《深度学习》吴恩达--学习笔记

人工智能与深度学习的应用案例解析及代码实现

引言人工智能（AI）与深度学习（DeepLearning）作为21世纪最具变革性的技术之一，已渗透到医疗、金融、交通、制造等各个领域。
accurater·2025-03-08 00:49

深度学习笔记——基础部分

深度学习是一种机器学习的方式，通过模仿人脑吃力信息的方式，使用多层神经网络来学习数据的复杂模式和特征。
肆——·2025-03-07 23:45

机器学习基础（4）

训练深度学习模型就好比在平行世界里按下发射火箭的按钮，你听不到也看不到。你无法观察流形学习过程，它发生在数千维空间中，即使投影到三维空间中，你也无法解释它。
yyc_audio·2025-03-07 23:42

uniapp学习笔记之知识点大总结

文章目录一、uniapp介绍二、环境搭建2.1、利用HbuilderX初始化项目2.2、运行项目2.3、介绍项目目录和文件作用三、网络1、发起请求2、上传3、下载4、SocketTask1、SocketTask.onMessage(callback)2、SocketTask.send(object)3、SocketTask.close(object)4、SocketTask.onOpen(call
Qiuxuntao·2025-03-07 22:02

00计算机视觉学习内容

计算机视觉（ComputerVision）开发需要掌握数学基础、编程语言、图像处理、机器学习、深度学习等多个方面的知识。
依旧阳光的老码农·2025-03-07 21:26

01计算机视觉学习计划

计算机视觉系统学习计划（3-6个月）本计划按照数学→编程→图像处理→机器学习→深度学习→3D视觉→项目实战的顺序，确保从基础到高级，结合理论和实践。
依旧阳光的老码农·2025-03-07 20:15

特斯拉FSD系统：自动驾驶的未来

FSD系统通过集成先进的计算机视觉、深度学习、传感器融合等技术，利用车辆上安装的多种传感器和先进的计算机视觉技术，实现对周围环境的感知和理解。
百态老人·2025-03-07 19:38

特斯拉FSD不同版本的进化

特斯拉，FSD，自动驾驶，深度学习，计算机视觉，强化学习，神经网络，模型训练1.背景介绍特斯拉自2016年推出Autopilot以来，一直致力于开发全自动驾驶系统，其目标是实现完全无人驾驶，让汽车能够像人类一样感知周围环境
AI智能涌现深度研究·2025-03-07 19:35

使用 Dlib 库进行人脸检测和人脸识别

Dlib具有高效、易用的Python接口，因此它也被广泛应用于Python中进行深度学习和计算机视觉任务。安装Dlib首先，我们需要在Python环境中安装Dlib库。
萧鼎·2025-03-07 19:32

介绍常见的图片分类模型与算法

介绍常见的图片分类模型与算法在机器学习和深度学习的领域中，图片分类任务是一个广泛的应用场景。
萧鼎·2025-03-07 19:31

如何通过卷积神经网络（CNN）有效地提取图像的局部特征，并在CIFAR-10数据集上实现高精度的分类？

模型2.3定义损失函数和优化器2.4训练模型2.5测试模型3.提高分类精度的技巧卷积神经网络（ConvolutionalNeuralNetwork,CNN）是专门为处理具有网格结构数据（如图像）而设计的深度学习模型
浪九天·2025-03-07 19:27

一文读懂！OpenCV 实时人脸识别从 0 到 1，小白也能轻松实操的超详细教程（完整教程及源码）

深入阐述特征提取、模型训练方法，包含传统与深度学习方式，还介绍OpenCV预训练模型的使用与评估。详细讲解实时识别过程，包括打开摄像头、逐帧处理及结果显示优化。
AI_DL_CODE·2025-03-07 18:21

STM32江科大学习笔记

STM32江科大学习笔记-制作中...GPIO操作其它的库函数输出流程输出的库函数输出的例子输入流程输入的库函数输入的例子栗子按键开关类1个按键-控制开跟关2个按键-分别控制开跟关按键双击事件按键长按事件外设模块类蜂鸣器
weixin_38647099·2025-03-07 17:09

弹性算力革命：企业级GPU云服务如何重构AI与图形处理的效能边界

随着人工智能、大数据、深度学习、虚拟现实以及高性能计算等前沿技术在各行业的深入渗透，企业对于大规模并行计算能力的要求越来越高。GPU凭借其卓越的并行计算
·2025-03-07 17:21

弹性算力革命：企业级GPU云服务如何重构AI与图形处理的效能边界

随着人工智能、大数据、深度学习、虚拟现实以及高性能计算等前沿技术在各行业的深入渗透，企业对于大规模并行计算能力的要求越来越高。GPU凭借其卓越的并行计算
·2025-03-07 17:21

江科大51单片机学习笔记之LED点阵屏

文章目录一、LED点阵屏介绍二、LED点阵屏工作原理三、74HC595四、实验1补充：C51的sfr、sbit1、位声明2、74HC595写入字节函数3、测试写入字节函数4、显示数据函数5、LED点阵屏显示笑脸（实验最终现象）四、实验21、点阵屏模块化2、利用文字取模软件生成图像数据3、保存图像数据4、主函数一、LED点阵屏介绍LED点阵屏由若干个独立的LED组成，LED以矩阵的形式排列，以灯珠亮
刘小橙666·2025-03-07 16:04

江科大51单片机学习笔记之蜂鸣器

文章目录一、蜂鸣器介绍二、常用驱动电路三、实验1、将所需的文件添加到工程中2、测试按键和数码管功能是否正常3、添加蜂鸣器功能4、模块化一、蜂鸣器介绍蜂鸣器是一种将电信号转换为声音信号的器件，常用来产生设备的按键音、报警音等提示信号蜂鸣器按驱动方式可分为有源蜂鸣器和无源蜂鸣器•有源蜂鸣器：内部自带振荡源，将正负极接上直流电压即可持续发声，频率固定•无源蜂鸣器：内部不带振荡源，需要控制器提供振荡脉冲才
刘小橙666·2025-03-07 16:04

深度学习主流经典框架PyTorch（day2）

五、Tensor数据转换5.1张量转numpy浅拷贝调用numpy()方法可以把Tensor转换为Numpy，此时内存是共享的。#张量转numpydata_tensor=torch.tensor([[1,2,3],[4,5,6]])data_numpy=data_tensor.numpy()print(type(data_tensor),type(data_numpy))#他们内存是共享的data
inquisitor.dom·2025-03-07 16:32

51单片机学习笔记——第二天：蜂鸣器

今天是51单片机学习的第二天，今天学习了如何使用蜂鸣器，学习笔记如下：蜂鸣器主要分为压电式蜂鸣器和电磁式蜂鸣器两种类型。压电式蜂鸣器，也叫做无源蜂鸣器。这里的源不是指“电源”，而是振荡源。
bit__bit·2025-03-07 16:32

pandas学习笔记—DataFrame查询

1、列查询importpandasaspd#创建测试dfdf_book=pd.DataFrame(data=[['论语',5,5],['三体',10,6],['资治通鉴',8,9],['DEEPLEARNING',3,5],['黄帝内经',7,10]],columns=['书名','数量','单价'],index=['a','b','c','d','e'])#用列名直接访问，单列会返回series
风之小西·2025-03-07 16:59

【AI学习从零至壹】pytorch基础

张量的属性张量的索引和切⽚：张量的拼接张量的算数运算单元素张量In-place操作与numpy之间的转换张量到numpy数组计算图静态计算图动态计算图pytorch计算图可视化pytorch基础PyTorch是⼀个开源的深度学习框架
flyyyya·2025-03-07 15:53

MOE（Mixture of Experts，混合专家）

MixtureofExperts，混合专家）一、MOE架构的核心概念二、MOE架构的工作原理三、MOE架构的优势四、MOE架构的举例五、MOE架构的应用场景MOE（MixtureofExperts，混合专家）架构是一种用于提高深度学习模型性能和效率的神经网络架构设计
ZhangJiQun&MXP·2025-03-07 15:47

深度学习 -- 逻辑回归 PyTorch实现逻辑回归

前言线性回归解决的是回归问题，而逻辑回归解决的是分类问题，这两种问题的区别是前者的目标属性是连续的数值类型，而后者的目标属性是离散的标称类型。可以将逻辑回归视为神经网络的一个神经元，因此学习逻辑回归能帮助理解神经网络的工作原理。什么是逻辑回归？逻辑回归是一种广义的线性回归分析模型，是监督学习的一种重要方法，主要用于二分类问题，但也可以用于多分类问题。逻辑回归的主要思想是，对于一个二分类问题，先根据
冲鸭嘟嘟可·2025-03-07 14:53

深度学习的数学之魂：传统机器学习的超越者

深度学习的数学之魂：传统机器学习的超越者前言第一部分：神经元的数学语言1.1神经元模型的启示1.2激活函数的非线性魔法第二部分：网络结构的层次之美2.1网络结构的多样性2.2层次结构的力量第三部分：图像的力量与直观理解
洋葱蚯蚓·2025-03-07 13:39

机器学习与深度学习里生成模型和判别模型的理解

两个模型是啥我们从几句话进入这两个概念：1、机器学习分为有监督的机器学习和无监督的机器学习；2、有监督的机器学习就是已知训练集数据的类别情况来训练分类器，无监督的机器学习就是不知道训练集的类别情况来训练分类器；3、所以说，有监督的机器学习可以抽象为一个分类task，而无监督的基本完成的是聚类；4、有监督的机器学习中，我们可以概述为通过很多有标记的数据，训练出一个模型，然后利用这个，对输入的X进行预
程序员羊羊·2025-03-07 12:03

计算机视觉 vs 机器视觉 | 机器学习 vs 深度学习：核心差异与行业启示

一、计算机视觉（CV）与机器视觉（MV）：从学术研究到工业落地的分水岭1.定义与目标差异计算机视觉（CV）目标是赋予计算机类似人类的视觉理解能力，通过算法对图像或视频中的目标进行识别、跟踪和语义理解。其核心是研究如何从二维图像反推三维世界的结构和规律。例如，自动驾驶中通过多摄像头融合实现道路场景理解，属于典型的CV任务。机器视觉（MV）聚焦于工业场景的自动化检测与控制，强调实时性和精准性。MV系统
程序员Linc·2025-03-07 12:00

Uboot启动学习笔记之四-uboot之初体验

u-boot初体验在这里我们首先要问自己一个问题，前面将了那么多准备的工作，就是为了启动个uboot，那么uboot到底有什么用?它是一致运行的吗，或者叫她的生命周期如何?uboot属于bootloader的一种，是用来引导启动内核的，它的最终目的就是，从flash中读出内核，放到内存中，启动内核.1.uboot的作用1)uboot主要作用是用来启动操作系统内核。体现在uboot最后一句代码就是启
six2me·2025-03-07 11:16

蚂蚁集团可转正实习算法岗内推-自然语言

具备极佳的工程实现能力，精通C/C++、Java、Pvthon、Perl等至少一门语言:对目前主流的深度学习平台:tensorflow、pytorch、mxnet等，至少对其中一个有上手经验;熟悉深度学习以及常见机器学习算法的原理与算法
飞300·2025-03-07 10:59

深圳传音控股AI算法岗内推

2熟悉常用的机器学习算法，掌握常用的深度学习模型与编程实践。3熟悉Pytorch或TensorFlow等深度学习框架，有一定项目经验。4良好的沟通协调能力，执着的专业精神。
飞300·2025-03-07 10:57

【北上广深杭大厂AI算法面试题】深度学习篇...MobileNet 系列网络发展与高效性分析（附代码）（二）

【北上广深杭大厂AI算法面试题】深度学习篇…MobileNet系列网络发展与高效性分析（附代码）（二）【北上广深杭大厂AI算法面试题】深度学习篇…MobileNet系列网络发展与高效性分析（附代码）（二
努力毕业的小土博^_^·2025-03-07 10:26

Docker中GPU的使用指南

在当今的计算领域，GPU（图形处理单元）已经成为了加速各种计算密集型任务的关键硬件，特别是在深度学习、科学模拟和高性能计算等领域。
俞兆鹏·2025-03-07 10:22

地球科学数据学习笔记---流向与风向、浪向

一、流向（current）流向一般指流体前进的方向、去向，一般以正北方向为正，例如流体从南流向北，则流向为0°，其示意图如下二、风向与浪向风向与浪向一般都指来向，与流向相反，例如风从南吹向北，则为南风，风向为180°。气象数据中一般会将风速数据存成u、v两个分量（雷达数据除外），u分量表示纬向风，v分量表示经向风。u为正，表示西风，风向为270°；v为正，表示南风，风向为180°。示意图如下所示，
fried-ghost·2025-03-07 10:18

深入理解Kettle：ETL工具的学习与实践

本学习笔记着重于Kettle的核心——转换引擎，详细探讨其数据处理的各个步骤，包括数据的输入、转换、输出以及工作原理，提供了一系列的学习资源和实践操作指南，旨在帮助学习者深入理解并掌握Kettle的转换引擎
未知方程 无解·2025-03-07 10:14

Bert模型学习笔记

Bert模型学习笔记Fromhttps://www.bilibili.com/video/BV1Ey4y1874yemmm讲实话这个视频太简单了，不建议看。
文三路张同学·2025-03-07 09:39

Bert学习笔记

一、Bert架构BERT使用了双向的TransformerGPT使用从左到右的单向信息ELMo把单独训练的从左到右及从右到左的LSTM模型进行合并二、Bert预训练任务2.1遮蔽语言模型MLM任务：随机屏蔽（masking）部分输入token，然后只预测那些被屏蔽的token。问题：预训练任务与微调任务不一致原因：在finetuning期间从未看到[MASK]token，预训练和finetunin
缓释多巴胺。·2025-03-07 09:05

【学习笔记5】Linux下cuda、cudnn、pytorch版本对应关系

全球的深度学习研究人员和框架开发人员都依赖cuDN
longii11·2025-03-07 08:56

rhcsa个人学习笔记

一、配置网卡cd/etc/sysconfig/network-scripts/进入网卡文件夹vimifcfg-eth0修改网卡配置ipaddr=172.25.250.10netmask=255.255.255.0gateway=172.25.250.254dns=172.25.250.254systemctlrestartNetworkManagerifdowneth0;关闭网卡ifupeth0;
小峰彩铃·2025-03-07 05:25

Linux | 学习笔记

Linux|学习笔记用户管理用户和组管理#查看用户身份[admin@CentOS8~]$idadminuid=1000(admin)gid=1000(admin)组=1000(admin),10(wheel
Fomalhaut α PsA·2025-03-07 05:24

LLM辅助编程：代码自动生成与优化

LLM,代码生成,代码优化,编程辅助,AI编程,自然语言处理,深度学习1.背景介绍随着软件开发的日益复杂化，程序员面临着越来越高的开发压力和效率要求。
AI智能涌现深度研究·2025-03-07 05:54

国内开源深度学习框架

目录一、国内开源深度学习框架1、PaddlePaddle（百度飞浆）2、MindSpore（华为昇思）3、MegEngine（旷视天元）4、OneFlow（一流科技）5、Jittor（清华计图）二、快速入手
we19a0sen·2025-03-07 05:53

学习笔记 3.容器化技术 1.2 Docker进阶

Docker进阶Docker进阶数据挂载数据卷挂载主机目录Compose集成式应用组合Compose简介安装和卸载使用Compose构建dubbo-admin服务Compose命令说明Compose模板文件Docker进阶数据挂载在容器中管理数据主要有两种方式：数据卷（Volumes）：在Docker可管理的范围内挂载主机目录（Bindmounts）：在宿主机上的内存数据卷数据卷是一个可供一个或者
薛定谔的悠米·2025-03-07 01:15

【免费收藏】清华大学DeepSeek使用手册合集 600页完整版

DeepSeek资料链接：https://pan.quark.cn/s/c927326f70c5在人工智能席卷全球的当下，DeepSeek作为前沿深度学习技术，正推动着全面AI时代的到来。
周师姐·2025-03-07 01:10

YOLOv12改进之A2(区域注意力)

注意力回顾注意力机制作为深度学习领域的核心技术，已广泛应用于自然语言处理和计算机视觉等多个领域。在YOLOv12改进之A2中，注意力机制扮演着关键角色。
清风AI·2025-03-07 00:39

系统架构设计师-第8章-系统质量属性与架构评估-学习笔记

开发期质量属性主要指在软件开发阶段所关注的质量属性，主要包含6个方面。(1)易理解性:指设计被开发人员理解的难易程度。(2)可扩展性:软件因适应新需求或需求变化而增加新功能的能力，也称为灵活性。(3)可重用性:指垂用软件系统或某一部分的难易程度。(4)可测试性:对软件测试以证明其满足需求规范的难易程度.(5)可维护性:当需要修改缺陷、增加功能、提高质量属性时，识别修改点并实施修改的难易程度.(6)
2401_83974370·2025-03-06 23:22

Grok 3能否打破大模型的魔咒？

以前，一提深度学习就能引出一场血雨腥风，现如今却有人说“没钱也能玩”。这风浪可真是一波未平一波又起。也许这就是科技的魅力：一统江湖的法则瞬间瓦解。
TGITCIC·2025-03-06 22:16

深度学习_第二轮

损失函数对偏置和权重求导，x、y作为常量确实，当进行模型训练时，(x)和(y)分别代表输入特征和对应的输出值，它们以数据点对的形式存在，一个数据集中通常包含多对这样的数据。每一对((x_i),(y_i))代表了数据集中的一个样本。在计算损失函数的梯度（即关于权重的偏导数）时，需要考虑整个数据集中的所有样本。对于每个样本((x_i),(y_i))，我们计算其对损失函数的贡献，并通过求和或平均这些贡献
Humingway·2025-03-06 22:16

对深度学习中的基本概念—梯度的理解

“梯度”是深度学习中基本又非常核心的概念，没有它就没有人工智能的今天。然而，即使抛开令人眼花缭乱的术语（比如sgd、ada、moment、adam）不谈，即使最简单的“梯度”本身，也值得讨论一下。
Humingway·2025-03-06 22:15

C++学习笔记（十二）——函数

一、函数的作用函数是C++代码模块化的基础。函数有以下作用：提高代码复用性：相同的代码块可多次调用，而不必重复编写。增强程序可读性：将逻辑拆分，使代码结构更清晰。便于调试和维护：修改函数不会影响其他部分，降低错误风险。二、函数的基本语法语法：返回类型函数名(参数列表){//函数体return返回值;//如果返回类型是void，则不需要return}注意：返回类型：函数返回值的数据类型（如int、d
奕天者·2025-03-06 21:38

《基于WebGPU的下一代科学可视化——告别WebGL性能桎梏》

然而面对当今十亿级粒子模拟、实时物理仿真和深度学习可视化需求，WebGL的架构瓶颈日益凸显。
Eqwaak00·2025-03-06 20:31

自动驾驶---Perception之大模型应用

随着深度学习技术的快速发展，大模型也逐渐在自动驾驶感知模块中得到了广泛应用。本篇博客主要介绍大模型在感知模块的应用。
智能汽车人·2025-03-06 18:14
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他