- Paper：《Adam: A Method for Stochastic Optimization》的翻译与解读 目录 Adam: A Method for Stochastic Optimization ABSTRACT 1、INTRODUCTION 3、CONCLUSION Ad... Paper：《Adam: A Method for Stochastic Optimization》的翻译与解读 目录 Adam: A Method for Stochastic Optimization ABSTRACT 1、INTRODUCTION 3、CONCLUSION Ad...
- 作者：Murph1、无线边缘联邦学习背景 随着5G 时代的带来，未来的无线系统将支持超密集的节点组成的边缘节点[1]，包括基站的边缘服务器和无线接入点、智能边缘设备例如智能汽车和无人机等。边缘计算被认为是5G 与工业互联网、物联网等的重要结合点，能够推动相关产业带来飞跃性发展。与此同时，以深度学习为代表的人工智能技术的发展，新一代基础设施的AI赋能，使得边缘节点和终端设备具备了... 作者：Murph1、无线边缘联邦学习背景 随着5G 时代的带来，未来的无线系统将支持超密集的节点组成的边缘节点[1]，包括基站的边缘服务器和无线接入点、智能边缘设备例如智能汽车和无人机等。边缘计算被认为是5G 与工业互联网、物联网等的重要结合点，能够推动相关产业带来飞跃性发展。与此同时，以深度学习为代表的人工智能技术的发展，新一代基础设施的AI赋能，使得边缘节点和终端设备具备了...
- 作者：邵云峰1、联邦学习 背景及技术回顾（图文穿插）传统机器学习通常需要把训练数据集集中在数据中心，从而带来安全、隐私等问题，联邦学习应运而生。联邦学习具有如下优势：1）数据不出本地：数据保留在各方本地，不泄露隐私也不违反法规2）模型效果相同：联邦学习模型效果和将全部数据统一存放管理的建模效果相同或相差不大迁移学习3）联合建模，利益共享：多个参与方联合各自数据建立虚拟的共有模型... 作者：邵云峰1、联邦学习 背景及技术回顾（图文穿插）传统机器学习通常需要把训练数据集集中在数据中心，从而带来安全、隐私等问题，联邦学习应运而生。联邦学习具有如下优势：1）数据不出本地：数据保留在各方本地，不泄露隐私也不违反法规2）模型效果相同：联邦学习模型效果和将全部数据统一存放管理的建模效果相同或相差不大迁移学习3）联合建模，利益共享：多个参与方联合各自数据建立虚拟的共有模型...
- 橡皮擦，一个逗趣的互联网高级网虫，新的系列，让我们一起 Be More Pythonic。 滚雪球学 Python 第二轮 已完成的文章清单 七、函数装饰器7.1 装饰器基本使用7.2 对带参数的函数进行装饰7.3 多个装饰器7.4 functools.wraps7.5 基于类的装饰器7.6 内置装饰器7.6.1 @property7.6.2 @... 橡皮擦，一个逗趣的互联网高级网虫，新的系列，让我们一起 Be More Pythonic。 滚雪球学 Python 第二轮 已完成的文章清单 七、函数装饰器7.1 装饰器基本使用7.2 对带参数的函数进行装饰7.3 多个装饰器7.4 functools.wraps7.5 基于类的装饰器7.6 内置装饰器7.6.1 @property7.6.2 @...
- 目录 举例1 举例2 为了提高复杂关系的拟合能力，在特征工程中经常会把一届离散特征两两组合，构成高阶组合特征。 举例1 假如广告点击有2中离散特征 逻辑回归为例，数据特征向量为X=（x1,x2,...xk），则有 举例2 若用户数量m，物品数量n，学习的参数规模m*n。实际中，不可行！ 所以 目录 举例1 举例2 为了提高复杂关系的拟合能力，在特征工程中经常会把一届离散特征两两组合，构成高阶组合特征。 举例1 假如广告点击有2中离散特征 逻辑回归为例，数据特征向量为X=（x1,x2,...xk），则有 举例2 若用户数量m，物品数量n，学习的参数规模m*n。实际中，不可行！ 所以
- 之前我们讲过NPL(自然语言处理)，使用的是NLTK这样一个包，现在呢，我们又有了新的法宝----GluonNPL。在做自然语言处理上能帮我们提升不少效率。 GluonNLP提供了NLP中最先进的(SOTA)深度学习模型的实现，并为文本数据管道和模型构建块。它是为工程师，研究人员和学生设计的，以快速原型研究想法和产品基于这些模型。这个工具包提供了三个主要特性: ... 之前我们讲过NPL(自然语言处理)，使用的是NLTK这样一个包，现在呢，我们又有了新的法宝----GluonNPL。在做自然语言处理上能帮我们提升不少效率。 GluonNLP提供了NLP中最先进的(SOTA)深度学习模型的实现，并为文本数据管道和模型构建块。它是为工程师，研究人员和学生设计的，以快速原型研究想法和产品基于这些模型。这个工具包提供了三个主要特性: ...
- 01前言1、假若要在计算机上建立一个交通资讯系统则可以采用图的结构来表示实际的交通网络。2、考虑到交通图的有向行（如航运，逆水和顺水时的船速就不一样）带权有向图中，称路径上的第一个顶点为源点，最后一个顶点为终点。02最短路径1、求最短路径的一个办法是，每次以一个顶点为源点，重复执行迪杰斯特拉算法n次。这样，便可求得每一对顶点之间的最短路径。总的执行时间为O（n的3次方）。2、弗... 01前言1、假若要在计算机上建立一个交通资讯系统则可以采用图的结构来表示实际的交通网络。2、考虑到交通图的有向行（如航运，逆水和顺水时的船速就不一样）带权有向图中，称路径上的第一个顶点为源点，最后一个顶点为终点。02最短路径1、求最短路径的一个办法是，每次以一个顶点为源点，重复执行迪杰斯特拉算法n次。这样，便可求得每一对顶点之间的最短路径。总的执行时间为O（n的3次方）。2、弗...
- 浅谈SSIM 损失函数计算 前言Structural Similarity亮度相似性对比度相似性结构相似度SSIM 实现 总结 前言 最近研究图像重建老是看到SSIM损失函数，但是去找了那篇论文《Image Quality Assessment: From Error Visibility to Structural Similarity》挺有意思的... 浅谈SSIM 损失函数计算 前言Structural Similarity亮度相似性对比度相似性结构相似度SSIM 实现 总结 前言 最近研究图像重建老是看到SSIM损失函数，但是去找了那篇论文《Image Quality Assessment: From Error Visibility to Structural Similarity》挺有意思的...
- 目录 一、安装Julia 二、Flux简介 三、安装Flux和相关依赖库 四、cifar10项目下载 *五、cifar10数据集下载 六、开始训练 一、安装Julia IDE是Atom，安装和使用教程为：Windows10 Atom安装和运行Julia的使用教程（详细） 二、Flux简介 1.Flux.jl是一个内置于Julia的机器学习框架。它与Py... 目录 一、安装Julia 二、Flux简介 三、安装Flux和相关依赖库 四、cifar10项目下载 *五、cifar10数据集下载 六、开始训练 一、安装Julia IDE是Atom，安装和使用教程为：Windows10 Atom安装和运行Julia的使用教程（详细） 二、Flux简介 1.Flux.jl是一个内置于Julia的机器学习框架。它与Py...
- 这是针对于博客vs2017安装和使用教程（详细）和vs2019安装和使用教程（详细）的VGG19-CIFAR10项目新建示例 目录 一、代码(附有重要的注释) 二、项目结构 三、VGG简介 四、程序执行关键部分解析 五、训练过程和结果 六、参考博客和文献 一、代码(附有重要的注释) 1.博主提供的代码包含了很多重要的注释，都是博主精心查阅资料和debug... 这是针对于博客vs2017安装和使用教程（详细）和vs2019安装和使用教程（详细）的VGG19-CIFAR10项目新建示例 目录 一、代码(附有重要的注释) 二、项目结构 三、VGG简介 四、程序执行关键部分解析 五、训练过程和结果 六、参考博客和文献 一、代码(附有重要的注释) 1.博主提供的代码包含了很多重要的注释，都是博主精心查阅资料和debug...
- 转载自：https://zhuanlan.zhihu.com/p/31921944 前言：行人重识别（Person Re-identification）也称行人再识别，本文简称为ReID，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛被认为是一个图像检索的子问题。给定一个监控行人图像，检索跨设备下的该行人图像。 在监控视频中，由于相机分辨率和拍... 转载自：https://zhuanlan.zhihu.com/p/31921944 前言：行人重识别（Person Re-identification）也称行人再识别，本文简称为ReID，是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。广泛被认为是一个图像检索的子问题。给定一个监控行人图像，检索跨设备下的该行人图像。 在监控视频中，由于相机分辨率和拍...
- 目录 一、准备工作 二、训练模型 三、训练期间的显示信息 一、准备工作 1.准备数据集之前请先切换到root模式，具体指令为： sudo su 然后输入自己设定的密码 2.准备数据集，具体指令为： cd caffe/./data/mnist/get_mnist.sh./examples/mnist/create_mnist.sh 二、训练模型 1.因... 目录 一、准备工作 二、训练模型 三、训练期间的显示信息 一、准备工作 1.准备数据集之前请先切换到root模式，具体指令为： sudo su 然后输入自己设定的密码 2.准备数据集，具体指令为： cd caffe/./data/mnist/get_mnist.sh./examples/mnist/create_mnist.sh 二、训练模型 1.因...
- 博主相关代码实现链接：利用Pytorch和TensorFlow分别实现DCGAN生成动漫头像 Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks 摘要 近年来，使用卷积神经网络的监督学习被大量应用于计算机视觉应用中。相对地，使用卷积神... 博主相关代码实现链接：利用Pytorch和TensorFlow分别实现DCGAN生成动漫头像 Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks 摘要 近年来，使用卷积神经网络的监督学习被大量应用于计算机视觉应用中。相对地，使用卷积神...
- 这个是一个福利！ 这真的是一个福利！ 一个让人流泪的福利！ 重要的事情说三遍！做机器学习的朋友对GPU的印象应该非常深刻吧，没错！我们写的模型就是要用GPU跑！我们不将就！ 我们亲爱的谷歌大法知道了我们这群小白鼠的需要，所以谷歌它赠送了我们一个黑科技----Google Colab（一个免费在线的Jupyter Notebooks），我们在这个平台上面可... 这个是一个福利！ 这真的是一个福利！ 一个让人流泪的福利！ 重要的事情说三遍！做机器学习的朋友对GPU的印象应该非常深刻吧，没错！我们写的模型就是要用GPU跑！我们不将就！ 我们亲爱的谷歌大法知道了我们这群小白鼠的需要，所以谷歌它赠送了我们一个黑科技----Google Colab（一个免费在线的Jupyter Notebooks），我们在这个平台上面可...
- 第三天机器学习啦！今天我们主要来一个比较“朴素”的算法，朴素贝叶斯（Naive Bayes），至于它为什么朴素我们待会儿再讲吧！ 首先，我们来看一下贝叶斯算法，它是干嘛的呢？ 贝叶斯算法是一类分类算法的统称，这类算法全是基于贝叶斯定理，所以叫贝叶斯算法，那朴素贝叶斯呢？他是贝叶斯分类算法中最简单的一个算法，它的朴素之处在于事件独立。 我们现在先来讲讲贝... 第三天机器学习啦！今天我们主要来一个比较“朴素”的算法，朴素贝叶斯（Naive Bayes），至于它为什么朴素我们待会儿再讲吧！ 首先，我们来看一下贝叶斯算法，它是干嘛的呢？ 贝叶斯算法是一类分类算法的统称，这类算法全是基于贝叶斯定理，所以叫贝叶斯算法，那朴素贝叶斯呢？他是贝叶斯分类算法中最简单的一个算法，它的朴素之处在于事件独立。 我们现在先来讲讲贝...
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