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

<legend id="mkdd6"><abbr id="mkdd6"></abbr></legend>

<blockquote id="mkdd6"></blockquote>

<sub id="mkdd6"></sub>

AI.x社區(qū)

軟考社區(qū)

企業(yè)培訓(xùn)

鴻蒙開發(fā)者社區(qū)

WOT技術(shù)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(shù)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(shù)棧

51CTO官微

51CTO學堂

51CTO博客

CTO訓(xùn)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(shè)置退出

深度學習

1694內(nèi)容??

關(guān)注

涵蓋深度學習相關(guān)模型、框架、開發(fā)與應(yīng)用知識。

文章博文課程

共 163 條

“眾里尋他千百度”-深度學習的本質(zhì)?

介紹深度學習的基本概念、深度學習的常見任務(wù)和回歸任務(wù)的實例分析。最后，以一個案例的形式，介紹訓(xùn)練一個模型的完整流程。

2022-12-31 12:25:54

機器學習損失函數(shù)深度學習

萬字長文詳解 YOLOv1-v5 系列模型

yolov1 作者提出了一種新的目標檢測方法 YOLO，之前的目標檢測工作都是重新利用分類器來執(zhí)行檢測。作者的神經(jīng)網(wǎng)絡(luò)模型是端到端的檢測，一次運行即可同時得到所有目標的邊界框和類別概率。YOLO 架構(gòu)的速度是非?？斓模琤ase 版本實時幀率為 45 幀，smaller 版本能達到每秒 155 幀，性能由于 DPM 和 R-CNN 等檢測方法。

2022-12-30 17:22:31

cmbn YOLOv2 yolov5

一階段目標檢測網(wǎng)絡(luò)-RetinaNet 詳解

作者深入分析了極度不平衡的正負（前景背景）樣本比例導(dǎo)致 one-stage 檢測器精度低于 two-stage 檢測器，基于上述分析，提出了一種簡單但是非常實用的 Focal Loss 焦點損失函數(shù)，并且 Loss 設(shè)計思想可以推廣到其他領(lǐng)域，同時針對目標檢測領(lǐng)域特定問題，設(shè)計了 RetinaNet 網(wǎng)絡(luò)，結(jié)合 Focal Loss 使得 one-stage 檢測器在精度上能夠達到乃至超過 two-stage 檢測器。

2022-12-30 17:19:46

損失函數(shù)focal loss fpn網(wǎng)絡(luò)

詳解網(wǎng)絡(luò)層-網(wǎng)絡(luò)層概述和編址【王道計算機網(wǎng)絡(luò)筆記】

@toc主要任務(wù)是把分組從源端傳到目的端，為分組交換網(wǎng)上的不同主機提供通信服務(wù)。網(wǎng)絡(luò)層的傳輸單位是數(shù)據(jù)報，數(shù)據(jù)報是一個比較長的數(shù)據(jù)，分組是對數(shù)據(jù)報進行切割得到的一部分功能：路由選擇與分組轉(zhuǎn)發(fā)（最佳路徑）異構(gòu)網(wǎng)絡(luò)互聯(lián)。4G，wifi，校園網(wǎng)等網(wǎng)絡(luò)之間可以通信擁塞控制。如果所有結(jié)點都來不及接收分組，而要丟棄大量分組的話，網(wǎng)絡(luò)就處于擁塞狀態(tài)，因此要采取一定措施，緩解這種擁塞IP數(shù)據(jù)報格式!!\\附件/P

2022-12-29 22:24:44

子網(wǎng)掩碼 IP 子網(wǎng)

詳解數(shù)據(jù)鏈路層-局域網(wǎng)&廣域網(wǎng)【王道計算機網(wǎng)絡(luò)筆記】

@toc局域網(wǎng)局域網(wǎng)（LocalAreaNetwork）：簡稱LAN，是指在某一區(qū)域內(nèi)由多態(tài)計算機互聯(lián)成的計算機組，使用廣播信道特點覆蓋的地理范圍較小，只在一個相對獨立的局部范圍內(nèi)聯(lián)，如一座或集中的建筑群內(nèi)只用專門鋪設(shè)的傳輸介質(zhì)（雙絞線、同軸電纜）進行聯(lián)網(wǎng)，數(shù)據(jù)傳輸速率高（10Mb/s10Gb/s）通信延遲時間短，誤碼率低，可靠性較高各站為平等關(guān)系，共享傳輸信道多采用分布式控制和廣播式信道，能進行

2022-12-28 23:14:48

鏈路網(wǎng)絡(luò)層字段

詳解數(shù)據(jù)鏈路層-介質(zhì)訪問控制【王道計算機網(wǎng)絡(luò)筆記】

@toc數(shù)據(jù)傳輸使用的兩種鏈路點對點鏈路：兩個相鄰結(jié)點通過一個鏈路相連，沒有第三者。應(yīng)用：PPP協(xié)議，常用于廣域網(wǎng)。例如打電話廣播式鏈路：所有主機共享通信介質(zhì)。應(yīng)用：早期總線以太網(wǎng)、無線局域網(wǎng)，常用于局域網(wǎng)。例如同一個頻道的對講機典型拓撲結(jié)構(gòu)：總線型、星型（邏輯總線型）類似廣播式鏈路的對講機，很容易出現(xiàn)對話沖突的情況，也就是兩個人想同時說話，但是對講機只能讓一個人說完，另一個人才能再說介質(zhì)訪問控制

2022-12-27 22:28:03

重傳時隙數(shù)據(jù)

基于U-Net網(wǎng)絡(luò)的圖像分割的MindStudio實踐

本實踐是基于Windows版MindStudio 5.0.RC3，遠程連接ECS服務(wù)器使用，ECS是基于官方分享的CANN6.0.RC1_MindX_Vision3.0.RC3鏡像創(chuàng)建的。

2022-12-26 11:37:29

U-Net網(wǎng)絡(luò)圖像分割 MindStudio

圖計算引擎分析 ——Gemini

作者：京東科技王軍前言Gemini 是目前 state-of-art 的分布式內(nèi)存圖計算引擎，由清華陳文光團隊的朱曉偉博士于 2016 年發(fā)表的分布式靜態(tài)數(shù)據(jù)分析引擎。Gemini 使用以計算為中心的共享內(nèi)存圖分布式 HPC 引擎。通過自適應(yīng)選擇雙模式更新（pull/push），實現(xiàn)通信與計算負載均衡 [?1]。圖計算研究的圖是數(shù)據(jù)結(jié)構(gòu)中的圖，非圖片。實際應(yīng)用中遇到的圖，如社交網(wǎng)絡(luò)中的好友關(guān)系、

2022-12-26 09:58:42

數(shù)據(jù)任務(wù)調(diào)度存儲空間

深度學習煉丹-數(shù)據(jù)增強

在工業(yè)界，數(shù)據(jù)預(yù)處理步驟對模型精度的提高的發(fā)揮著重要作用。對于機器學習任務(wù)來說，廣泛的數(shù)據(jù)預(yù)處理一般有四個階段（視覺任務(wù)一般只需 Data Transformation）: 數(shù)據(jù)清洗(Data Cleaning)、數(shù)據(jù)整合(Data Integration)、數(shù)據(jù)轉(zhuǎn)換(Data Transformation)和數(shù)據(jù)縮減(Data Reduction)。

2022-12-22 15:21:00

圖像的幾何變換 imgaug 數(shù)據(jù)增強

兩個視角給你解讀熵、交叉熵、KL散度

本文從兩方面進行解釋：數(shù)學和編碼方面?？傆幸粋€角度能讓你更好理解。數(shù)學解釋熵Entropy熵用于計算一個離散隨機變量的信息量。對于一個概率分布X，X的熵就是它的不確定性。用大白話來說，假設(shè)你預(yù)測一個東西，有時候結(jié)果會出乎意料，熵就表示出乎意料的程度。熵越大你越不容易預(yù)測對，事情就越容易出乎意料。離散型概率分布X的熵定義為自信息的平均值：H(X)=E_{p(x)}I(x)=\sum_{x}p(x)\

2022-12-16 10:03:09

整除插入圖片哈夫曼編碼

CLIP打通文本圖像壁壘，為AI圖像生成打下基礎(chǔ)

本文有5230字，閱讀大概需要10分鐘。10分鐘你肯定看不完，老老實實看吧。碎碎念事情是這樣的，前兩天晚上我嵩突然發(fā)了DreamStudio(https://beta.dreamstudio.ai/dream)讓我們玩一下。!image.png(https://s2.51cto.com/images/blog/202212/10162452_63944254b4f0236295.png?xossp

2022-12-12 09:35:38

數(shù)據(jù)集數(shù)據(jù)編碼器

labelme 安裝使用及常見問題解決

@toc(目錄)寫在前面，本文為作者本人在學習使用labelme過程中遇到的各種問題，記錄于此，希望對其他同學有所幫助。1.labelme安裝labelme是麻省理工（MIT）的計算機科學和人工智能實驗室（CSAIL）研發(fā)的圖像標注工具，人們可以使用該工具創(chuàng)建定制化標注任務(wù)或執(zhí)行圖像標注。1.1Anaconda安裝Anaconda可以理解為是用來管理python各種庫的，不同的程序需要庫的版本和類

2022-12-08 13:13:03

json python 虛擬環(huán)境

進來學VAE，VAE都不懂還想懂擴散模型？ | Variational Auto-Encoder

AE自編碼器，無監(jiān)督的特征學習，其目的是利用無標簽數(shù)據(jù)找到一個有效低維的特征提取器。!(https://s2.51cto.com/images/blog/202212/07092657_638febe1b1c9049170.png?xossprocess=image/watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_

2022-12-08 09:38:48

編碼器正態(tài)分布高斯混合模型

深度學習煉丹-不平衡樣本的處理

數(shù)據(jù)層面的處理方法總的來說分為數(shù)據(jù)擴充和數(shù)據(jù)采樣法，數(shù)據(jù)擴充會直接改變數(shù)據(jù)樣本的數(shù)量和豐富度，采樣法的本質(zhì)是使得輸入到模型的訓(xùn)練集樣本趨向于平衡，即各類樣本的數(shù)目趨向于一致。

2022-12-07 22:09:09

深度學習 pytorch 樣本不平衡

快來給你的寵物視頻加個表情特效吧

我們將給貓貼一張卡通臉，給 Elon Musk 貼上小胡子，給小狗貼上馴鹿角！

2022-12-07 10:28:31

ide GAN 監(jiān)督學習

【翻譯】圖解自注意力機制

這是我翻譯這位大佬的第二篇文章了。這篇文章是受到大佬認證的了。他的原文中有翻譯鏈接，直接指向我。!image.png(https://s2.51cto.com/images/blog/202212/02144329_63899e914b11017979.png?xossprocess=image/watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFF

2022-12-07 09:21:59

自注意力注意力機制 self-attent

突然火起來的diffusion model是什么？

模型起源2015年的時候，有幾位大佬基于非平衡熱力學提出了一個純數(shù)學的生成模型(SohlDicksteinetal.,2015(https://arxiv.org/abs/1503.03585))。不過那個時候他們沒有用代碼實現(xiàn)，所以這篇工作并沒有火起來。直到后來斯坦福大學(Songetal.,2019(https://arxiv.org/abs/1907.05600))和谷歌大腦(Hoetal.

2022-12-05 21:32:04

神經(jīng)網(wǎng)絡(luò)方差概率分布

是什么讓人工智能突然開始畫畫了？

封面圖就是用擴散模型畫的。這是最近兩個大火的模型，直接沖到抱抱臉的首頁。最先火起來的是圖二。因為DALLE2出來了，由于DALLE2只對部分大佬開放，因此它的替代品DALLEmini就火了起來。之后沒幾天stablediffusion出來了！最最重要的一點是stablediffusion已經(jīng)向公眾開放了（當然是付費的）。今天就來說一下這幾個模型背后的東西。!1661335781636.png(ht

2022-12-05 21:31:25

生成模型圖像合成

MegPeak—讓你更懂你的處理器

為了更懂我們的處理器，MegEngine 團隊開發(fā)了一個工具 MegPeak，可以幫助開發(fā)人員進行性能評估，開發(fā)指導(dǎo)等，目前已經(jīng)開源到 GitHub。

2022-12-05 15:42:55

開源 MegEngine MegPeak

SVD解決詞分布式表示稀疏性

這篇文章是接著一文拿捏點互信息（PMI）解決詞分布式表示稀疏性問題(https://blog.51cto.com/Lolitann/5908497)寫的。解決分布式表示稀疏性問題另一個方法是使用奇異值分解（SingularValueDecomposition，SVD）。我把例子搬過來了。還是原來的三個句子及其共現(xiàn)矩陣M。我喜歡自然語言處理。我愛深度學習。我喜歡機器學習。\begin{array}{

2022-12-03 19:02:51

奇異值分解 ci 矩陣分解

Time-Series Representation Learning via Temporal and Contextual Contrasting

【論文導(dǎo)讀】Time-Series Representation Learning via Temporal and Contextual Contrasting（時間和上下文對比的時間序列表示學習）

2022-12-03 17:21:29

時間序列深度學習表示學習

一文拿捏點互信息（PMI）解決詞分布式表示稀疏性問題

前饋知識之前在淺談wordembedding(https://juejin.cn/post/7063875212881690638heading12)里淺淺的說了一下onehot是怎么向詞向量表示發(fā)展的，大家可以回顧一下。接下來我補充一下，接說二者之間還有一個階段，詞的分布式表示。詞的分布式表示理論分布式表示的發(fā)展英國語言學家JohnRupertFirth在1957年的《Asynopsisofli

2022-12-03 10:39:07

草履蟲都能上手用的人工智能模型

前排提示：閱讀本文不需要任何人工智能以及算法相關(guān)的知識。你會任何一種編程語言就行，會python當然那更好。僅作為NLP科普，娛樂，實際算法工作并非這么簡單。X：“寶，你搞的是什么算法？”A：“NLP，又叫自然語言處理?！盭：“太抽象了啊”A：“比如聊天機器人？”X：“emmmmm”A：“算了，你自己試一下吧，上車，坐穩(wěn)了?！苯酉聛頃譃閮刹糠郑簺]有Python環(huán)境的我會提供一個colab，但是c

2022-12-01 22:19:10

python 情感分析

MindStudio模型訓(xùn)練場景精度比對全流程和結(jié)果分析

MindStudio是一套基于華為昇騰AI處理器開發(fā)的AI全棧開發(fā)平臺

2022-11-09 14:15:05

tensorflow 昇騰 MindStudio

Workflow，要不要了解一下

Workflow本質(zhì)是開發(fā)者基于實際業(yè)務(wù)場景開發(fā)用于部署模型或應(yīng)用的流水線工具。

2022-10-31 16:53:36

服務(wù)部署 Workflow 流水線

【計算機視覺（CV）】基于k-means實現(xiàn)鳶尾花聚類

【計算機視覺（CV）】基于k-means實現(xiàn)鳶尾花聚類，基于百度飛槳開發(fā)，參考于《機器學習實踐》所作。

2022-10-29 20:13:08

paddle 計算機視覺 k-means

【計算機視覺（CV）】基于高層API實現(xiàn)寶石分類

【計算機視覺（CV）】基于高層API實現(xiàn)寶石分類，基于百度飛槳開發(fā)，參考于《機器學習實踐》所作。

2022-10-27 11:15:21

paddle 計算機視覺高層API

【計算機視覺（CV）】基于全連接網(wǎng)絡(luò)實現(xiàn)寶石分類

【計算機視覺（CV）】基于全連接神經(jīng)網(wǎng)絡(luò)實現(xiàn)寶石分類，基于百度飛槳開發(fā)，參考于《機器學習實踐》所作。

2022-10-26 09:58:13

paddle 計算機視覺全連接神經(jīng)網(wǎng)絡(luò)

Opencv 圖像處理：圖像基礎(chǔ)操作與灰度轉(zhuǎn)化

本文已收錄于Opencv系列專欄： ??深入淺出OpenCV?? ，專欄旨在詳解Python版本的Opencv，為計算機視覺的開發(fā)與研究打下堅實基礎(chǔ)。免費訂閱，持續(xù)更新。圖像屬性1.圖像格式圖像壓縮比: 通過編碼器壓縮后的圖象數(shù)字大小和原圖象數(shù)字大小的壓縮比。BMP 格式 Windows系統(tǒng)下的標準位圖格式，未經(jīng)過壓縮，一般圖像文件會比較大。在很多軟件中被廣泛應(yīng)用。JPEG 格式也是應(yīng)用最廣泛的

2022-10-25 09:22:05

參數(shù)說明灰度灰度圖

Opencv 圖像處理：數(shù)字圖像的必會知識

本文已收錄于Opencv系列專欄： ??深入淺出OpenCV?? ，專欄旨在詳解Python版本的Opencv，為計算機視覺的開發(fā)與研究打下堅實基礎(chǔ)。免費訂閱，持續(xù)更新。數(shù)字圖像1.數(shù)字圖像概念數(shù)字圖像：數(shù)字圖像，又稱數(shù)碼圖像，一幅二維圖像可以由一個數(shù)組或矩陣表示。數(shù)字圖像可以理解為一個二維函數(shù)f(x,y), 其中 x 和 y 是空間平面坐標，而在任意坐標處的值 f 稱為圖像在該點處的強度或灰度。

2022-10-24 18:49:30

數(shù)字圖像 python 計算機視覺

如何進行超參數(shù)調(diào)整？

大家好，我是小寒。????我們都知道在訓(xùn)練機器學習模型時，都需要人工指定一組超參數(shù)。例如，邏輯回歸模型具有不同的求解器，用于查找可以為我們提供最佳輸出的系數(shù)。每個求解器都使用不同的算法來找到最佳結(jié)果，并且這些算法都沒有一個比另一個更好。除非你嘗試所有這些求解器，否則很難判斷哪個求解器在你的數(shù)據(jù)集上表現(xiàn)最好。最好的超參數(shù)是主觀的，并且對于每個數(shù)據(jù)集都不同。Python 中的 Scikit-l

2022-10-24 17:49:45

python 機器學習人工智能

LMS Virtual.Lab二次開發(fā)：聲學仿真理論基礎(chǔ)準備（Python）

采用LMS Virtual.Lab Acoustics聲學軟件，可以直接打開CATIA V5的設(shè)計模型、或者間接導(dǎo)入其它CAD軟件的三維模型，實現(xiàn)從聲學模型創(chuàng)建、復(fù)雜邊界條件加載、快速求解計算，直到計算結(jié)果評估、響應(yīng)峰值定位、問題根源探究、以及快速修改預(yù)測的流程化聲學仿真過程，為用戶提供最完備的聲學分析解決方案。

2022-10-10 06:12:14

頻域時域 matlab

DeepRec 大規(guī)模稀疏模型訓(xùn)練推理引擎

本文將以DeepRec背景、DeepRec功能和DeepRec社區(qū)這三個方面展開敘述

2022-10-08 16:58:11

深度學習稀疏模型

【深度學習前沿應(yīng)用】圖像分類Fine-Tuning

【深度學習前沿應(yīng)用】圖像分類Fine-Tuning

2022-10-07 23:24:43

paddle 人工智能深度學習

Python opencv 圖像特效處理

最近處理視覺相關(guān)的項目，分享一下通過opencv的圖像特效處理，原圖鎮(zhèn)樓1、灰度處理將cv2.imread()方法的第二參數(shù)設(shè)為0即可得到灰色圖像。import cv2img0 = cv2.imread('1.jpg', 0)img1 = cv2.imread('1.jpg', 1)print(img0.shape)print(img1.shape)cv2.imshow('img0', img0)

2022-10-06 08:12:42

彩色圖像灰度圖像融合

【CV知識點匯總與解析】|損失函數(shù)篇

【CV知識點匯總與解析】|損失函數(shù)篇【寫在前面】本系列文章適合Python已經(jīng)入門、有一定的編程基礎(chǔ)的學生或人士，以及人工智能、算法、機器學習求職的學生或人士。系列文章包含了深度學習、機器學習、計算機視覺、特征工程等。相信能夠幫助初學者快速入門深度學習，幫助求職者全面了解算法知識點。1、機器學習中常見的損失函數(shù)及其應(yīng)用場景？用于分類問題：0-1損失函數(shù)：0-1損失函數(shù)可以直觀的刻畫分類的錯誤率，

2022-10-05 16:47:39

損失函數(shù)權(quán)重相似度

深度學習裝機指南：從GPU到顯示器，全套硬件推薦

前言：硬件設(shè)備，是任何一名深度學習er不可或缺的核心裝備。各位初級調(diào)參魔法師們，你們有沒有感到缺少那一根命中注定的魔杖？可是，各種CPU、GPU、內(nèi)存條、外設(shè)，那么多品牌種類型號參數(shù)，到底該怎么選？文章內(nèi)容較長、耐心差的小伙伴直接拉到最后看結(jié)論即可1、GPU顯卡（GPU）是深度學習的重要部件，甚至比CPU更重要。做深度學習不用GPU只用CPU顯然是不明智的，慢的如烏龜，跑個模型等幾天，難熬，但適合

2022-10-05 08:43:12

深度學習數(shù)據(jù)插槽

還能這么玩？將Prompt Tuning用于細粒度的圖像檢索！

還能這么玩？將Prompt Tuning用于細粒度的圖像檢索！【寫在前面】細粒度對象檢索旨在學習判別表示以檢索視覺上相似的對象。然而，現(xiàn)有的最佳性能作品通常在語義嵌入空間上施加成對的相似性，以在有限的數(shù)據(jù)體系中不斷調(diào)整整個模型，從而導(dǎo)致容易收斂到次優(yōu)解。本文提出了細粒度檢索提示調(diào)優(yōu)算法(FRPT)，該算法從樣本提示和特征自適應(yīng)的角度出發(fā)，利用凍結(jié)的預(yù)訓(xùn)練模型來執(zhí)行細粒度檢索任務(wù)。具體地說，F(xiàn)RPT

2022-09-29 08:45:47

細粒度子類權(quán)重

MM2022 | 用StyleGAN進行數(shù)據(jù)增強，真的太好用了

MM2022 | 用StyleGAN進行數(shù)據(jù)增強，真的太好用了【寫在前面】本文研究了生成文本-圖像對的開放性研究問題，以改進細粒度圖像到文本跨模態(tài)檢索任務(wù)的訓(xùn)練，并提出了一種通過揭示StyleGAN2模型隱藏的語義信息來增強配對數(shù)據(jù)的新框架。具體來說，作者首先在給定的數(shù)據(jù)集上訓(xùn)練StyleGAN2模型。然后，將真實圖像投影回StyleGAN2的潛在空間，以獲得潛在代碼。為了使生成的圖像具有可操作性

2022-09-27 08:56:12

數(shù)據(jù)模態(tài)數(shù)據(jù)集

【深度學習前沿應(yīng)用】圖像分類Fine-Tuning

【自然語言處理（NLP）】圖像分類Fine-Tuning，基于百度飛槳開發(fā)，參考于《機器學習實踐》所作。

2022-09-06 17:59:46

paddle 深度學習人工智能

Qt實戰(zhàn)：云曦日歷篇

一款相對完善的日歷軟件——云曦日歷（YXCalendar）

2022-08-22 20:31:22

人工智能 Qt 日歷

【深度學習前沿應(yīng)用】文本分類Fine-Tunning

【自然語言處理（NLP）】基于GRU實現(xiàn)情感分類，基于百度飛槳開發(fā)，參考于《機器學習實踐》所作。

2022-08-18 16:01:03

paddle 人工智能自然語言處理

如何使用 Keras Function API 進行深度學習

聽說過嗎？Keras中的模型還能拆成塊再拼起來，搞得跟樂高一樣，難怪韓國人寫書時用樂高積木舉例子。

2022-08-18 10:30:47

2d 特征提取感知器

【Computer Vision】基于ResNet-50實現(xiàn)CIFAR10數(shù)據(jù)集分類

【Computer Vision】基于ResNet-50實現(xiàn)CIFAR10數(shù)據(jù)集分類，基于百度飛槳開發(fā)，參考于《機器學習實踐》所作。

2022-08-16 16:42:26

paddle python 人工智能

【深度學習前沿應(yīng)用】圖像風格遷移

【深度學習前沿應(yīng)用】圖像風格遷移，基于百度飛槳開發(fā)，參考于《機器學習實踐》所作。

2022-08-12 16:20:19

paddle python 深度學習

【CV】圖像數(shù)據(jù)預(yù)處理詳解

【CV】圖像數(shù)據(jù)預(yù)處理，基于百度飛槳開發(fā)，參考于《機器學習實踐》所作。

2022-08-11 10:50:57

python 人工智能圖像處理

【人工智能】機器學習介紹以及機器學習流程

機器學習機器學習（Machine Learning，ML）是一門多領(lǐng)域交叉學科，涉及概率論、統(tǒng)計學、逼近論、凸分析、算法復(fù)雜度理論等多門學科。研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。普遍認為，機器學習的處理系統(tǒng)和算法是主要通過找出數(shù)據(jù)里隱藏的模式進而做出預(yù)測的識別模式，它是人工智能的一個重要子領(lǐng)域。機器學習分類按照訓(xùn)練樣

2022-08-09 08:26:02

數(shù)據(jù)機器學習數(shù)據(jù)集

【人工智能】機器學習之運用特征臉（eigenface）和sklearn.svm.SVC進行人臉識別

運用特征臉（eigenface）和sklearn.svm.SVC進行人臉識別。首先需要下載一個經(jīng)過預(yù)處理的數(shù)據(jù)集，從數(shù)據(jù)集中找出最有代表性的前5人的預(yù)期結(jié)果第一步，import導(dǎo)入實驗所用到的包import matplotlib.pyplot as pltfrom sklearn.model_selection import train_test_splitfrom sklearn.model_s

2022-07-21 08:45:43

5e 數(shù)據(jù)特征提取

【人工智能】機器學習及與智能數(shù)據(jù)處理Python使用樸素貝葉斯算法對垃圾短信數(shù)據(jù)集進行分類

樸素貝葉斯算法輸入：樣本集合D=｛(x_1,y_1),(x_2,y_2)~(x_m,y_m);待預(yù)測樣本x; 樣本標記的所有可能取值｛c_1,c_2,c_3~c_k｝; 樣本輸入變量X的每個屬性變量X^i的所有可能取值｛a_i1,a_i2,~,a_iAi｝；輸出：待預(yù)測樣本x所屬的類別1.計算標記為c_k的樣本出現(xiàn)概率。2.計算標記c_k的樣本，其X^i分量的屬性值為a_ip的概率。3.根據(jù)上面

2022-07-20 09:04:27

數(shù)據(jù)集樸素貝葉斯特征提取

【人工智能】機器學習之用Python使用ID3算法實例及使用sklearn的決策樹算法對葡萄酒數(shù)據(jù)集進行分類

???ID3算法實例??1.使用sklearn的決策樹算法對葡萄酒數(shù)據(jù)集進行分類，要求：(1)劃分訓(xùn)練集和測試集（測試集占20%）(2)對測試集的預(yù)測類別標簽和真實標簽進行對比(3)輸出分類的準確率(4)調(diào)整參數(shù)比較不同算法（ID3， CART）的分類效果。??2. 利用給定ID3算法，畫出下列訓(xùn)練集的決策樹。???1.葡萄酒分類???(1)劃分訓(xùn)練集和測試集（測試集占20%）test_size等

2022-07-19 07:53:49

d3 數(shù)據(jù)集決策樹

上一頁 1 2 3 4 下一頁

51CTO技術(shù)棧公眾號

業(yè)務(wù)
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(xùn) CTO訓(xùn)練營

^{<blockquote id="thkpo"><rt id="thkpo"></rt></blockquote>}

<blockquote id="thkpo"><p id="thkpo"></p></blockquote>

<blockquote id="thkpo"><p id="thkpo"></p></blockquote>