- 1.公式树模块符号树模块的作用是，从训练集X和function_set中进行随机采样，生成一棵公式树，同时提供子树变异、 crossover、hoist变异和点变异的方法。 1.1基本属性参数说明function_setfunction_set里面是基本的函数算子比如[‘add’, ‘sub’, ‘mul’]arities形式为{arity... 1.公式树模块符号树模块的作用是，从训练集X和function_set中进行随机采样，生成一棵公式树，同时提供子树变异、 crossover、hoist变异和点变异的方法。 1.1基本属性参数说明function_setfunction_set里面是基本的函数算子比如[‘add’, ‘sub’, ‘mul’]arities形式为{arity...
- 统计和概率是当今世界最具革命性的技术的基石。从人工智能到机器学习和计算机视觉，统计和概率构成了所有这些技术的基础。在这篇关于统计和概率的文章中，我打算帮助您理解最复杂的算法和技术背后的数学原理。 统计和概率是当今世界最具革命性的技术的基石。从人工智能到机器学习和计算机视觉，统计和概率构成了所有这些技术的基础。在这篇关于统计和概率的文章中，我打算帮助您理解最复杂的算法和技术背后的数学原理。
- 前言CamVid 数据集是由剑桥大学公开发布的城市道路场景的数据集。CamVid全称：The Cambridge-driving Labeled Video Database，它是第一个具有目标类别语义标签的视频集合。数据集包 括 700 多张精准标注的图片用于强监督学习，可分为训练集、验证集、测试集。同时， 在 CamVid 数据集中通常使用 11 种常用的类别来进行分割精度的评估，分别为... 前言CamVid 数据集是由剑桥大学公开发布的城市道路场景的数据集。CamVid全称：The Cambridge-driving Labeled Video Database，它是第一个具有目标类别语义标签的视频集合。数据集包 括 700 多张精准标注的图片用于强监督学习，可分为训练集、验证集、测试集。同时， 在 CamVid 数据集中通常使用 11 种常用的类别来进行分割精度的评估，分别为...
- 前言面向智能驾驶（辅助驾驶、自动驾驶）场景下的语义分割任务，由于非结构化场景的复杂性，是一个非常具有挑战性的任务，所以有许多研究者和研究机构公开了很多相关的数据集推动语义分割领域的发展。本文主要介绍Cityscapes数据集。一、简介Cityscapes 数据集上专门针对城市街道场景的数据集，整个数据集由 50 个不同 城市的街景组成，数据集包括了 5000 张精准标注的图片和 20000... 前言面向智能驾驶（辅助驾驶、自动驾驶）场景下的语义分割任务，由于非结构化场景的复杂性，是一个非常具有挑战性的任务，所以有许多研究者和研究机构公开了很多相关的数据集推动语义分割领域的发展。本文主要介绍Cityscapes数据集。一、简介Cityscapes 数据集上专门针对城市街道场景的数据集，整个数据集由 50 个不同 城市的街景组成，数据集包括了 5000 张精准标注的图片和 20000...
- 距离上一次的RNN有段时间了，一方面不想写，一方面因为其他的事情被牵扯了精力，所以也就一直拖着，今天写一下LSTM，希望以一个本科生的角度能讲明白这件事。1、什么是lstmLSTM：长短期记忆网络（LSTM，Long Short-Term Memory）是一种时间循环神经网络，是为了解决一般的RNN（循环神经网络）存在的长期依赖问题而专门设计出来的，所有的RNN都具有一种重复神经网络模块的链... 距离上一次的RNN有段时间了，一方面不想写，一方面因为其他的事情被牵扯了精力，所以也就一直拖着，今天写一下LSTM，希望以一个本科生的角度能讲明白这件事。1、什么是lstmLSTM：长短期记忆网络（LSTM，Long Short-Term Memory）是一种时间循环神经网络，是为了解决一般的RNN（循环神经网络）存在的长期依赖问题而专门设计出来的，所有的RNN都具有一种重复神经网络模块的链...
- 在本教程中，您学习了如何： 使用train_test_split()得到的训练和测试集 用参数控制子集的大小train_size和test_size 使用参数确定分割的随机性random_state 使用参数获取分层分割stratify 使用train_test_split()作为的一部分监督机器学习方法 在本教程中，您学习了如何： 使用train_test_split()得到的训练和测试集 用参数控制子集的大小train_size和test_size 使用参数确定分割的随机性random_state 使用参数获取分层分割stratify 使用train_test_split()作为的一部分监督机器学习方法
- 学习笔记|k近邻分类算法 指出k近邻分类算法通过kd树的构造和搜索来实现。1. 构建二叉树类为了实现kd树的构造和搜索算法，我们先构建一个二叉树类。首先，申明类，初始化根结点和左、右子结点。class binary_tree(object): def __init__(self, root_obj): self.key = root_obj self.lef... 学习笔记|k近邻分类算法 指出k近邻分类算法通过kd树的构造和搜索来实现。1. 构建二叉树类为了实现kd树的构造和搜索算法，我们先构建一个二叉树类。首先，申明类，初始化根结点和左、右子结点。class binary_tree(object): def __init__(self, root_obj): self.key = root_obj self.lef...
- 本文的内容是平安在 ICDAR 2021表格识别比赛中的解决方案。在此解决方案中把表格识别分成了四个部分：表格结构序列识别、文字检测、文字识别、单元格和文字框对齐。其中表格结构序列识别用到的模型是基于Master修改的，文字检测模型用到的是PSENet，文字识别用到的是Master模型。最终结果取得了此赛道的亚军。 本文的内容是平安在 ICDAR 2021表格识别比赛中的解决方案。在此解决方案中把表格识别分成了四个部分：表格结构序列识别、文字检测、文字识别、单元格和文字框对齐。其中表格结构序列识别用到的模型是基于Master修改的，文字检测模型用到的是PSENet，文字识别用到的是Master模型。最终结果取得了此赛道的亚军。
- 通过 SQL 完成数据分析、机器学习还是推荐使用到 Python，因为这是 Python 所擅长的。通过今天的例子我们应该能看到采用 SQL 作为数据查询和分析的入口是一种数据全栈的思路，对于数据开发人员来说降低了数据分析的技术门槛。相信在当今的 DT 时代，我们的业务增长会越来越依靠于 SQL 引擎 + AI 引擎。 通过 SQL 完成数据分析、机器学习还是推荐使用到 Python，因为这是 Python 所擅长的。通过今天的例子我们应该能看到采用 SQL 作为数据查询和分析的入口是一种数据全栈的思路，对于数据开发人员来说降低了数据分析的技术门槛。相信在当今的 DT 时代，我们的业务增长会越来越依靠于 SQL 引擎 + AI 引擎。
- 本文介绍了如何兑现边缘AI带来好处的承诺，并针对边缘AI落地和商业闭环发起的开源社区工作。 本文介绍了如何兑现边缘AI带来好处的承诺，并针对边缘AI落地和商业闭环发起的开源社区工作。
- EMA是什么 深度学习模型使用EMA更新介绍我们都知道，深度学习模型中权重的更新基本都是使用基于梯度的优化方法来更新的，但是也有一部分参数是使用特征的统计量来更新的，就比如BatchNormalization层。这里展示出PyTorch的源码，来自_BatchNorm基类。可以看到_BatchNorm层的Bn层也会基于一定的单层Batch特征进行一个特征统计，用来对self.running... EMA是什么 深度学习模型使用EMA更新介绍我们都知道，深度学习模型中权重的更新基本都是使用基于梯度的优化方法来更新的，但是也有一部分参数是使用特征的统计量来更新的，就比如BatchNormalization层。这里展示出PyTorch的源码，来自_BatchNorm基类。可以看到_BatchNorm层的Bn层也会基于一定的单层Batch特征进行一个特征统计，用来对self.running...
- 声明：本文是OpenCV入门级别的技术分享，主要围绕图像预处理来进行学习，所用语言均为Python。 声明：本文是OpenCV入门级别的技术分享，主要围绕图像预处理来进行学习，所用语言均为Python。
- 识别手写数字图片是深度学习的print(“Hello world!”)，是入门级别的小实验，主要是熟悉卷积神经网络的开发流程。本次用到的依然是经典的minist数据集，不过事先分出了训练集和测试集并转换成csv格式。 识别手写数字图片是深度学习的print(“Hello world!”)，是入门级别的小实验，主要是熟悉卷积神经网络的开发流程。本次用到的依然是经典的minist数据集，不过事先分出了训练集和测试集并转换成csv格式。
- ModelArts为AI工程师提供了一站式AI开发全流程管理能力，AI工程师可以从数据准备、模型开发、模型训练、模型部署，一站式完成整个AI过程。兼容业界主流引擎，兼容用户习惯，同时，提供了自研的MoXing深度学习框架，提升算法开发效率和训练速度。这个小案例提供了使用MXNet实现手写数字图像识别应用的示例，帮助您快速梳理ModelArts的AI开发全流程。MNIST是一个手写体数字识别数... ModelArts为AI工程师提供了一站式AI开发全流程管理能力，AI工程师可以从数据准备、模型开发、模型训练、模型部署，一站式完成整个AI过程。兼容业界主流引擎，兼容用户习惯，同时，提供了自研的MoXing深度学习框架，提升算法开发效率和训练速度。这个小案例提供了使用MXNet实现手写数字图像识别应用的示例，帮助您快速梳理ModelArts的AI开发全流程。MNIST是一个手写体数字识别数...
- 场景介绍针对有一定AI基础的AI初学者，ModelArts基于业界的主流引擎提供了预置算法，无需关注模型开发过程，直接使用预置算法对已有数据进行训练，并快速部署为服务。时序预测可针对时间序列数据进行预测。这里提供了一个访问流量预测的样例，帮助您快速熟悉使用ModelArts AI Gallery算法训练的过程。此样例针对问流量数据cdn.csv，利用lstm预测得到接下来一个时间段内的结果。... 场景介绍针对有一定AI基础的AI初学者，ModelArts基于业界的主流引擎提供了预置算法，无需关注模型开发过程，直接使用预置算法对已有数据进行训练，并快速部署为服务。时序预测可针对时间序列数据进行预测。这里提供了一个访问流量预测的样例，帮助您快速熟悉使用ModelArts AI Gallery算法训练的过程。此样例针对问流量数据cdn.csv，利用lstm预测得到接下来一个时间段内的结果。...
上滑加载中
推荐直播
-
-
华为云软件开发生产线（CodeArts）4月新特性解读2025/05/30 周五 16:30-17:30
Enki 华为云高级产品经理
不知道产品的最新特性？没法和产品团队建立直接的沟通？本期直播产品经理将为您解读华为云软件开发生产线4月发布的新特性，并在直播过程中为您答疑解惑。
回顾中 -
基于昇腾的皮肤病理多模态大模型研发2025/06/05 周四 19:00-20:00
崔笑宇 华为开发者布道师-高校教师
本期直播聚焦昇腾AI平台在皮肤病理多模态大模型研发中的全流程技术突破，通过基于国产基座模型QwenV2.5进行微调，融入思维链数据优化推理能力，深度融合病理图像、临床文本及专家语音等多模态数据，构建覆盖“认知行为-逻辑推理-决策生成”全流程的皮肤病理大模型。
回顾中
热门标签