自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

<ruby id="fgce5"></ruby>

<sub id="fgce5"><p id="fgce5"></p></sub>

<menuitem id="fgce5"></menuitem>

AI.x社區(qū)

軟考社區(qū)

企業(yè)培訓

鴻蒙開發(fā)者社區(qū)

WOT技術大會

公眾號矩陣

移動端

視頻課免費課排行榜短視頻直播課軟考學堂

全部課程軟考華為認證廠商認證 IT技術 PMP項目管理免費題庫

文章資源問答課堂專欄直播

51CTO

鴻蒙開發(fā)者社區(qū)

51CTO技術棧

51CTO官微

51CTO學堂

51CTO博客

CTO訓練營

鴻蒙開發(fā)者社區(qū)訂閱號

51CTO軟考

51CTO學堂APP

51CTO學堂企業(yè)版APP

鴻蒙開發(fā)者社區(qū)視頻號

51CTO軟考題庫

賬號設置退出

人工智能

3.0w內容??

關注

聚合人工智能話題下，包括機器學習、深度學習、計算機視覺、自然語言處理等領域的新聞資訊、前沿理論、技術知識、應用案例。

文章博文帖子課程

共 163 條

『小浣熊家族 AI 辦公助手』一遇數(shù)據(jù)分析就犯難？“別怕” 快讓小浣熊幫你一鍵搞定數(shù)據(jù)分析！

數(shù)據(jù)分析一直是一個熱門話題，不管是公司的業(yè)務員，業(yè)務主管，又或電商店鋪經(jīng)營都需要對自己的銷售情況去做數(shù)據(jù)分析，來去分析自己每段時間的銷售情況。而使用Excel進行數(shù)據(jù)分析來制作各種圖表使用起來往往一整頭大，BI分析又需要IT從業(yè)者來配合靈活性低，那么在當今大數(shù)據(jù)和人工智能時代有沒有更高效簡單的辦公利器呢？

2024-12-27 17:56:17

數(shù)據(jù)分析數(shù)據(jù)數(shù)據(jù)清洗

【文心智能體】旅游攻略版，手把手教你調用插件實現(xiàn)智能體，絕對的干貨滿滿！

2024-10-08 12:04:12

開發(fā)者智能體人工智能

基于TensorFlow2的mnist數(shù)據(jù)集手寫字體識別

基于TensorFlow2的mnist數(shù)據(jù)集手寫字體識別

2024-03-12 21:05:24

MoE模型性能還能更上一層樓？一次QLoRA微調實踐

Fine-Tuning?Mixtral?8x7B?with?QLoRA：Enhancing?Model?Performance??編者按：最近，混合專家(Mixture?of?Experts,MoE)這種模型設計策略展現(xiàn)出了卓越的語言理解能力，如何在此基礎上進一步提升?MoE?模型的性能成

2024-01-10 16:25:04

AI 深度學習人工智能

深度解析 PyTorch Autograd：從原理到實踐

本文深入探討了 PyTorch 中 Autograd 的核心原理和功能。從基本概念、Tensor 與 Autograd 的交互，到計算圖的構建和管理，再到反向傳播和梯度計算的細節(jié)，最后涵蓋了 Autograd 的高級特性。關注TechLead，分享AI全維度知識。作者擁有10+年互聯(lián)網(wǎng)服務架構、AI產品研發(fā)經(jīng)驗、團隊管理經(jīng)驗，同濟本復旦碩，復旦機器人智能實驗室成員，阿里云認證的資深架構師，

2024-01-04 12:04:26

人工智能深度學習機器學習

使用 RecyclerView 和 BaseMultiItemQuickAdapter 實現(xiàn)固定列表

盤古大模型致力于深耕行業(yè)，打造金融、政務、制造、礦山、氣象、鐵路等領域行業(yè)大模型和能力集，將行業(yè)知識know-how與大模型能力相結合，重塑千行百業(yè)，成為各組織、企業(yè)、個人的專家助手。

2023-08-03 16:17:52

科學計算數(shù)據(jù)自然語言處理

YOLOX目標檢測實戰(zhàn)：LabVIEW+YOLOX ONNX模型實現(xiàn)推理檢測（含源碼）

YOLOX目標檢測實戰(zhàn)：LabVIEW+YOLOX ONNX模型實現(xiàn)推理檢測（含源碼）

2023-07-13 13:31:04

LabVIEW python yolo

使用LabVIEW實現(xiàn) DeepLabv3+ 語義分割含源碼

使用LabVIEW實現(xiàn) DeepLab 語義分割含源碼

2023-07-11 16:17:06

LabVIEW 深度學習圖像分割

手把手教你使用LabVIEW實現(xiàn)Mask R-CNN圖像實例分割（含源碼）

使用LabVIEW實現(xiàn)Mask R-CNN圖像實例分割

2023-03-21 13:25:04

LabVIEW 深度學習人工智能

深度學習模型訓練和關鍵參數(shù)調優(yōu)詳解

本文將通過針對特定場景任務從模型選擇、模型訓練、超參優(yōu)化、效果展示這四個方面與各位讀者分享模型開發(fā)的一些心得。參考資料：??最實用的項目開發(fā)全流程!從自建數(shù)據(jù)集到模型部署,其實沒有這么難!????神經(jīng)網(wǎng)絡前向傳播原理詳解????寫給小白的入門筆記，神經(jīng)網(wǎng)絡梯度下降原理詳解????使用飛槳可解釋性算法庫InterpretDL解析人臉識別模型??一、模型選擇從任務類型出發(fā)，選擇最合適的模型。1.回歸任

2023-03-16 21:19:10

paddle 數(shù)據(jù)集模型庫

【2023-Pytorch-檢測教程】手把手教你使用YOLOV5做電線絕緣子缺陷檢測

隨著社會和經(jīng)濟的持續(xù)發(fā)展，電力系統(tǒng)的投資與建設也日益加速。在電力系統(tǒng)中，輸電線路作為電能傳輸?shù)妮d體，是最為關鍵的環(huán)節(jié)之一。而絕緣子作為輸電環(huán)節(jié)中的重要設備，在支撐固定導線，保障絕緣距離的方面有著重要作用。大多數(shù)高壓輸電線路主要架設在非城市內地區(qū)，絕緣子在輸電線路中由于數(shù)量眾多、跨區(qū)分布，且長期暴露在空氣中，受惡劣自然環(huán)境的影響，十分容易發(fā)生故障。隨著大量輸電工程的快速建設，傳統(tǒng)依靠人工巡檢的模式，

2023-03-15 17:17:43

虛擬環(huán)境數(shù)據(jù)集無人機

GPT-4重磅發(fā)布，迄今為止最強大的模型

3月14日，萬眾期待的GPT-4終于發(fā)布啦！千呼萬喚始出來！ GPT-4重磅發(fā)布，它究竟厲害在哪？ GPT4是迄今為止最強大的模型 GPT-4（Generative Pre-trained Transformer 4）是由OpenAI創(chuàng)建的多模態(tài)大型語言模型，是GPT系列的一員。官方說明，GPT-4將通過 API 和 ChatGPT Plus 向用戶提供服務。 OpenAI 在宣布 GPT-4 的

2023-03-15 15:03:24

多模態(tài)GPT4 超大語言模型

Python TensorFlow實現(xiàn)Sequential深度神經(jīng)網(wǎng)絡回歸

本文介紹基于Python語言中TensorFlow的Keras接口，實現(xiàn)深度神經(jīng)網(wǎng)絡回歸的方法~

2023-03-15 12:19:16

Python TensorFlow 機器學習

高端局來了！元宇宙第一股Roblox融合AI，打開游戲新世界大門

生成式AI也需要多年的發(fā)展，它只是未來世界的一個選項

2023-03-14 14:44:30

Roblox 生成式AI

多模態(tài)深度學習方法綜述

多模態(tài)方法種類多模態(tài)深度學習是指將來自不同感知模態(tài)的信息（如圖像、文本、語音等）融合到一個深度學習模型中，以實現(xiàn)更豐富的信息表達和更準確的預測。在多模態(tài)深度學習中，模型之間的融合通常有以下三種方法：模態(tài)聯(lián)合學習（Multimodal Joint Learning）：模態(tài)聯(lián)合學習是一種聯(lián)合訓練的方法，將來自不同模態(tài)的數(shù)據(jù)輸入到一個模型中，模型可以同時學習到多個模態(tài)的特征表示，并將這些特征表示融合在一

2023-03-14 14:24:12

模態(tài)paddle 數(shù)據(jù)

手把手教你使用LabVIEW OpenCV dnn實現(xiàn)物體識別（Object Detection）含源碼

今天和大家一起分享如何使用LabVIEW調用pb模型實現(xiàn)物體識別

2023-03-14 12:57:07

深度學習機器視覺目標檢測

手把手教你使用LabVIEW OpenCV dnn實現(xiàn)圖像分類（含源碼）

使用LabVIEW OpenCV dnn實現(xiàn)圖像分類

2023-03-09 13:59:56

圖像分類深度學習人工智能

手把手教你使用LabVIEW OpenCV DNN實現(xiàn)手寫數(shù)字識別（含源碼）

在LabVIEW中如何使用OpenCV DNN模塊實現(xiàn)手寫數(shù)字識別

2023-03-08 16:13:30

DNN OpenCV 深度學習

基于輕量級YOLOv5開發(fā)構建漢字檢測識別分析系統(tǒng)

基于輕量級YOLOv5開發(fā)構建漢字檢測識別分析系統(tǒng)

2023-03-08 13:17:47

數(shù)據(jù)集 Database 目標檢測

喜馬拉雅基于DeepRec構建AI平臺實踐

快速落地大模型訓練和推理能力，帶來業(yè)務指標和后續(xù)算法優(yōu)化空間的顯著提升。

2023-03-08 10:24:26

深度學習稀疏學習推理

手把手教你用python寫游戲

引言最近python語言大火，除了在科學計算領域python有用武之地之外，在游戲、后臺等方面，python也大放異彩，本篇博文將按照正規(guī)的項目開發(fā)流程，手把手教大家寫個python小游戲,項目來自《Python編程從入門到實踐》（本文將原項目中的部分錯誤進行修改完善，PS:強烈推薦這本書，真的很贊），來感受下其中的有趣之處。本次開發(fā)的游戲叫做alien invasion。安裝pygame...

2023-03-07 12:56:22

python game 加載

Holt-Winters模型原理分析及代碼實現(xiàn)（python)

引言最近實驗室老師讓我去預測景區(qū)內代步車輛的投放量，于是乎，本著“一心一意地輸出年富力強的勞動力”這份初心，我就屁顛屁顛地去找資料，然后發(fā)現(xiàn)了Holt-Winters模型 , 感覺這個模型可以有，于是就去研究一番，并總結成這篇博客了。原理分析移動平均（The simple moving average (SMA)）直觀上，最簡單的平滑時間序列的方法是實現(xiàn)一個無權重的移動平均，目前已知的方法是用窗口函

2023-03-07 12:47:42

數(shù)據(jù)挖掘機器學習數(shù)據(jù)

Linux（Centos7）下rpm方式安裝MySQL

1. 卸載已有MySQL1.1. 查看是否已安裝mysqlrpm -qa |grep -i mysql如果系統(tǒng)已安裝，請卸載刪除。1.2. 刪除MySQL刪除命令：rpm -e --nodeps 包名rpm -ev mysql-libs-5.1.73-8.el6_8.x86_64如果提示依賴包錯誤，則使用以下命令嘗試（個人建議）：rpm -ev mysql-libs-5.1.73-8.el6_8.x86_64 --nodeps如果提示錯誤：error: %preun(xxxxx.

2023-03-06 17:43:02

mysql linux java

OpenAI官方發(fā)布ChatGPT API接口gpt-3.5-turbo

OpenAI官方發(fā)布ChatGPT API接口gpt-3.5-turbo

2023-03-03 17:19:39

自動更新 HTML chatgpt3.5

手把手教你使用LabVIEW人工智能視覺工具包快速實現(xiàn)傳統(tǒng)Opencv算子的調用(含源碼)

使用LabVIEW AI視覺工具包快速實現(xiàn)圖像的濾波與增強；圖像灰度處理；閾值處理與設定；二值化處理；邊緣提取與特征提取等基本操作。

2023-03-03 13:33:07

LabVIEW 人工智能深度學習

Backbone 網(wǎng)絡-ResNet 網(wǎng)絡詳解

殘差網(wǎng)絡(ResNet)的提出是為了解決深度神經(jīng)網(wǎng)絡的“退化”（優(yōu)化）問題。ResNet 通過設計殘差塊結構，調整模型結構，讓更深的模型能夠有效訓練更訓練。

2023-02-24 19:04:29

卷積神經(jīng)網(wǎng)絡擬合

基于pytorch實現(xiàn)模型剪枝

所謂模型剪枝，其實是一種從神經(jīng)網(wǎng)絡中移除"不必要"權重或偏差（weigths/bias）的模型壓縮技術。本文深入描述了 pytorch 框架的幾種剪枝 API，包括函數(shù)功能和參數(shù)定義，并給出示例代碼。

2023-02-23 23:41:06

結構化剪枝非結構化剪枝局部剪枝

模型壓縮-剪枝算法詳解

近年來主流的模型壓縮方法包括：數(shù)值量化（Data Quantization，也叫模型量化），模型稀疏化（Model sparsification，也叫模型剪枝 Model Pruning），知識蒸餾（Knowledge Distillation），輕量化網(wǎng)絡設計（Lightweight Network Design）和張量分解（Tensor Decomposition）。其中模型剪枝是一種應用非常廣的模型壓縮方法，其可以直接減少模型中的參數(shù)量。本文會對模型剪枝的定義、發(fā)展歷程、分類以及算法原理進行詳細的介紹。

2023-02-22 03:02:58

模型剪枝數(shù)值量化結構化稀疏

神經(jīng)網(wǎng)絡基礎部件-卷積層詳解

本文深度講解了卷積計算的原理，并詳細介紹了構成所有卷積網(wǎng)絡主干的基本元素，包括卷積層本身、填充(padding)和步幅 (stride)的基本細節(jié)、用于在相鄰區(qū)域匯聚信息的匯聚層(pooling)，最后給出卷積層和匯聚層的代碼示例和CNN框架結構圖。

2023-02-16 03:08:44

卷積卷積核匯聚層

基于文心大模型套件ERNIEKit實現(xiàn)文本匹配算法，模塊化方便應用落地

文心大模型開發(fā)套件ERNIEKit，面向NLP工程師，提供全流程大模型開發(fā)與部署工具集，端到端、全方位發(fā)揮大模型效能。

2023-02-15 09:48:11

知識圖譜實體對齊自然語言處理

深度學習煉丹-數(shù)據(jù)標準化

當數(shù)據(jù)存在多個屬性但其值具有不同尺度（scale）時，執(zhí)行 normalization 操作將所有屬性置于相同的尺寸內是很有必要的。本文給出了數(shù)據(jù)標準化(Normalization)的定義、常用方法以及為什么要做數(shù)據(jù)標準化，并給出相關代碼實現(xiàn)。最后將Normalization概念應用于圖像領域，并給出實現(xiàn)的相關細節(jié)以及示例代碼。

2023-02-06 23:14:37

normalizati Min-Max標準化 z-Score標準化

深度學習數(shù)學基礎-概率與信息論

概率論是用于表示不確定性聲明的數(shù)學框架。它不僅提供了量化不確定性的方法，也提供了用于導出新的不確定性聲明（statement）的公理。概率論的知識在機器學習和深度學習領域都有廣泛應用，是學習這兩門學科的基礎。

2023-02-05 11:05:59

方差概率分布條件概率

深度學習基礎-優(yōu)化算法詳解

所謂深度神經(jīng)網(wǎng)絡的優(yōu)化算法，即用來更新神經(jīng)網(wǎng)絡參數(shù)，并使損失函數(shù)最小化的算法。優(yōu)化算法對于深度學習非常重要，如果說網(wǎng)絡參數(shù)初始化（模型迭代的初始點）能夠決定模型是否收斂，那優(yōu)化算法的性能則直接影響模型的訓練效率。了解不同優(yōu)化算法的原理及其超參數(shù)的作用將使我們更有效的調整優(yōu)化器的超參數(shù)，從而提高模型的性能。

2023-02-04 00:41:43

優(yōu)化算法隨機梯度下降 RMSProp

在地平線X3上部署車牌識別系統(tǒng)

在地平線X3上部署車牌識別系統(tǒng)一、項目介紹本項目屬于AI達人創(chuàng)造營三期項目，主要探索如何將PaddleOCR訓練的車牌識別模型部署在地平線X3的板子上，并實現(xiàn)實時推理。項目地址：?https://aistudio.baidu.com/aistudio/projectdetail/4730476??二、技術要點PaddlePaddle之于Arm對應的平臺為paddle-lite。paddle-li

2023-02-03 17:58:32

paddle 串口 docker

反向傳播與梯度下降詳解

反向傳播(backward propagation，簡稱 BP)指的是計算神經(jīng)網(wǎng)絡參數(shù)梯度的方法。其原理是基于微積分中的鏈式規(guī)則，按相反的順序從輸出層到輸入層遍歷網(wǎng)絡，依次計算每個中間變量和參數(shù)的梯度。

2023-02-02 00:09:56

梯度下降迭代隨機梯度下降

實戰(zhàn)案例！Python批量識別銀行卡號碼并且寫入Excel，小白也可以輕松使用~

簡單！學起來

2023-01-27 11:52:25

python ocr 文字識別

一文搞懂視頻編解碼原理

視頻編解碼算法分為傳統(tǒng)算法和基于深度學習的方法，本文主要介紹視頻編解碼技術的原理，部分內容和圖片參考網(wǎng)上技術博客。

2023-01-16 16:16:47

視頻編碼 I幀 P幀

深度學習基礎-損失函數(shù)詳解

本文總結分類和回歸任務的常用損失函數(shù)，比如重點解析了交叉熵損失函數(shù)的由來，并給出詳細計算公式和、案例分析、代碼，同時也描述了 `MAE` 和 `MSE` 損失函數(shù)，給出了詳細的計算公式、曲線圖及優(yōu)缺點。

2023-01-16 16:06:05

損失函數(shù)多分類交叉熵

ResNetv2 論文解讀

本文的主要貢獻在于通過理論分析和大量實驗證明使用恒等映射（identity mapping）作為快捷連接（skip connection）對于殘差塊的重要性。同時，將 BN/ReLu 這些 activation 操作挪到了 Conv（真正的weights filter操作）之前，提出“預激活“操作，并通過與”后激活“操作做對比實驗，表明對于多層網(wǎng)絡，使用了預激活殘差單元（Pre-activation residual unit）的 resnet v2 都取得了比 resnet v1（或 resnet v1.5）更好的結果。

2023-01-12 14:17:30

快捷連接恒等映射預激活

DenseNet 論文解讀

ResNet 的工作表面，只要建立前面層和后面層之間的“短路連接”（shortcut），就能有助于訓練過程中梯度的反向傳播，從而能訓練出更“深”的 CNN 網(wǎng)絡。DenseNet 網(wǎng)絡的基本思路和 ResNet 一致，但是它建立的是前面所有層與后面層的密集連接（dense connection）。傳統(tǒng)的 LL 層卷積網(wǎng)絡有 LL 個連接——每一層與它的前一層和后一層相連—，而 DenseNet 網(wǎng)絡有 L(L+1)/2L(L+1)/2 個連接。在 DenseNet 中，讓網(wǎng)絡中的每一層都直接與其前面層相連，實現(xiàn)特征的重復利用；同時把網(wǎng)絡的每一層設計得特別“窄”（特征圖/濾波器數(shù)量少），即只學習非常少的特征圖（最極端情況就是每一層只學習一個特征圖），達到降低冗余性的目的。

2023-01-11 14:52:16

密集連接 DenseNet shortcut

數(shù)字圖像處理筆記

本文章是對《數(shù)字圖像處理》書中知識概念、定理、公式的總結知識，并給出了自己的理解，部分涉及具體應用代碼，主要是原理解析和算法總結。學習數(shù)字圖像處理能讓我們更深入理解計算機視覺領域的內容。

2023-01-11 14:43:35

灰度變換霍夫曼編碼 RGB 彩色模型

目標檢測模型的評價標準-AP與mAP

為了了解模型的泛化能力，即判斷模型的好壞，我們需要用某個指標來衡量，有了評價指標，就可以對比不同模型的優(yōu)劣，并通過這個指標來進一步調參優(yōu)化模型。對于分類和回歸兩類監(jiān)督模型，分別有各自的評判標準。不同的問題和不同的數(shù)據(jù)集都會有不同的模型評價指標，比如分類問題，數(shù)據(jù)集類別平衡的情況下可以使用準確率作為評價指標，但是現(xiàn)實中的數(shù)據(jù)集幾乎都是類別不平衡的，所以一般都是采用 AP 作為分類的評價指標，分別計算每個類別的 AP，再計算mAP。

2023-01-09 14:59:02

混淆矩陣精確率和召回率 F1分數(shù)

目標檢測模型的基礎

邊界框：在?標檢測領域?，我們通常使?邊界框（bounding box，縮寫是 bbox）來描述?標位置。邊界框是?個矩形框，可以由矩形左上?的 x 和 y 軸坐標與右下?的 x 和 y 軸坐標確定。

2023-01-09 14:57:18

損失函數(shù)anchor box Focal Loss

深度學習背景下的圖像三維重建技術進展綜述

本文主要對近年來深度學習背景下的圖像三維重建的分類和研究現(xiàn)狀進行總結，整體分為六個部分：引言、單張圖像三維重建、多張圖像三維重建、數(shù)據(jù)集與實驗對比、討論與展望、總結。

2023-01-08 09:52:38

三維重建數(shù)據(jù)集點云

模型壓縮部署概述

深度學習和計算機視覺方向除了算法訓練/研究，還有兩個重要的方向: 模型壓縮（模型優(yōu)化、量化）、模型部署（模型轉換、后端功能SDK開發(fā)）。所謂模型部署，即將算法研究員訓練出的模型部署到具體的端邊云芯片平臺上，并完成特定業(yè)務的視頻結構化應用開發(fā)。

2023-01-06 14:15:04

深度學習模型轉換模型壓縮

大廠必考深度學習算法面試題總結

包含深度學習基礎、CNN 模型、機器學習等知識點的必考算法面試題

2023-01-05 14:27:16

梯度消失梯度爆炸數(shù)據(jù)增強方法

“山外有山比山高”-為什么叫深度學習？?

揭示深度學習的內涵，介紹模型的復雜表，多元特征的引入，神經(jīng)網(wǎng)路的形成，網(wǎng)絡的訓練過程以及從神經(jīng)網(wǎng)絡到深度學習的發(fā)展過程。

2023-01-04 21:56:03

深度學習權重神經(jīng)網(wǎng)絡

萬字長文解析Scaled YOLOv4模型(YOLO變體模型)

Scaled YOLOv4 模型最主要的貢獻在于通過理論系統(tǒng)分析和實驗證了模型縮放的原則，進一步拓展了 CSPNet 方法，并基于此設計了一個全新的 Scaled-YOLOv4，Scaled-YOLOv4 網(wǎng)絡的卷積模塊都有使用 CSP?？偟母杏X就是針對不同的 GPU 平臺，根據(jù)作者分析出來的模型縮放理論，且符合一些原則的情況下，選擇不同的模型寬度和深度參數(shù)，并讓模型更深更寬。

2023-01-04 16:11:22

目標檢測 YOLOv4-tiny scaled yolo

GitHub 車牌檢測識別項目調研

汽車車牌檢測和識別實踐指南，提供了算法方案和測試效果。

2023-01-04 16:06:31

github HyperLPR EasyOCR

經(jīng)典 backbone 總結

ResNet 模型比 VGG 網(wǎng)絡具有更少的濾波器數(shù)量和更低的復雜性。比如 Resnet34 的 FLOPs 為 3.6G，僅為 VGG-19 19.6G 的 18%。

2023-01-04 14:58:23

神經(jīng)網(wǎng)絡 resnet densenet

1 2 3 4 下一頁

51CTO技術棧公眾號

業(yè)務
速覽

媒體

51CTO CIOAge HC3i

社區(qū)

51CTO博客鴻蒙開發(fā)者社區(qū) AI.x社區(qū)

教育

51CTO學堂精培企業(yè)培訓 CTO訓練營

<cite id="lrodm"><track id="lrodm"></track></cite>

<style id="lrodm"></style>