henhenha
henhenha

机器学习、深度学习、神经网络学习资料集合(开发必备)

最近整理了下AI方面的学习资料，包含了学习社区、入门教程、汲取学习、深度学习、自然语言处理、计算机视觉、数据分析、面试和书籍等方面的知识。在这里分享给大家，欢迎大家点赞收藏。

学习社区

神力AI(MANA)：国内最大的AI代码平台。

Learn AI：一个AI学习交流中心。

AI研习社：一个专注于AI开发者和学术青年求知求职的AI社区。

极市：极市高质量视觉算法开发者社区。

AI导航网：最全最丰富的人工智能网址导航。

智源社区：依托智源研究院强大学者资源，内行AI人自己的家园。

入门

  1. 如何自学人工智能？
  2. 智能机器人从0到1系统入门
  3. 人工智能原理
  4. 深度学习入门与实战
  5. 终于有人把云计算、大数据和人工智能讲明白了
  6. 入门人工智能
  7. 读懂一个 demo，入门机器学习
  8. 了解人工智能
  9. 入行人工智能十大经典书单
  10. 人工智能工业应用痛点及解决思路
  11. 人工智能的全面科普
  12. @那些想要转行AI的人：送你一份人工智能入门指南
  13. 神经网络快速入门：什么是多层感知器和反向传播？
  14. 机器学习入门必备：如何用Python从头实现感知器算法
  15. 人工智能开发者的入门指南
  16. 从入门到精通：卷积神经网络初学者指南
  17. 机器学习敲门砖：任何人都能看懂的TensorFlow介绍
  18. RNN 怎么用？给初学者的小教程
  19. 谷歌官方指南：如何通过玩TensorFlow Playground来理解神经网络
  20. 一篇文章带你进入无监督学习：从基本概念到四种实现模型
  21. 机器学习初学者入门实践：怎样轻松创造高精度分类网络
  22. 如何通过 Python 打造一款简易版 AlphaGo?
  23. 人工智能数学基础----导数
  24. 如何自学人工智能？人工智能好学？初学者如何从零学习人工智能和机器学习？
  25. 人工智能领域的顶级学术期刊大全
  26. 学习人工智能需要哪些必备的数学基础？
  27. 聊聊大数据与人工智能
  28. 大龄程序员的人工智能学习之路
  29. 如何自学人工智能？
  30. 12个的优秀的人工智能开源项目利器
  31. 面向普通开发者的机器学习入门
  32. 超基础的机器学习入门-原理篇
  33. 机器学习入门指南

机器学习

  1. 机器学习流程
  2. 人工智能核心能力提升商业智能
  3. opencv4.0轻松学习入门与实战
  4. 人工智能 keras项目实战
  5. 全球AI比赛实战
  6.  greedy机器学习高阶训练
  7. 如何搭建金融信贷风控中的机器学习模型
  8. 人工智能实战
  9. 机器学习（商务数据分析）
  10. 机器学习资源汇总
  11. 机器学习---决策树
  12. 机器学习(一)：5分钟理解机器学习并上手实践
  13. 机器学习手册学习笔记--图像处理
  14. 机器学习和深度学习的区别
  15. 在Android中借助TensorFlow使用机器学习
  16. 看机器学习如何预测债券收益率
  17. 吴恩达机器学习：无监督学习算法
  18. 机器学习之 sklearn中的pipeline
  19. 33个机器学习常用数据集
  20. 机器学习 --- 线性回归
  21. 统计学习和机器学习
  22. 几个机器学习常用算法
  23. 机器学习经典开源数据集
  24. 机器学习 - sklean
  25. 机器学习项目流程
  26. Python机器学习笔记
  27. 神经网络的监督学习
  28. 机器学习——监督学习&无监督学习
  29. 用于数据分类的无监督学习
  30. 机器学习技术——有监督学习
  31. 监督学习及无监督学习
  32. 无监督学习算法
  33. 监督学习最常见的五种算法
  34. python：sklearn
  35. 机器学习|朴素贝叶斯算法（二）-用sklearn实践贝叶斯
  36. sklearn常用机器学习算法
  37. python机器学习库sklearn——多类、多标签、多输出
  38. sklearn中分类模型评估指标（二）：Kappa系数、混淆矩阵、分类指标报告、汉明损失
  39. 终于有人说清楚了--XGBoost算法
  40. 机器学习：xgboost（回归实战）
  41. 从零解读 Xgboost 算法 (原理+代码)
  42. xgboost的原理没你想像的那么难
  43. 用 XGBoost 在 Python 中进行特征重要性分析和特征选择

深度学习

  1. PyTorch之BN核心参数详解
  2. 量化交易魔鬼训练营
  3. 量化交易进阶实战课迭代式的量化策略研发
  4. Python项目实战从零开始搭建货币量化交易系统
  5. Python金融数字货币量化投资课程
  6. 高等数学学习算法人工智能大数据的必修课
  7. PyTorch之对类别张量进行one-hot编码
  8. 主流深度学习框架对比：看你最适合哪一款？
  9. 深度学习教程：从感知器到深层网络
  10. OpenAI 的 PixelCNN++实现：基于 Python3 和 TensorFlow
  11. 卷积神经网络架构详解：它与神经网络有何不同？
  12. 分布式深度学习：神经网络的分布式训练
  13. Python入门深度学习完整指南
  14. GitHub 上 57 款最流行的开源深度学习项目
  15. 深度学习三大框架对比
  16. 利用Python进行深度学习的完整入门指南
  17. 深度学习局限何在？图网络的出现并非偶然
  18. 23种深度学习库排行榜：TensorFlow最活跃、Keras最流行
  19. 深度学习最常用的算法:Adam优化算法
  20. TensorFlow 深度学习笔记
  21. Alink漫谈(十四) ：多层感知机 之 总体架构
  22. 多层感知机MLP
  23. Julia：用多层感知机解决异或问题
  24. 土法神经网络 Part V：多层感知机
  25. TensorFlow实现多层感知机及可视化训练过程中的数据记录
  26. 从此明白了卷积神经网络（CNN）
  27. 大话卷积神经网络CNN（干货满满）
  28. 用“活着的”CNN进行验证码识别
  29. 卷积神经网络(CNN)介绍与实践
  30. 自回归模型详解与PixelCNN构建
  31. [机器学习读书笔记] - RNNs vs GRUs vs LSTM (附 Trax 基于GRUs的文本生成)
  32. 【RNN从入门到实战】GRU入门到实战——使用GRU预测股票
  33. GRU神经网络
  34. 深度学习之LSTM及GRU
  35. 首次大规模神经机器翻译架构分析结果出炉，LSTM 优于GRU
  36. 透彻的理解：循环神经网络
  37. RNN原理解析与实现(Keras)
  38. 深度学习之循环神经网络RNN(基础篇)

自然语言处理

  1. 自然语言处理总结
  2. [高级]人工智能自然语言处理 nlp
  3. 人工智能方向名企NLP
  4. 导师制名企实训班自然语言处理方向
  5. 自然语言处理介绍
  6. Python自然语言处理分析倚天屠龙记
  7. 教你用Python进行自然语言处理
  8. Python 自然语言处理入门
  9. 自然语言处理中句子相似度计算的几种方法
  10. Python调用自然语言处理包HanLP
  11. 深度学习与自然语言处理
  12. 汉语自然语言处理工具包下载
  13. 自然语言处理系列之一：N元语法-ngram
  14. 自然语言处理领域重要论文&资源全索引
  15. 配置Hanlp自然语言处理进阶
  16. Python自然语言处理只需要5行代码
  17. 自然语言处理入门笔记-> 准确率评测
  18. hanlp中文自然语言处理分词方法说明
  19. 怎样用机器学习8步解决90%的自然语言处理问题？
  20. 最全面的百度NLP自然语言处理技术解析
  21. 自然语言处理在eBay的技术实践
  22. 使用 Python+spaCy 进行简易自然语言处理
  23. 全栈 - 16 NLP 走近自然语言处理
  24. 浏览器中的自然语言处理
  25. 使用sklearn做自然语言处理
  26. NLP入门+实战必读：一文教会你最常见的10种自然语言处理技术
  27. 自然语言处理入门笔记-> 二元语法与中文分词
  28. Pointer Networks在自然语言处理领域中的应用
  29. 使用 Turi Create 在 iOS 上实现自然语言处理
  30. 自然语言处理NLP知识和产品的笔记
  31. 12种自然语言处理的开源工具
  32. 自然语言处理工具包 HanLP在 Spring Boot中的应用

计算机视觉

  1. 基于Python的这个库，我实现了“隔空操物”
  2. 后厂名企CV计算机视觉实战
  3. 医疗大数据与人工智能高级应用 首部影像组学实践
  4. 程序员必看：13个GitHub开源又炫酷的计算机视觉项目
  5. 最新计算机视觉学习路线教程
  6. 31篇文章！计算机视觉从原理到OpenCv实战
  7. 计算机视觉中的transformer模型创新思路总结
  8. OpenCV能做哪些好玩的项目？适合初学者学习的五个计算机视觉项目
  9. iOS计算机视觉—人脸识别
  10. 从神经科学到计算机视觉——50年来CV的发展之路
  11. 【计算机视觉】视频车辆检测与计数
  12. 一文看懂计算机视觉-CV
  13. 计算机视觉开发工程师需要哪些技能？
  14. 深度学习入门：适合初学者的5个计算机视觉免费开源项目
  15. GitHub上的计算机视觉学习资料推荐
  16. 计算机视觉的 基础学习
  17. 深度学习之计算机视觉
  18. 基于 Web 端的人脸识别身份验证
  19. 个高可用的开源人脸识别项目！哪个识别率最高？
  20. 人脸识别 -- 活体检测(张嘴摇头识别)
  21. 自学项目之opencv人脸识别
  22. 震惊！只用20行代码就写出了一个人脸识别的程序
  23. 基于Java实现的人脸识别功能，一切都为了宠粉（附源码）
  24. 计算视觉——图像梯度、图像边缘、几何特征、检测与提取
  25. Python图像处理，cv2模块，OpenCV实现边缘检测
  26. Python图像处理，cv2模块，OpenCV实现目标跟踪
  27. 图像相似度比较和检测图像中的特定物
  28. 图像检索系列——利用 Python 检测图像相似度
  29. 干货｜一文读懂图像局部特征点检测算法
  30. 图像中二维码的检测和定位
  31. Python 图像处理 OpenCV （12）： Roberts 算子、 Prewitt 算子、 Sobel 算子和 Laplacian 算子边缘检测技术
  32. [译] 提取图片中的文字、人脸或者条形码 —— 形状检测API
  33. FastAI：基于机器视觉的典型多目标追踪算法应用实践
  34. AI 论文解读：基于 Transformer 的多目标跟踪方法 TrackFormer

数据分析

  1. 电商用户行为数据分析
  2. 10周成为数据分析师
  3. Pandas数据分析实战
  4. 清华讲师大数据机器学习
  5. python数据智能分析
  6. 京东数据智能分析
  7. SPSS论文数据分析实战
  8. 人人都能学会数据分析
  9. ClickHouse数据分析引擎入门到精通
  10. [数据分析] 数据分析全栈工程师
  11. 如何快速成为数据分析师？
  12. 数据分析，从入门到崩溃
  13. 小白学数据分析--数据分析实操篇
  14. 作为数据分析师，如何提升数据分析能力？
  15. 数据分析入门系列教程-数据清洗
  16. Python | 数据分析实战 Ⅱ
  17. Python数据分析之股票数据
  18. Python数据分析基础知识
  19. 数据分析工具Pandas
  20. 数据分析
  21. 数据分析之RFM分析
  22. 让数据分析自动化：开源数据分析工具Rath介绍
  23. 用 Python 分析了 20 万场吃鸡数据
  24. 一小时搭建实时数据分析平台
  25. 小白数据分析——Python职位全链路分析
  26. 使用 Python 探索和分析数据 入门的入门
  27. Python | 数据分析实战Ⅰ
  28. 量化交易Python数据分析
  29. Python数据分析与挖掘实战--读书笔记
  30. python 数据挖掘算法简要
  31. 数据挖掘：python实战多因子分析
  32. 手机评论文本挖掘与数据分析（Python）
  33. Python 数据挖掘实践—KNN 分类
  34. Python中的Apriori关联算法-市场购物篮分析
  35. 数据挖掘——决策树巩固与 Python 实现
  36. Twitter数据挖掘：如何使用Python分析大数据

面试

  1. 计算机视觉面试经历
  2. 机器学习面试准备大全 - 技能要求、面试例题详解
  3. 苹果、谷歌等大厂的AI面试题被我们搞到手了，你敢来挑战吗？
  4. 我从过去八个月的AI公司面试中学到了什么？
  5. 跳槽季·机器学习面试不完全指南
  6. BAT机器学习面试1000题系列
  7. 数据科学和机器学习面试问题
  8. 160个机器学习面试题
  9. 阿里机器学习七面面经
  10. 机器学习算法面经（腾讯阿里网易）
  11. 面试了8家公司，他们问了我这些机器学习题目
  12. 【面试】美团CV实习岗面试记录
  13. 面试阿里数据分析风控岗挂掉的经历&反思

书籍推荐

神经网络与深度学习

机器学习、深度学习、神经网络学习资料集合(开发必备)_第1张图片

深入浅出神经网络与深度学习

机器学习、深度学习、神经网络学习资料集合(开发必备)_第2张图片

深度学习

机器学习、深度学习、神经网络学习资料集合(开发必备)_第3张图片

深度学习进阶 : 自然语言处理

机器学习、深度学习、神经网络学习资料集合(开发必备)_第4张图片

机器学习实战

机器学习、深度学习、神经网络学习资料集合(开发必备)_第5张图片

机器学习理论导引

机器学习、深度学习、神经网络学习资料集合(开发必备)_第6张图片 

Scikit-Learn与TensorFlow机器学习实用指南

机器学习、深度学习、神经网络学习资料集合(开发必备)_第7张图片

Python大数据分析与机器学习商业案例实战

机器学习、深度学习、神经网络学习资料集合(开发必备)_第8张图片

机器学习与R语言

机器学习、深度学习、神经网络学习资料集合(开发必备)_第9张图片

智慧的疆界

机器学习、深度学习、神经网络学习资料集合(开发必备)_第10张图片

你可能感兴趣的:(深度学习,机器学习,神经网络)

  • PostgreSQL - pgvector 插件构建向量数据库并进行相似度查询 花千树-010 RAG数据库postgresqlAI编程
    在现代的机器学习和人工智能应用中，向量相似度检索是一个非常重要的技术，尤其是在文本、图像或其他类型的嵌入向量的操作中。本文将介绍如何在PostgreSQL中安装pgvector插件，用于存储和检索向量数据，并展示如何通过Python脚本向数据库插入向量并执行相似度查询。一、安装PostgreSQL并配置pgvector插件1.安装PostgreSQL首先，确保你已经安装了PostgreSQL。可以
  • 全面解析NVIDIA显卡：从入门级到旗舰级显卡详解 花千树-010 大模型人工智能算法智能电视
    在选择显卡时，了解不同显卡的性能和适用场景是非常重要的。无论你是预算有限的入门用户，还是追求极致性能的游戏玩家，亦或是专业的内容创作者和深度学习研究人员，NVIDIA都有适合你的显卡。本篇博文将详细列举NVIDIA显卡的各项配置，从低到高逐一整理，并给出适用的使用场景。入门级显卡NVIDIAGeForceGT1030CUDA核心数:384基础频率:1227MHz加速频率:1468MHz显存:2GB
  • 直播预告丨精度优于AlphaFold，基于深度学习实现生物大分子及其互作的三维结构预测
    「MeetAI4S」系列直播第6期将于1月15日19:00准时开播，HyperAI超神经有幸邀请到了南开大学统计与数据科学学院教授郑伟，他本次分享的主题是「AlphaFold3王座未稳，来自学术界的反超：基于深度学习的生物大分子及其互作的三维结构预测」。蛋白质的功能取决于其独特的三维结构，近年来，基于深度学习等人工智能技术的蛋白质结构预测发展迅猛，AlphaFold甚至获得了2024年诺贝尔化学奖
  • AI代码生成工具的未来：杨立昆的洞见与AI革命 前端
    近年来，人工智能（AI）领域取得了令人瞩目的进展，特别是以大型语言模型为代表的AI技术，在自然语言处理、图像生成等领域展现出强大的能力。然而，深度学习先驱杨立昆（YannLeCun）却对现有的AI系统提出了尖锐的批评，他认为目前的AI系统“理解能力远不如猫”，缺乏对真实世界的理解和常识。这引发了人们对AI未来发展方向的思考，也为我们探讨AI代码生成工具，以及AI技术对人类社会的影响提供了新的视角。
  • 未来教育：AI知识库如何重塑学习体验 知识管理知识库知识库软件
    在科技日新月异的今天，教育领域正经历着前所未有的变革。人工智能（AI）技术的快速发展，特别是AI知识库的广泛应用，正在重塑我们的学习体验，使之变得更加高效、个性化和智能化。本文将深入探讨AI知识库如何影响未来教育，以及它如何为学习者提供前所未有的学习体验。一、AI知识库：教育领域的智能助手AI知识库，作为结合了人工智能技术的知识管理系统，不仅能够存储和处理海量信息，还能通过自然语言处理、机器学习等
  • 【TVM 教程】内联及数学函数
    ApacheTVM是一个端到端的深度学习编译框架，适用于CPU、GPU和各种机器学习加速芯片。更多TVM中文文档可访问→https://tvm.hyper.ai/作者：TianqiChen尽管TVM支持基本的算术运算，但很多时候，也需要复杂的内置函数，例如exp取指函数。这些函数是依赖target系统的，并且在不同target平台中可能具有不同的名称。本教程会学习到如何调用这些target-spe
  • mindspore编译报错 小乐快乐 深度学习神经网络
    1、重新创建个工程后无法正常运行，2、使用代码为：华为提供的机器学习监督学习中的代码[quote][size=2][url=forum.php?mod=redirect&goto=findpost&pid=1364937&ptid=165780][color=#999999]回复：HS12发表于2021-10-3018:16[/color][/url][/size]报错信息
  • ai照片放大python源码_AI新时代-大牛教你使用python+Opencv完成人脸解锁（附源码）... weixin_39639505 ai照片放大python源码
    好吧，伙计们，我回来了。说我拖更不写文章的可以过来用你的小拳拳狠命地捶我胸口....那么今天我们来讲关于使用python+opencv+face++来实现人脸验证及人脸解锁。代码量同样不多，你可以将这些代码运用在其它一些智能领域，如智能家居，进门的时候判断你是谁，也可以加入机器学习判断来的人是客人还是熟人。在讲之前我们会先适当的拓扑一下关于人脸识别的知识点。OK废话少说下面开始正是话题。解锁原理：
  • 线性回归：从基础到进阶的全面解析 tester Jeffky 大模型线性回归机器学习算法
    线性回归：从基础到进阶的全面解析线性回归是机器学习中最基本的算法之一，广泛应用于预测和分析。本文将详细介绍线性回归的基本概念、数学原理、实现方法以及在实际应用中的注意事项。我们将通过丰富的代码示例来展示如何从头开始构建一个简单的线性回归模型，并逐步深入到更复杂的场景。1.线性回归的基本概念1.1什么是线性回归？线性回归是一种用于建模两个或多个变量之间关系的统计方法。它假设因变量（目标变量）与一个或
  • YOLOv9改进，YOLOv9检测头融合，适合目标检测、分割任务 挂科边缘 YOLOv9改进目标检测人工智能计算机视觉YOLO
    摘要空间注意力已广泛应用于提升卷积神经网络（CNN）的性能，但它存在一定的局限性。作者提出了一个新的视角，认为空间注意力机制本质上解决了卷积核参数共享的问题。然而，空间注意力生成的注意力图信息对于大尺寸卷积核来说是不足够的。因此，提出了一种新型的注意力机制——感受野注意力（RFA）。现有的空间注意力机制，如卷积块注意力模块（CBAM）和协调注意力（CA），仅关注空间特征，未能完全解决卷积核参数共享
  • YOLOv8改进，YOLOv8检测头融合RFAConv卷积，并添加小目标检测层（四头检测），适合目标检测、分割等 挂科边缘 YOLOv8改进YOLO目标检测人工智能计算机视觉深度学习
    摘要空间注意力已广泛应用于提升卷积神经网络（CNN）的性能，但它存在一定的局限性。作者提出了一个新的视角，认为空间注意力机制本质上解决了卷积核参数共享的问题。然而，空间注意力生成的注意力图信息对于大尺寸卷积核来说是不足够的。因此，提出了一种新型的注意力机制——感受野注意力（RFA）。现有的空间注意力机制，如卷积块注意力模块（CBAM）和协调注意力（CA），仅关注空间特征，未能完全解决卷积核参数共享
  • 基于YOLOv5、YOLOv8和YOLOv10的自助售货机商品检测：深度学习实践与应用 2025年数学建模美赛 YOLO深度学习人工智能目标跟踪目标检测
    引言自助售货机已经成为现代零售和自动化销售领域的重要组成部分。在自助售货机中，商品的检测与管理至关重要。通过精准的商品检测技术，售货机可以在商品售出后自动更新库存，并提供准确的商品信息反馈。然而，在复杂的环境下进行商品检测是一个具有挑战性的问题，尤其是在商品种类繁多、摆放方式多样以及光照条件变化较大的情况下。近年来，基于深度学习的目标检测算法，特别是YOLO（YouOnlyLookOnce）系列模
  • 【分类】【损失函数】处理类别不平衡：CEFL 和 CEFL2 损失函数的实现与应用 丶2136 AI分类人工智能损失函数
    引言在深度学习中的分类问题中，类别不平衡问题是常见的挑战之一。尤其在面部表情分类任务中，不同表情类别的样本数量可能差异较大，比如“开心”表情的样本远远多于“生气”表情。面对这种情况，普通的交叉熵损失函数容易导致模型过拟合到大类样本，忽略少数类样本。为了有效解决类别不平衡问题，Class-balancedExponentialFocalLoss(CEFL)和Class-balancedExponen
  • 交叉熵损失函数（Cross-Entropy Loss） 我叫罗泽南 深度学习人工智能
    原理交叉熵损失函数是深度学习中分类问题常用的损失函数，特别适用于多分类问题。它通过度量预测分布与真实分布之间的差异，来衡量模型输出的准确性。交叉熵的数学公式交叉熵的定义如下：CrossEntroyLoss=−∑i=1Nyi⋅log(y^i)\begin{equation}CrossEntroyLoss=-\sum_{i=1}^{N}y_i\cdotlog(\hat{y}_i)\end{equati
  • 什么是多模态机器学习：跨感知融合的智能前沿 非凡暖阳 人工智能神经网络
    在人工智能的广阔天地里，多模态机器学习（MultimodalMachineLearning）作为一项前沿技术，正逐步解锁人机交互和信息理解的新境界。它超越了单一感官输入的限制，通过整合视觉、听觉、文本等多种数据类型，构建了一个更加丰富、立体的认知模型，为机器赋予了接近人类的综合感知与理解能力。本文将深入探讨多模态机器学习的定义、核心原理、关键技术、面临的挑战以及未来的应用前景，旨在为读者勾勒出这一
  • AI大模型如何赋能电商行业，引领变革 虞书欣的C 人工智能开发语言
    •个性化推荐：利用机器学习算法分析用户的历史购买记录、浏览行为和喜好，生成个性化的产品推荐列表，提升用户的购买意愿和满意度。•优化用户体验：•智能搜索引擎：运用自然语言处理技术，优化搜索引擎，让用户能够通过自然语言进行搜索。•虚拟客服：通过聊天机器人和语音助手，提供24/7的客户支持，快速解答用户咨询。•图像识别：利用计算机视觉技术，用户可以通过拍照识别商品，快速找到相似商品或进行排版搭配推荐。•
  • AI大模型引领医疗变革：十大创新应用场景塑造智慧医疗新时代 和老莫一起学AI 人工智能自动化数据库学习语言模型大模型
    前言在人工智能技术的迅猛发展中，AI大模型以其无与伦比的数据处理能力和深度学习能力，正逐步成为医疗健康领域变革的引领者。本文旨在深入探讨AI大模型在医疗领域的十大创新应用场景，展示其如何显著提升医疗服务效率、赋能临床决策，并推动整个行业向智能化转型。一、智能化诊疗：精准辅助，提升诊断效率AI大模型凭借对海量医疗数据的深度分析，能够协助医生进行更为精准的诊断。例如，百度灵医大模型凭借强大的数据处理能
  • 技术文档的精髓：规划布局、语言表达与更新维护 重庆钢铁侠 经验分享
    本文将从技术文档的规划布局、语言表达以及更新与维护三个方面入手，探讨如何打造一份出色的技术文档，确保信息的系统性、连贯性以及时效性。一：技术文档的规划布局1.1确定文档的整体架构技术文档的规划布局是确保信息呈现系统性和连贯性的关键。首先，需要确定文档的整体架构，这包括章节设置和逻辑顺序。一个好的架构应该能够清晰地指导读者从入门到精通。章节设置：根据文档的目的和受众，合理设置章节。例如，对于深度学习
  • 径向基函数网络（RBF）：让数据“点亮”神经网络的“灯塔” ningaiiii 机器学习与深度学习神经网络php人工智能
    径向基函数网络（RBF）：让数据“点亮”神经网络的“灯塔”1.引言径向基函数网络（RadialBasisFunctionNetwork,RBF）是一种特殊的前馈神经网络，它的核心思想是通过“灯塔”来照亮数据的分布。RBF网络使用径向基函数（如高斯函数）作为隐层神经元的激活函数，能够快速学习数据的局部特征，特别适合分类和函数逼近问题。2.算法原理2.1网络结构RBF网络的基本组成包括：输入层：接收原
  • 数学：机器学习的理论基石 每天五分钟玩转人工智能 机器学习人工智能
    一、数学：机器学习的理论基石机器学习是一种通过数据学习模式和规律的科学。其核心目标是从数据中提取有用的信息，以便对未知数据进行预测和分类。为了实现这一目标，机器学习需要一种数学框架来描述和解决问题。数学在机器学习中起着至关重要的作用，它提供了一种数学模型来描述数据和模式，以及一种数学方法来优化模型。数学在机器学习中的应用非常广泛，涵盖了线性代数、概率论、统计学、微积分、优化等多个领域。这些数学方法
  • 【机器学习：二十六、决策树】 KeyPan 机器学习机器学习决策树人工智能算法深度学习数据挖掘
    1.决策树概述决策树是一种基于树状结构的监督学习算法，既可以用于分类任务，也可以用于回归任务。其主要通过递归地将数据划分为子集，从而生成一个具有条件结构的树模型。核心概念节点（Node）：每个节点表示一个特定的决策条件。根节点（RootNode）：树的起点，包含所有样本。分支（Branch）：每个分支代表一个条件划分的结果。叶节点（LeafNode）：终止节点，表示最终的决策结果。优点直观可解释：
  • 基于深度学习的推荐系统构建：Movielens 数据集 fresh的转码之路 深度学习人工智能机器学习推荐算法
    基于深度学习的推荐系统构建：Movielens数据集依赖环境代码语言：python3.11.5开发平台：pycharmtensorflow版本：2.18.0MovieLen1M数据及简介MovieLens1M数据集包含包含6000个用户在近4000部电影上的100万条评分，也包括电影元数据信息和用户属性信息。下载地址为：http://files.grouplens.org/datasets/mov
  • 机器学习数学基础-极值和最值 华东算法王（原聪明的小孩子 小孩哥解析宋浩微积分机器学习算法人工智能
    极值和最值极值和最值是数学中关于函数变化的重要概念，它们描述了函数在某些点附近或在整个定义域内的“最大”或“最小”行为。理解极值和最值对优化问题、函数分析、物理建模等领域有重要的应用。1.极值（LocalExtrema）极值是指函数在某个区间内的某一点取得的局部最大值或最小值。(1)局部最大值（LocalMaximum）一个函数在某点(x=c)取得局部最大值，意味着存在一个包含(c)的小区间，使得
  • 17-7 向量数据库之野望7 - PostgreSQL 和pgvector 拉达曼迪斯II AIGC学习数据库管理工具AI创业数据库postgresql人工智能机器学习AIGC搜索引擎
    PostgreSQL是一款功能强大的开源对象关系数据库系统，它已将其功能扩展到传统数据管理之外，通过pgvector扩展支持矢量数据。这一新增功能满足了对高效处理高维矢量数据日益增长的需求，这些数据通常用于机器学习、自然语言处理(NLP)和推荐系统等应用。https://github.com/mazzasaverio/find-your-opensource-project什么是pgvector？
  • 海外抖音技术深度解析：算法、AI与全球化的挑战 神探阿航 计算机产业科普与思考算法人工智能机器学习数据挖掘深度学习
    引言2025年1月19日，在美国宣布暂停服务，这一事件引发了全球用户的广泛关注。作为全球最受欢迎的短视频平台之一，其成功离不开其强大的技术支撑，尤其是其个性化推荐算法和AI驱动的创作工具。然而，随着全球市场环境的变化，它面临的技术与运营挑战也日益凸显。本文将深入分析其技术核心、全球化运营中的挑战及其未来发展方向。核心：个性化推荐引擎其算法是其成功的关键，其核心在于个性化推荐引擎。该引擎采用深度学习
  • YOLOv8与Transformer：探索目标检测的新架构 AI架构设计之禅 AI大模型应用入门实战与进阶大数据AI人工智能计算科学神经计算深度学习神经网络大数据人工智能大型语言模型AIAGILLMJavaPython架构设计AgentRPA
    YOLOv8与Transformer：探索目标检测的新架构关键词：目标检测，深度学习，YOLOv8，Transformer，计算机视觉，卷积神经网络摘要：目标检测是计算机视觉领域的一项重要任务，其目标是从图像或视频中识别和定位特定对象。近年来，YOLO（YouOnlyLookOnce）系列算法以其高精度和高速度成为目标检测领域的佼佼者。最新版本的YOLOv8引入了Transformer架构，进一步
  • 图像生成大模型：Imagen 详解 转角再相遇 imagenpython深度学习计算机视觉
    近年来，图像生成技术取得了显著进展，推动了计算机视觉和生成对抗网络（GAN）等领域的发展。Imagen是一个新兴的图像生成大模型，其在生成高质量、逼真图像方面表现出色。本文将详细讲解Imagen的基本原理、架构、训练流程及应用场景。1.Imagen的基本原理1.1什么是Imagen？Imagen是一种基于深度学习的图像生成模型，结合了自注意力机制（Self-attentionMechanism）和
  • 【MySQL】Mysql数据库导入导出sql文件、备份数据库、迁移数据库 程序员洲洲 数据库数据库mysql导入导出sqlsql文件备份迁移
    本文摘要：本文提出了xxx的实用开发小技巧。作者介绍：我是程序员洲洲，一个热爱写作的非著名程序员。CSDN全栈优质领域创作者、华为云博客社区云享专家、阿里云博客社区专家博主。同时欢迎大家关注其他专栏，我将分享Web前后端开发、人工智能、机器学习、深度学习从0到1系列文章。同时洲洲已经建立了程序员技术交流群，如果您感兴趣，可以私信我加入我的社群，也可以直接vx联系（文末有名片）v：bdizztt随时
  • 实战千问2大模型第五天——VLLM 运行 Qwen2-VL-7B（多模态） 学术菜鸟小晨 千问多模型qwen2vl
    一、简介VLLM是一种高效的深度学习推理库，通过PagedAttention算法有效管理大语言模型的注意力内存，其特点包括24倍的吞吐提升和3.5倍的TGI性能，无需修改模型结构，专门设计用于加速大规模语言模型（LLM）的推理过程。它通过优化显存管理、支持大模型的批处理推理以及减少不必要的内存占用，来提高多GPU环境下的推理速度和效率。VLLM的核心特点包括：显存高效性：VLLM能够动态管理显存，
  • qwenvl 代码中的attention pool 注意力池如何理解，attention pool注意力池是什么？ OpenSani AI大模型计算机视觉语言模型qwenvlLLM
    qwenvl中的attentionpool如何理解，其实这就是一个概念的问题看qwenvl的huggingface的代码的时候，发现代码里有一个Resampler以及attn_pool，这和之前理解的连接池线程池表示资源复用的意思不太一样，查了一下：注意这里的pool和线程池连接池里面的pool不一样:深度学习中的池化：池化在深度学习中主要指通过滑动窗口对特征图进行下采样，提取最重要的特征，减少计
  • 书其实只有三类 西蜀石兰 类
    一个人一辈子其实只读三种书，知识类、技能类、修心类。 知识类的书可以让我们活得更明白。类似十万个为什么这种书籍，我一直不太乐意去读，因为单纯的知识是没法做事的，就像知道地球转速是多少一样（我肯定不知道），这种所谓的知识，除非用到，普通人掌握了完全是一种负担，维基百科能找到的东西，为什么去记忆？ 知识类的书，每个方面都涉及些，让自己显得不那么没文化，仅此而已。社会认为的学识渊博，肯定不是站在
  • 《TCP/IP 详解，卷1：协议》学习笔记、吐槽及其他 bylijinnan tcp
    《TCP/IP 详解，卷1：协议》是经典，但不适合初学者。它更像是一本字典，适合学过网络的人温习和查阅一些记不清的概念。 这本书，我看的版本是机械工业出版社、范建华等译的。这本书在我看来，翻译得一般，甚至有明显的错误。如果英文熟练，看原版更好： http://pcvr.nl/tcpip/ 下面是我的一些笔记，包括我看书时有疑问的地方，也有对该书的吐槽，有不对的地方请指正： 1.
  • Linux—— 静态IP跟动态IP设置 eksliang linuxIP
    一.在终端输入 vi /etc/sysconfig/network-scripts/ifcfg-eth0 静态ip模板如下： DEVICE="eth0" #网卡名称 BOOTPROTO="static" #静态IP（必须） HWADDR="00:0C:29:B5:65:CA" #网卡mac地址 IPV6INIT=&q
  • Informatica update strategy transformation 18289753290
    更新策略组件： 标记你的数据进入target里面做什么操作，一般会和lookup配合使用，有时候用0,1,1代表 forward  rejected rows被选中，rejected row是输出在错误文件里，不想看到reject输出，将错误输出到文件，因为有时候数据库原因导致某些column不能update，reject就会output到错误文件里面供查看，在workflow的
  • 使用Scrapy时出现虽然队列里有很多Request但是却不下载，造成假死状态 酷的飞上天空 request
    现象就是： 程序运行一段时间，可能是几十分钟或者几个小时，然后后台日志里面就不出现下载页面的信息，一直显示上一分钟抓取了0个网页的信息。 刚开始已经猜到是某些下载线程没有正常执行回调方法引起程序一直以为线程还未下载完成，但是水平有限研究源码未果。 经过不停的google终于发现一个有价值的信息，是给twisted提出的一个bugfix 连接地址如下http://twistedmatrix.
  • 利用预测分析技术来进行辅助医疗 蓝儿唯美 医疗
    2014年，克利夫兰诊所（Cleveland Clinic）想要更有效地控制其手术中心做膝关节置换手术的费用。整个系统每年大约进行2600例此类手术，所以，即使降低很少一部分成本，都可以为诊 所和病人节约大量的资金。为了找到适合的解决方案，供应商将视野投向了预测分析技术和工具，但其分析团队还必须花时间向医生解释基于数据的治疗方案意味着 什么。  克利夫兰诊所负责企业信息管理和分析的医疗
  • java 线程(一)：基础篇 DavidIsOK java多线程线程
                                                            &nbs
  • Tomcat服务器框架之Servlet开发分析 aijuans servlet
    最近使用Tomcat做web服务器，使用Servlet技术做开发时，对Tomcat的框架的简易分析： 疑问： 为什么我们在继承HttpServlet类之后，覆盖doGet(HttpServletRequest req, HttpServetResponse rep)方法后，该方法会自动被Tomcat服务器调用，doGet方法的参数有谁传递过来？怎样传递？ 分析之我见： doGet方法的
  • 揭秘玖富的粉丝营销之谜 与小米粉丝社区类似 aoyouzi 揭秘玖富的粉丝营销之谜
    玖富旗下悟空理财凭借着一个微信公众号上线当天成交量即破百万，第七天成交量单日破了1000万;第23天时，累计成交量超1个亿……至今成立不到10个月，粉丝已经超过500万，月交易额突破10亿，而玖富平台目前的总用户数也已经超过了1800万，位居P2P平台第一位。很多互联网金融创业者慕名前来学习效仿，但是却鲜有成功者，玖富的粉丝营销对外至今仍然是个谜。   　　近日，一直坚持微信粉丝营销
  • Java web的会话跟踪技术 百合不是茶 url会话Cookie会话Seession会话Java Web隐藏域会话
    会话跟踪主要是用在用户页面点击不同的页面时,需要用到的技术点   会话:多次请求与响应的过程     1,url地址传递参数,实现页面跟踪技术          格式:传一个参数的 url?名=值     传两个参数的 url?名=值 &名=值   关键代码
  • web.xml之Servlet配置 bijian1013 javaweb.xmlServlet配置
    定义： <servlet> <servlet-name>myservlet</servlet-name> <servlet-class>com.myapp.controller.MyFirstServlet</servlet-class> <init-param> <param-name>
  • 利用svnsync实现SVN同步备份 sunjing SVN同步E000022svnsync镜像
    1. 在备份SVN服务器上建立版本库    svnadmin create test 2. 创建pre-revprop-change文件     cd test/hooks/     cp pre-revprop-change.tmpl pre-revprop-change 3. 修改pre-revprop-
  • 【分布式数据一致性三】MongoDB读写一致性 bit1129 mongodb
    本系列文章结合MongoDB，探讨分布式数据库的数据一致性，这个系列文章包括： 数据一致性概述与CAP 最终一致性(Eventually Consistency) 网络分裂(Network Partition)问题 多数据中心(Multi Data Center) 多个写者(Multi Writer)最终一致性 一致性图表(Consistency Chart) 数据
  • Anychart图表组件-Flash图转IMG普通图的方法 白糖_ Flash
    问题背景：项目使用的是Anychart图表组件，渲染出来的图是Flash的，往往一个页面有时候会有多个flash图，而需求是让我们做一个打印预览和打印功能，让多个Flash图在一个页面上打印出来。   那么我们打印预览的思路是获取页面的body元素，然后在打印预览界面通过$("body").append(html)的形式显示预览效果，结果让人大跌眼镜：Flash是
  • Window 80端口被占用 WHY? bozch 端口占用window
    平时在启动一些可能使用80端口软件的时候，会提示80端口已经被其他软件占用，那一般又会有那些软件占用这些端口呢？    下面坐下总结：         1、web服务器是最经常见的占用80端口的，例如：tomcat , apache  , IIS , Php等等；         2
  • 编程之美-数组的最大值和最小值-分治法（两种形式） bylijinnan 编程之美
    import java.util.Arrays; public class MinMaxInArray { /** * 编程之美 数组的最大值和最小值 分治法 * 两种形式 */ public static void main(String[] args) { int[] t={11,23,34,4,6,7,8,1,2,23}; int[]
  • Perl正则表达式 chenbowen00 正则表达式perl
    首先我们应该知道 Perl 程序中，正则表达式有三种存在形式，他们分别是： 匹配：m/<regexp>;/ （还可以简写为 /<regexp>;/ ，略去 m） 替换：s/<pattern>;/<replacement>;/ 转化：tr/<pattern>;/<replacemnt>;
  • [宇宙与天文]行星议会是否具有本行星大气层以外的权力呢? comsci
          举个例子: 地球,地球上由200多个国家选举出一个代表地球联合体的议会,那么现在地球联合体遇到一个问题,地球这颗星球上面的矿产资源快要采掘完了....那么地球议会全体投票,一致通过一项带有法律性质的议案,既批准地球上的国家用各种技术手段在地球以外开采矿产资源和其它资源........    &
  • Oracle Profile 使用详解 daizj oracleprofile资源限制
    Oracle Profile 使用详解 转 一、目的： Oracle系统中的profile可以用来对用户所能使用的数据库资源进行限制，使用Create Profile命令创建一个Profile，用它来实现对数据库资源的限制使用，如果把该profile分配给用户，则该用户所能使用的数据库资源都在该profile的限制之内。 二、条件： 创建profile必须要有CREATE PROFIL
  • How HipChat Stores And Indexes Billions Of Messages Using ElasticSearch & Redis dengkane elasticsearchLucene
    This article is from an interview with Zuhaib Siddique, a production engineer at HipChat, makers of group chat and IM for teams. HipChat started in an unusual space, one you might not
  • 循环小示例，菲波拉契序列，循环解一元二次方程以及switch示例程序 dcj3sjt126com c算法
    # include <stdio.h> int main(void) { int n; int i; int f1, f2, f3; f1 = 1; f2 = 1; printf("请输入您需要求的想的序列："); scanf("%d", &n); for (i=3; i<n; i
  • macbook的lamp环境 dcj3sjt126com lamp
      sudo vim /etc/apache2/httpd.conf   /Library/WebServer/Documents 是默认的网站根目录   重启Mac上的Apache服务   这个命令很早以前就查过了，但是每次使用的时候还是要在网上查： 停止服务：sudo /usr/sbin/apachectl stop 开启服务：s
  • java ArrayList源码 下 shuizhaosi888 ArrayList源码
    版本 jdk-7u71-windows-x64   JavaSE7 ArrayList源码上：http://flyouwith.iteye.com/blog/2166890     /** * 从这个列表中移除所有c中包含元素 */ public boolean removeAll(Collection<?> c) {
  • Spring Security（08）——intercept-url配置 234390216 Spring Securityintercept-url访问权限访问协议请求方法
    intercept-url配置 目录 1.1     指定拦截的url 1.2     指定访问权限 1.3     指定访问协议 1.4     指定请求方法   1.1   &n
  • Linux环境下的oracle安装 jayung oracle
    linux系统下的oracle安装 本文档是Linux(redhat6.x、centos6.x、redhat7.x) 64位操作系统安装Oracle 11g(Oracle Database 11g Enterprise Edition Release 11.2.0.4.0 - 64bit Production)，本文基于各种网络资料精心整理而成，共享给有需要的朋友。如有问题可联系：QQ：52-7
  • hotspot虚拟机 leichenlei javaHotSpotjvm虚拟机文档
    JVM参数  http://docs.oracle.com/javase/6/docs/technotes/guides/vm/index.html   JVM工具 http://docs.oracle.com/javase/6/docs/technotes/tools/index.html   JVM垃圾回收 http://www.oracle.com
  • 读《Node.js项目实践：构建可扩展的Web应用》 ——引编程慢慢变成系统化的“砌砖活” noaighost Webnode.js
    读《Node.js项目实践：构建可扩展的Web应用》 ——引编程慢慢变成系统化的“砌砖活” 眼里的Node.JS 初初接触node是一年前的事，那时候年少不更事。还在纠结什么语言可以编写出牛逼的程序，想必每个码农都会经历这个月经性的问题：微信用什么语言写的？facebook为什么推荐系统这么智能，用什么语言写的？dota2的外挂这么牛逼，用什么语言写的？……用什么语言写这句话，困扰人也是阻碍
  • 快速开发Android应用 rensanning android
    Android应用开发过程中，经常会遇到很多常见的类似问题，解决这些问题需要花时间，其实很多问题已经有了成熟的解决方案，比如很多第三方的开源lib，参考 Android Libraries 和 Android UI/UX Libraries。 编码越少，Bug越少，效率自然会高。 但可能由于 根本没听说过、听说过但没用过、特殊原因不能用、自己已经有了解决方案等等原因，这些成熟的解决
  • 理解Java中的弱引用 tomcat_oracle java工作面试
    　不久之前，我 面试了一些求职Java高级开发工程师的应聘者。我常常会面试他们说，“你能给我介绍一些Java中得弱引用吗？”，如果面试者这样说，“嗯，是不是垃圾回收有关的？”，我就会基本满意了，我并不期待回答是一篇诘究本末的论文描述。 　　然而事与愿违，我很吃惊的发现，在将近20多个有着平均5年开发经验和高学历背景的应聘者中，居然只有两个人知道弱引用的存在，但是在这两个人之中只有一个人真正了
  • 标签输出html标签" target="_blank">关于标签输出html标签 xshdch jsp
    http://back-888888.iteye.com/blog/1181202 关于<c:out value=""/>标签的使用，其中有一个属性是escapeXml默认是true(将html标签当做转移字符，直接显示不在浏览器上面进行解析)，当设置escapeXml属性值为false的时候就是不过滤xml，这样就能在浏览器上解析html标签， &nb
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他