- 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...
- 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...
- 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...
- 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...
- ML与math：机器学习与高等数学基础概念、代码实现、案例应用之详细攻略——基础篇 目录 一、ML与高等数学 0、基础数学 1、导数、方向导数、梯度 1.1、概念简介 1.2、代码实现 2、Taylor展开 3、凸函数 二、ML与概率统计 1、古典概率 2、贝叶斯公式 3、常见概率分布 4、重要统计量(基于全局的而不是样本) 5、不等式... ML与math：机器学习与高等数学基础概念、代码实现、案例应用之详细攻略——基础篇 目录 一、ML与高等数学 0、基础数学 1、导数、方向导数、梯度 1.1、概念简介 1.2、代码实现 2、Taylor展开 3、凸函数 二、ML与概率统计 1、古典概率 2、贝叶斯公式 3、常见概率分布 4、重要统计量(基于全局的而不是样本) 5、不等式...
- ML之Clustering之K-means：K-means算法简介、应用、经典案例之详细攻略 目录 K-means算法简介 1、K-means算法适用的数据类型 2、K-Means算法的全局最优解和局部最优解的比较 1、K-means算法的过程及其主要思路 2、K-means原理的理解可视化 K-means算法经典案例 1、K-means的一个应... ML之Clustering之K-means：K-means算法简介、应用、经典案例之详细攻略 目录 K-means算法简介 1、K-means算法适用的数据类型 2、K-Means算法的全局最优解和局部最优解的比较 1、K-means算法的过程及其主要思路 2、K-means原理的理解可视化 K-means算法经典案例 1、K-means的一个应...
- ML之RF：随机森林RF算法简介、应用、经典案例之详细攻略 目录 随机森林RF算法简介 1、RF基本的构建算法过程 2、RF算法相关文献、论文 随机森林RF算法的应用 1、RF用于回归 2、RF用于分类 随机森林RF算法的经典案例 1、基础用法 随机森林RF算法简介 &... ML之RF：随机森林RF算法简介、应用、经典案例之详细攻略 目录 随机森林RF算法简介 1、RF基本的构建算法过程 2、RF算法相关文献、论文 随机森林RF算法的应用 1、RF用于回归 2、RF用于分类 随机森林RF算法的经典案例 1、基础用法 随机森林RF算法简介 &...
- Dataset之IRIS：莺尾(Iris)数据集的简介、安装、使用方法之详细攻略 莺尾(Iris)数据集的简介 IRIS数据集，也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性... Dataset之IRIS：莺尾(Iris)数据集的简介、安装、使用方法之详细攻略 莺尾(Iris)数据集的简介 IRIS数据集，也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性...
- DayDayUp：职场面试技巧之STAR面试法则 目录 STAR面试法则 STAR法则应用 STAR面试法则 STAR面试法是企业招聘面试过程中可采用的技巧。其中，“STAR”是，四个英文单词的首字母组合。 SITUATION背景TASK任务A... DayDayUp：职场面试技巧之STAR面试法则 目录 STAR面试法则 STAR法则应用 STAR面试法则 STAR面试法是企业招聘面试过程中可采用的技巧。其中，“STAR”是，四个英文单词的首字母组合。 SITUATION背景TASK任务A...
- ML岗位面试：11.06早上上海某智能驾驶科技公司(创业)笔试+面试之手撕代码、项目考察、比赛考察、图像算法的考察等 导读：该公司是在同济某次大型招聘会上投的，当时和HR聊了半个多小时，后来有约，但是因为时间冲突，所以一直改到11.06早上。到了该公司，先给我了三个算法题目(限时30分钟)，一个是求字符串中最长对称的子串，另一个是求一个不重复数组内的所有子集，另一个题... ML岗位面试：11.06早上上海某智能驾驶科技公司(创业)笔试+面试之手撕代码、项目考察、比赛考察、图像算法的考察等 导读：该公司是在同济某次大型招聘会上投的，当时和HR聊了半个多小时，后来有约，但是因为时间冲突，所以一直改到11.06早上。到了该公司，先给我了三个算法题目(限时30分钟)，一个是求字符串中最长对称的子串，另一个是求一个不重复数组内的所有子集，另一个题...
- Python语言学习：python语言的特点、入门、基础用法之详细攻略 相关内容Python 基础教程 目录 python语言的特点 python语言的入门 python语言的基础用法 python语言的特点 1、pickle功能：Python 有pickle 这个便利的功能。这个功能可以将程序运行中的对象保存为文件。如果加载保存... Python语言学习：python语言的特点、入门、基础用法之详细攻略 相关内容Python 基础教程 目录 python语言的特点 python语言的入门 python语言的基础用法 python语言的特点 1、pickle功能：Python 有pickle 这个便利的功能。这个功能可以将程序运行中的对象保存为文件。如果加载保存...
- Py之paddlehub：paddlehub的简介、安装、使用方法之详细攻略 目录 paddlehub的简介 paddlehub的安装 paddlehub的使用方法 1、使用PaddleHub下载数据集、预训练模型等 paddlehub的简介 PaddleHub是飞桨预训练模型管理和迁移学习工具，通过Paddle... Py之paddlehub：paddlehub的简介、安装、使用方法之详细攻略 目录 paddlehub的简介 paddlehub的安装 paddlehub的使用方法 1、使用PaddleHub下载数据集、预训练模型等 paddlehub的简介 PaddleHub是飞桨预训练模型管理和迁移学习工具，通过Paddle...
- DL之CNN：利用自定义DeepConvNet【7+1】算法对mnist数据集训练实现手写数字识别、模型评估(99.4%) 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 network = DeepConvNet() network.load_params("data... DL之CNN：利用自定义DeepConvNet【7+1】算法对mnist数据集训练实现手写数字识别、模型评估(99.4%) 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 network = DeepConvNet() network.load_params("data...
- DL框架之MXNet ：深度学习框架之MXNet 的简介、安装、使用方法、应用案例之详细攻略 目录 MXNet 的简介 1、优缺点 2、相关文章 3、相关链接 MXNet 的安装 MXNet 的使用方法 1、个人使用总结 2、经典模型集合—MXNet Model Zoo 3、模型分类 MXNet 的应用案例 MXNet 的简介 ... DL框架之MXNet ：深度学习框架之MXNet 的简介、安装、使用方法、应用案例之详细攻略 目录 MXNet 的简介 1、优缺点 2、相关文章 3、相关链接 MXNet 的安装 MXNet 的使用方法 1、个人使用总结 2、经典模型集合—MXNet Model Zoo 3、模型分类 MXNet 的应用案例 MXNet 的简介 ...
上滑加载中
推荐直播
-
华为云码道 × 仓颉编程：工程化AI编码探索2026/05/27 周三 19:00-21:00
刘俊杰-华为云仓颉语言专家/李炎-华为云码道技术专家/王智鹏-OpenCangjie开源社区发起人
本场直播围绕华为云仓颉语言与华为云码道的深度结合，展示华为云智能编程从零基础到高效落地的完整生态能力。以华为云码道为引擎，仓颉语言为载体，带给大家日常提效、趣味创新到极速量产的开发体验。
回顾中
热门标签