- 近来，增大模型规模成为了提升模型性能的主要手段。特别是NLP领域的自监督预训练语言模型，规模越来越大，从GPT3的1750亿参数，到Switch Transformer的16000亿参数，又是一个数量级的增加。 近来，增大模型规模成为了提升模型性能的主要手段。特别是NLP领域的自监督预训练语言模型，规模越来越大，从GPT3的1750亿参数，到Switch Transformer的16000亿参数，又是一个数量级的增加。
- 一、概念介绍 Yolo是一种目标检测算法，将目标区域预测和目标类别预测整合于单个神经网络模型中，实现在准确率较高的情况下快速目标检测与识别。Yolov3是在v1和v2的基础上融合了一些好的方案，在保持速度优势的同时，提升了预测精度，尤其加强了对小物体的识别能力，更加适合现场应用环境。二、网络结构 Yolov3相对于v1和v2的主要改进是使用了新的网络结构Darknet-53，改进... 一、概念介绍 Yolo是一种目标检测算法，将目标区域预测和目标类别预测整合于单个神经网络模型中，实现在准确率较高的情况下快速目标检测与识别。Yolov3是在v1和v2的基础上融合了一些好的方案，在保持速度优势的同时，提升了预测精度，尤其加强了对小物体的识别能力，更加适合现场应用环境。二、网络结构 Yolov3相对于v1和v2的主要改进是使用了新的网络结构Darknet-53，改进...
- 最近，了解计算机视觉的都知道YOLO 很火，从2016年的v1版本开始到现在的v5，YOLO 是一种实时目标检测算法，算法模型不需要训练，直接用就可以了。YOLO 是英文You Only Look Once的缩写。 最近，了解计算机视觉的都知道YOLO 很火，从2016年的v1版本开始到现在的v5，YOLO 是一种实时目标检测算法，算法模型不需要训练，直接用就可以了。YOLO 是英文You Only Look Once的缩写。
- 全场景统一AI框架的挑战所谓全场景AI，是指可以将深度学习技术快速应用在云边端不同场景下的硬件设备上，包括云服务器、移动终端以及IoT设备等等，高效运行并能有效协同。 全场景统一AI框架的挑战所谓全场景AI，是指可以将深度学习技术快速应用在云边端不同场景下的硬件设备上，包括云服务器、移动终端以及IoT设备等等，高效运行并能有效协同。
- 一、概念介绍 目标检测算法主要可以分为两类：two-stage detector和one-stage detector。 Two-Stage：例如Faster-RCNN算法。第一级专注于proposal的提取，第二级对提取出的proposal进行分类和精确坐标回归。两级结构准确度较高，但因为第二级需要单独对每个proposal进行分类/回归，速度较慢。 One-Stage：... 一、概念介绍 目标检测算法主要可以分为两类：two-stage detector和one-stage detector。 Two-Stage：例如Faster-RCNN算法。第一级专注于proposal的提取，第二级对提取出的proposal进行分类和精确坐标回归。两级结构准确度较高，但因为第二级需要单独对每个proposal进行分类/回归，速度较慢。 One-Stage：...
- 一、概念介绍 Bert（Bidirectional Encoder Representations from Transformers）作为一个Word2Vec的替代者，其在NLP领域的11个方向大幅刷新了精度，可以说是近年来自残差网络最具突破性的一项技术了。Bert的本质上是通过在海量的语料的基础上运行自监督学习方法给单词学习一个好的特征表示，我们可以直接使用Bert的特征表示作为该... 一、概念介绍 Bert（Bidirectional Encoder Representations from Transformers）作为一个Word2Vec的替代者，其在NLP领域的11个方向大幅刷新了精度，可以说是近年来自残差网络最具突破性的一项技术了。Bert的本质上是通过在海量的语料的基础上运行自监督学习方法给单词学习一个好的特征表示，我们可以直接使用Bert的特征表示作为该...
- 一、概念介绍分类网络结构是其他大多数任务的网络设计的基础，而特征图注意力(featuremap attention)和多路径表示(multi-path representation)对于视觉识别非常重要。ResNeSt网络基于此提出了一个模块化的体系结构，它将通道attention应用于不同的网络分支，以利用它们在捕获跨特征交互以及学习不同的表示方法。此外，ResNeSt在作为骨干的几个公共... 一、概念介绍分类网络结构是其他大多数任务的网络设计的基础，而特征图注意力(featuremap attention)和多路径表示(multi-path representation)对于视觉识别非常重要。ResNeSt网络基于此提出了一个模块化的体系结构，它将通道attention应用于不同的网络分支，以利用它们在捕获跨特征交互以及学习不同的表示方法。此外，ResNeSt在作为骨干的几个公共...
- 大部分，8090后童年回忆，辣条~~ 大部分，8090后童年回忆，辣条~~
- 分类模型 混淆矩阵sklearn实现：sklearn.metrics.confusion_matrix(y_true, y_pred, labels=None)返回值：一个格式化的字符串，给出了分类结果的混淆矩阵。参数：参考classification_report 。混淆矩阵的内容如下，其中Cij表示真实标记为i但是预测为j的样本的数量。Confusion Matrix:[[5 0][3... 分类模型 混淆矩阵sklearn实现：sklearn.metrics.confusion_matrix(y_true, y_pred, labels=None)返回值：一个格式化的字符串，给出了分类结果的混淆矩阵。参数：参考classification_report 。混淆矩阵的内容如下，其中Cij表示真实标记为i但是预测为j的样本的数量。Confusion Matrix:[[5 0][3...
- 每一张信用卡都有唯一的 16 位卡号，卡号的自动识别有助于快速完成相关服务，具有重要的意义和广泛的应用前景。基于数字图像处理知识，我们实现了一种信用卡卡号自动检测方法，实现自动定位信用卡图像中卡号信息区域，进而完成单个数字的切分。 每一张信用卡都有唯一的 16 位卡号，卡号的自动识别有助于快速完成相关服务，具有重要的意义和广泛的应用前景。基于数字图像处理知识，我们实现了一种信用卡卡号自动检测方法，实现自动定位信用卡图像中卡号信息区域，进而完成单个数字的切分。
- 语义分割为将原始图像分割为多个具有一定语义的区域块。本文详细介绍了高效语义分割模型Fast-SCNN的Learning to Down-sample、Global Feature Extractor等相关内容及技术，并对Fast-SCNN实验复现。 语义分割为将原始图像分割为多个具有一定语义的区域块。本文详细介绍了高效语义分割模型Fast-SCNN的Learning to Down-sample、Global Feature Extractor等相关内容及技术，并对Fast-SCNN实验复现。
- 现在的NAS基本都采用权重共享的supernet方案，但是其中原理几何，有什么局限，鲜有人提及，权重分配并没有理论保障，其影响也没有得到很好的研究，大部分同学都是用的爽就行，接下来从两篇同个实验室的论文来看看权重共享机制，到底怎么影响NAS搜索到的架构。 现在的NAS基本都采用权重共享的supernet方案，但是其中原理几何，有什么局限，鲜有人提及，权重分配并没有理论保障，其影响也没有得到很好的研究，大部分同学都是用的爽就行，接下来从两篇同个实验室的论文来看看权重共享机制，到底怎么影响NAS搜索到的架构。
- ModelArts是一站式的AI开发平台。ModelArts自动学习具有零代码、零AI背景、泛化能力强的特点，用户无需编码，无需AI背景，就可以使用自动学习快速构建自己的AI应用。博主是不愿透露姓名的CAU校友，祝各位在AI道路上一帆风顺。 ModelArts是一站式的AI开发平台。ModelArts自动学习具有零代码、零AI背景、泛化能力强的特点，用户无需编码，无需AI背景，就可以使用自动学习快速构建自己的AI应用。博主是不愿透露姓名的CAU校友，祝各位在AI道路上一帆风顺。
- 本篇文章带你走进不写一行代码，通过ModelArts快速完成图像分类。 本篇文章带你走进不写一行代码，通过ModelArts快速完成图像分类。
- 性能超越BigNas、Once-for-all。对于two-stages的NAS来说，搜索阶段关注的是位于准确性和推理效率的帕累托前沿的网络集合，而训练阶段并不是为了改进帕累托前沿而进行的，对每个网络候选对象都同等重要，fair的，希望搜索的帕累托前沿是被训练到的帕累托前沿，不然会有相关性系数导致的误差 性能超越BigNas、Once-for-all。对于two-stages的NAS来说，搜索阶段关注的是位于准确性和推理效率的帕累托前沿的网络集合，而训练阶段并不是为了改进帕累托前沿而进行的，对每个网络候选对象都同等重要，fair的，希望搜索的帕累托前沿是被训练到的帕累托前沿，不然会有相关性系数导致的误差
上滑加载中
推荐直播
-
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中 -
华为云码道全新升级，多会话并行与多智能体协作2026/05/08 周五 19:00-21:00
王一男-华为云码道产品专家；张嘉冉-华为云码道工程师；胡琦-华为云HCDE；程诗杰-华为云HCDG
华为云码道4月份版本全新升级，此次直播深度解读4月份产品特性，通过“特性解读+实操演示+实战案例+设计创新”的组合，全方位展现码道在多会话并行与多智能体协作方面的能力，赋能开发者提升效率
即将直播
热门标签