 2、风格损失 3、定义总损失 图像风格迁移中常用的几种损失函数 1、内容损失 # endpoints_dict是上一节提到的损失网络各层的计算结果；content_layers是...
- ML之LoR：LoR之二分类之线性决策算法实现根据两课成绩分数~预测期末通过率(合格还是不合格) 目录 输出结果 代码设计 输出结果 LoR之二分类算法实现预测期末考试成绩合格还是不合格 LoR回归函数 代码设计 import pandas as pdimport numpy as npimport matplo... ML之LoR：LoR之二分类之线性决策算法实现根据两课成绩分数~预测期末通过率(合格还是不合格) 目录 输出结果 代码设计 输出结果 LoR之二分类算法实现预测期末考试成绩合格还是不合格 LoR回归函数 代码设计 import pandas as pdimport numpy as npimport matplo...
- EL：集成学习(Ensemble Learning)的概念讲解、算法分类、问题应用、关键步骤、代码实现等相关配图详细攻略 目录 集成学习Ensemble Learning 1、集成学习中弱分类器选择 2、多个弱分类区如何组合 EL的解决问题类型 EL算法分类 1、VotingClassifier、Baggi... EL：集成学习(Ensemble Learning)的概念讲解、算法分类、问题应用、关键步骤、代码实现等相关配图详细攻略 目录 集成学习Ensemble Learning 1、集成学习中弱分类器选择 2、多个弱分类区如何组合 EL的解决问题类型 EL算法分类 1、VotingClassifier、Baggi...
- Py之scikit-learn：sklearn与机器学习的那些不可告密的事 目录 一、sklearn与ML 1、与LoR 二、sklearn与其他常用 1、sklearn与交叉验证 一、sklearn与ML 1、与LoR fro... Py之scikit-learn：sklearn与机器学习的那些不可告密的事 目录 一、sklearn与ML 1、与LoR 二、sklearn与其他常用 1、sklearn与交叉验证 一、sklearn与ML 1、与LoR fro...
- TF之pix2pix：基于TF利用Facades数据集训练pix2pix模型、测试并进行生成过程全记录 目录 TB监控 1、SCALARS 2、IMAGES 3、GRAPHS 4、DISTRIBUTIONS 输出结果 训练代码运行过程全记录 测试代码全记录 TB监控 1、SCALARS 2、IMAGES inpu... TF之pix2pix：基于TF利用Facades数据集训练pix2pix模型、测试并进行生成过程全记录 目录 TB监控 1、SCALARS 2、IMAGES 3、GRAPHS 4、DISTRIBUTIONS 输出结果 训练代码运行过程全记录 测试代码全记录 TB监控 1、SCALARS 2、IMAGES inpu...
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