- 目录 搭建环境 准备数据集 训练级联文件 之前使用Python+OpenCV实现交通路标识别，具体实现步骤及心得如下： OpenCV训练属于自己的xml文件，需以下几个步骤： 1、首先下载OpenCV（Windows版）； 2、准备数据集，分为正样本集和负样本集； 3、生成路径，将正样本集的路径要存成 *.vec格式；负样本集的路径不做要求，*... 目录 搭建环境 准备数据集 训练级联文件 之前使用Python+OpenCV实现交通路标识别，具体实现步骤及心得如下： OpenCV训练属于自己的xml文件，需以下几个步骤： 1、首先下载OpenCV（Windows版）； 2、准备数据集，分为正样本集和负样本集； 3、生成路径，将正样本集的路径要存成 *.vec格式；负样本集的路径不做要求，*...
- 前馈神经网络 首先我先寻找了知乎中的一个介绍进行学习：https://www.zhihu.com/question/22553761/answer/126474394 来自知乎学者YJango的回答：https://www.zhihu.com/people/YJango，以及其它... 前馈神经网络 首先我先寻找了知乎中的一个介绍进行学习：https://www.zhihu.com/question/22553761/answer/126474394 来自知乎学者YJango的回答：https://www.zhihu.com/people/YJango，以及其它...
- 1.PBI PBI的这种方法是正规边界交点法的一个变体。定义为下： d1，d2关系如下图： 其中F(x)-Z*是d3的距离，d1是d3的投影。F(x)在w上的投影是P，d2是投影距离（体现多样性，靠近w的点也可以作为选取点， θ相当于惩罚）。d1被用来评价x对EF的收敛性，d2是一种衡量种群多样性的方法。通过将d2的值乘以θ和d1，从而让gpbi(... 1.PBI PBI的这种方法是正规边界交点法的一个变体。定义为下： d1，d2关系如下图： 其中F(x)-Z*是d3的距离，d1是d3的投影。F(x)在w上的投影是P，d2是投影距离（体现多样性，靠近w的点也可以作为选取点， θ相当于惩罚）。d1被用来评价x对EF的收敛性，d2是一种衡量种群多样性的方法。通过将d2的值乘以θ和d1，从而让gpbi(...
- 两个博客：关于机器学习和神经网络的： 博主： 计算机的潜意识 链接： https://www.cnblogs.com/subconscious/p/5058741.html https://www.cnblogs.com/subconscious/p/4107357.html#first 一、机器学习： 依据... 两个博客：关于机器学习和神经网络的： 博主： 计算机的潜意识 链接： https://www.cnblogs.com/subconscious/p/5058741.html https://www.cnblogs.com/subconscious/p/4107357.html#first 一、机器学习： 依据...
- 浅谈小技巧标签平滑-----Label Smoothing 前言什么是交叉熵？1.信息量2.熵3.交叉熵 标签平滑 前言 今天来聊下yolov4中引进的标签平滑小技巧吧！标签平滑让我想到了，90分就优秀了，为啥还要追求100分？ 什么是交叉熵？ 1.信息量 信息量来衡量一个事件的不确定性，一个事件发生的概率越大，不确定性越小，则其携带的信息量就... 浅谈小技巧标签平滑-----Label Smoothing 前言什么是交叉熵？1.信息量2.熵3.交叉熵 标签平滑 前言 今天来聊下yolov4中引进的标签平滑小技巧吧！标签平滑让我想到了，90分就优秀了，为啥还要追求100分？ 什么是交叉熵？ 1.信息量 信息量来衡量一个事件的不确定性，一个事件发生的概率越大，不确定性越小，则其携带的信息量就...
- 浅谈利用A3C玩转超级玛丽奥 前言github什么是Actor-Critic？A3C算法loss值计算 前言 很早以前看过超级玛丽奥利用人工智能玩，以前感觉很高档。就写一篇吧。 github https://github.com/yanjingke/Super-mario 什么是Actor-Critic？ Actor-Critic，其实是用了... 浅谈利用A3C玩转超级玛丽奥 前言github什么是Actor-Critic？A3C算法loss值计算 前言 很早以前看过超级玛丽奥利用人工智能玩，以前感觉很高档。就写一篇吧。 github https://github.com/yanjingke/Super-mario 什么是Actor-Critic？ Actor-Critic，其实是用了...
- 说说优秀的目标检测retinanet那些事 前言论文地址github地址预备知识1.tf.where()2. retinanet---anchor解读3.retinanet---focalloss解读 retinanet 代码讲解1.预测部分主干特征提取resnet50特征金字塔构建，获得预测结果预测结果的解码 2.训练部分真实框的编码loss值计算 ... 说说优秀的目标检测retinanet那些事 前言论文地址github地址预备知识1.tf.where()2. retinanet---anchor解读3.retinanet---focalloss解读 retinanet 代码讲解1.预测部分主干特征提取resnet50特征金字塔构建，获得预测结果预测结果的解码 2.训练部分真实框的编码loss值计算 ...
- 深度学习: 学习率 (learning rate) 作者：liulina603 致敬 原文：https://blog.csdn.net/liulina603/article/details/80604385 深度学习: 学习率 (learning rate) Intro... 深度学习: 学习率 (learning rate) 作者：liulina603 致敬 原文：https://blog.csdn.net/liulina603/article/details/80604385 深度学习: 学习率 (learning rate) Intro...
- 学习了一个学期机器学习算法，从什么都不懂到对十个机器学习算法有一定的了解，下面总结一下十大机器学习算法，从算法的概念、原理、优点、缺点、应用等方面来总结，如果有错误的地方，欢迎指出。 目录 1.决策树 2.线性回归 3.逻辑回归 4.支持向量机SVM 5.朴素贝叶斯 1.决策树 这个监督式... 学习了一个学期机器学习算法，从什么都不懂到对十个机器学习算法有一定的了解，下面总结一下十大机器学习算法，从算法的概念、原理、优点、缺点、应用等方面来总结，如果有错误的地方，欢迎指出。 目录 1.决策树 2.线性回归 3.逻辑回归 4.支持向量机SVM 5.朴素贝叶斯 1.决策树 这个监督式...
- 数据(Data)：信息数据元素(Data Element)：数据的基本单位，由若干数据项组成。数据项(Data Item)：具有独立含义的最小单位。数据对象(Data Object)：元素的集合数据结构(Data Structure)：三要素（逻辑结构、存储结构、数据运算：增、删、改、查）逻辑结构：数据元素之间的关系（逻辑结构形式上用二元组，B=（K,R），K是结点的集... 数据(Data)：信息数据元素(Data Element)：数据的基本单位，由若干数据项组成。数据项(Data Item)：具有独立含义的最小单位。数据对象(Data Object)：元素的集合数据结构(Data Structure)：三要素（逻辑结构、存储结构、数据运算：增、删、改、查）逻辑结构：数据元素之间的关系（逻辑结构形式上用二元组，B=（K,R），K是结点的集...
- 机器学习通常分为四类 监督学习无监督学习半监督学习强化学习 目录 监督学习 监督学习有两个典型的分类： 常见的监督学习算法 无监督学习 常见的无监督学习算法 无监督学习算法常见工作 半监督 强化学习 其他 监督学习 监督学习是从标记的训练数据来推断一个功能的机器学习任务。在监督学习中，每个实例都是由一个输入对象（通常为矢量）和一个期望的输出值（... 机器学习通常分为四类 监督学习无监督学习半监督学习强化学习 目录 监督学习 监督学习有两个典型的分类： 常见的监督学习算法 无监督学习 常见的无监督学习算法 无监督学习算法常见工作 半监督 强化学习 其他 监督学习 监督学习是从标记的训练数据来推断一个功能的机器学习任务。在监督学习中，每个实例都是由一个输入对象（通常为矢量）和一个期望的输出值（...
- 大家好，我是不温卜火，是一名计算机学院大数据专业大二的学生，昵称来源于成语—不温不火，本意是希望自己性情温和。作为一名互联网行业的小白，博主写博客一方面是为了记录自己的学习过程，另一方面是总结自己所犯的错误希望能够帮助到很多和自己一样处于起步阶段的萌新。但由于水平有限，博客中难免会有一些错误出现，有纰漏之处恳请各位大佬不吝赐教！暂时只有csdn这一个平台，博客... 大家好，我是不温卜火，是一名计算机学院大数据专业大二的学生，昵称来源于成语—不温不火，本意是希望自己性情温和。作为一名互联网行业的小白，博主写博客一方面是为了记录自己的学习过程，另一方面是总结自己所犯的错误希望能够帮助到很多和自己一样处于起步阶段的萌新。但由于水平有限，博客中难免会有一些错误出现，有纰漏之处恳请各位大佬不吝赐教！暂时只有csdn这一个平台，博客...
- 有史以来，计算机第一次不依靠人类的任何帮助，仅仅通过人工智能独立发现了一个新的科学理论。 来自塔夫斯大学的计算和生物领域的科学家们编码了这样一套程序，它能够让计算机在面对一个新的科学问题的时候，独立地发展出一套解释这个问题的理论。他们选择的科学问题是一个在生物领域里困惑科学家们120年之久的现象：涡虫（Planaria）被切开之后是有能力进行再生，形成一个新... 有史以来，计算机第一次不依靠人类的任何帮助，仅仅通过人工智能独立发现了一个新的科学理论。 来自塔夫斯大学的计算和生物领域的科学家们编码了这样一套程序，它能够让计算机在面对一个新的科学问题的时候，独立地发展出一套解释这个问题的理论。他们选择的科学问题是一个在生物领域里困惑科学家们120年之久的现象：涡虫（Planaria）被切开之后是有能力进行再生，形成一个新...
- 想要制作自己的无人机吗？这是了不起的想法。第一步最好是欣赏一下其他人所完成的作品。下面12个项目只是DIY无人机精品的一些示例，你还可以找到很多！ 想要制作自己的无人机吗？这是了不起的想法。第一步最好是欣赏一下其他人所完成的作品。下面12个项目只是DIY无人机精品的一些示例，你还可以找到很多！
- CFD商业软件FLUENT是通用CFD软件包，用来模拟从不可压缩到高度可压缩范围内的复杂流动。由于采用了多种求解方法和多重网格加速收敛技术，因而FLUENT能达到最佳的收敛速度和求解精度。灵活的非结构化网格和基于解的自适应网格技术及成熟的物理模型，使FLUENT在转换与湍流、传热与相变、化学反应与燃烧、多相流、旋转机械、动/变形网格、噪声、材料加工、燃料电池等方面有广泛的应用。 CFD商业软件FLUENT是通用CFD软件包，用来模拟从不可压缩到高度可压缩范围内的复杂流动。由于采用了多种求解方法和多重网格加速收敛技术，因而FLUENT能达到最佳的收敛速度和求解精度。灵活的非结构化网格和基于解的自适应网格技术及成熟的物理模型，使FLUENT在转换与湍流、传热与相变、化学反应与燃烧、多相流、旋转机械、动/变形网格、噪声、材料加工、燃料电池等方面有广泛的应用。
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