图深度学习

深度学习：CPU和GPU算力

GPU算力：图形处理单元用于并行处理的能力，尤其是在深度学习
壹十壹·2025-03-11 16:55

深度学习：偏差和方差

偏差（Bias）偏差衡量了模型预测值的平均值与真实值之间的差距。换句话说，偏差描述了模型预测的准确度。一个高偏差的模型容易出现欠拟合，即模型无法捕捉数据中的真实关系，因为它对数据的特征做出了错误的假设。特征：高偏差的模型通常是过于简单的模型，无法对数据中的复杂关系进行准确建模。高偏差模型的训练误差和测试误差可能都较高。解决方法：增加模型复杂度：例如增加多项式的阶数、增加神经网络的层数等。使用更多的
壹十壹·2025-03-11 16:25

目标检测

这里的数字为置信度2.数据集：VOC数据集分4大类20小类；COCO数据集含20万图像、80个类别、超50万目标标注，平均每图7.2个目标。
煤烦恼·2025-03-11 15:22

《颠覆认知，我用大模型+Redis实现SQL智能补全，开发效率暴涨500%》

一、前言：当SQL补全遇到大模型（插入传统SQL补全工具与ChatGPT对比图）你是否还在为这些场景抓狂？
煜bart·2025-03-11 15:21

基于transformer实现机器翻译(日译中)

解码器和注意力机制来实现机器翻译模型2.0含注意力机制的编码器—解码器2.1读取和预处理数据2.2含注意力机制的编码器—解码器2.3训练模型2.4预测不定长的序列2.5评价翻译结果三、使用Transformer架构和PyTorch深度学习库来实现的日中机器翻译模型
小白_laughter·2025-03-11 15:46

【NLP 39、激活函数 ⑤ Swish激活函数】

我的孤独原本是座荒岛，直到你称成潮汐，原来爱是让个体失序的永恒运动——25.2.25Swish激活函数是一种近年来在深度学习中广泛应用的激活函数，由GoogleBrain团队在2017年提出。
L_cl·2025-03-11 14:44

web前端期末大作业：婚纱网页主题网站设计——唯一旅拍婚纱公司网站HTML+CSS+JavaScript

‍静态网站的编写主要是用HTMLDⅣV+CSSJS等来完成页面的排版设计‍，一般的网页作业需要融入以下知识点：div布局、浮动定位、高级css、表格、表单及验证、js轮播图、音频视频Fash的应用、uli
IT-司马青衫·2025-03-11 14:11

SeisMoLLM: Advancing Seismic Monitoring via Cross-modal Transfer with Pre-trained Large Language

摘要深度学习的最新进展给地震监测带来了革命性变化，但开发一个能在多个复杂任务中表现出色的基础模型仍然充满挑战，尤其是在处理信号退化或数据稀缺的情况时。
UnknownBody·2025-03-11 12:29

如何通过深度学习优化操作系统中的故障诊断与恢复机制

如何通过深度学习优化操作系统中的故障诊断与恢复机制（副标题：智能监控、自适应诊断与自动恢复——操作系统故障自愈的新方向）摘要随着现代操作系统在多核、高并发和分布式环境中的广泛应用，系统故障及其恢复问题日益成为影响系统稳定性和业务连续性的关键挑战
金枝玉叶9·2025-03-11 11:21

知识蒸馏论文精选——《Graph-Free Knowledge Distillation for Graph Neural Networks 》

（GFKD）无图知识蒸馏《Graph-FreeKnowledgeDistillationforGraphNeuralNetworks》2021作者是XiangDeng和ZhongfeiZhang，来自纽约州立大学宾汉姆顿分校论文地址见文末摘要知识蒸馏
宇直不会放弃·2025-03-11 11:20

HarmonyNext实战案例：基于ArkTS的高性能图像处理应用开发

通过本案例，您将学习到如何利用HarmonyNext的特性，结合ArkTS的强大功能，实现复杂的图
·2025-03-11 11:49

成功案例丨开发时间从1小时缩短到3分钟：如何利用历史数据训练AI模型，预测设计性能？

在其首个AI驱动项目——摩托车把手设计优化中，Hero采用了PhysicsAI™几何深度学习解决方案，利用历史数据训练AI模型并预测设计性能。A
Altair澳汰尔·2025-03-11 11:45

R语言学习实例：使用R进行数据可视化

在本实例中，我们将使用R语言来创建一些常见的数据可视化图表，包括散点图、柱状图和折线图。我们将展示如何使用R的基本绘图功能和一些常用的绘图库来生成这些图表。散点图是一种用于显示两个变量之间关系的图表。
PixelCoder·2025-03-11 11:15

关于两次项目的学习感悟

经过这两次项目，我学到了以下几点：1.模块化与结构化思维：代码展示了如何将深度学习任务分解为多个模块（如数据加载、模型定义、训练循环、评估等）。
罗婕斯特·2025-03-11 10:43

Python机器学习实战：构建序列到序列(Seq2Seq)模型处理翻译任务

近年来，随着深度学习技术的快速发展，基于神经网络序列到序列（Sequence-to-Seq
AGI大模型与大数据研究院·2025-03-11 09:03

Python第十六课：深度学习入门 | 神经网络解密

本节目标理解生物神经元与人工神经网络的映射关系掌握激活函数与损失函数的核心作用使用Keras构建手写数字识别模型可视化神经网络的训练过程掌握防止过拟合的基础策略一、神经网络基础（大脑的数字化仿生）1.神经元对比生物神经元人工神经元树突接收信号输入层接收特征数据细胞体整合信号加权求和（∑(权重×输入)+偏置）轴突传递电信号激活函数处理输出2.核心组件解析激活函数：神经元的"开关"（如ReLU：max
程之编·2025-03-11 09:03

DeepSeek 根据图片内容画架构图

教学管理│├──财务管理（需确认重复项）│├──毕业管理│└──系统管理│└──工作平台（用户界面）├──学生空间├──教师空间├──教学报告├──通知公告└──下载中心Mermaid代码（可直接生成流程图）
meisongqing·2025-03-11 08:57

【大模型开发】深入解析 DeepSpeed：原理、核心技术与示例代码

深入解析DeepSpeed：原理、核心技术与示例代码DeepSpeed是由微软开源的高性能深度学习训练优化引擎，专注于帮助研究人员和工程团队在分布式环境中高效地训练超大规模模型。
云博士的AI课堂·2025-03-11 08:57

一学就会的深度学习基础指令及操作步骤（6）迁移学习

文章目录迁移学习模型准备数据增强模型训练模型微调和预测检查预测结果迁移学习迁移学习是将一个任务中学到的知识应用到另一个相关任务上，以提高新任务的学习效率和性能。优势：节省训练时间，提高模型性能，尤其在小数据场景下效果显著。核心是利用源域的知识来帮助目标域任务，比如在ImageNet上预训练的模型用于医疗影像分类。源域（SourceDomain）：已有知识的领域（如ImageNet图像库）。目标域（
小圆圆666·2025-03-11 07:49

基于PyTorch的深度学习6——数据处理工具箱2

torchvision有4个功能模块：model、datasets、transforms和utils。主要介绍如何使用datasets的ImageFolder处理自定义数据集，以及如何使用transforms对源数据进行预处理、增强等。下面将重点介绍transforms及ImageFolder。transforms提供了对PILImage对象和Tensor对象的常用操作。1)对PILImage的常
Wis4e·2025-03-11 07:47

基于PyTorch的深度学习——机器学习3

激活函数在神经网络中作用有很多，主要作用是给神经网络提供非线性建模能力。如果没有激活函数，那么再多层的神经网络也只能处理线性可分问题。在搭建神经网络时，如何选择激活函数？如果搭建的神经网络层数不多，选择sigmoid、tanh、relu、softmax都可以；而如果搭建的网络层次较多，那就需要小心，选择不当就可导致梯度消失问题。此时一般不宜选择sigmoid、tanh激活函数，因它们的导数都小于1
Wis4e·2025-03-11 07:47

前端的架构设计与演化实例

本文内容策略依赖项第一个阶段需求架构设计项目示例代码序列图重构领域模型分析当前设计第二个阶段需求架构设计分析当前设计重构项目示例代码序列图分析具体实现重构领域模型思考：
weixin_30677073·2025-03-11 06:42

C#使用winform实现简单的梯形图指令编译和执行，带编译器和虚拟机代码

gui效果图，gui代码太长了就不贴了编译结果LD,test3NOT,STORE,TMP1LD,test1OR,LD,TMP1OUT,test2LD,TMP1RST,testLD,TMP1OUT,test22LD
isyoungboy·2025-03-11 06:41

深度学习与普通神经网络有何区别？

深度学习与普通神经网络的主要区别体现在以下几个方面：一、结构复杂度普通神经网络：通常指浅层结构，层数较少，一般为2-3层，包括输入层、一个或多个隐藏层、输出层。
是理不是里·2025-03-11 06:39

AI 技术 引入 RTK（实时动态定位）系统，可以实现智能化管理和自动化运行

AI解决方案：使用深度学习模型（如卷积神经网络CNN）预测整周模糊度。通过历史数据训练模型，实现快速解算。实例：某无人机公司使用A
小赖同学啊·2025-03-11 06:39

思维导图 代码示例（java 架构)

集群中Session共享存储的实现在分布式系统或集群环境中，确保用户会话（Session）能够在所有节点之间共享是一个关键问题。为了实现这一点，可以采用多种策略和技术。以下是关于如何在Java架构中实现集群中的Session共享存储的主要方面：1.使用集中式存储服务Memcached：轻量级、高性能的内存缓存系统，适用于存储短期的session数据。Redis：功能更强大的键值存储数据库，不仅支持
用心去追梦·2025-03-11 06:08

AI 驱动的软件测试革命：从自动化到智能化的进阶之路

人工智能技术的突破为测试领域注入了新动能，通过机器学习、深度学习、自然语言处理等技术，测试流程正从“被动验证”向“主动预防”演进。
綦枫Maple·2025-03-11 06:08

ClickHouse Keeper 源码解析

内容框架背景架构图核心流程图梳理内部代码流程梳理Nuraft关键配置排坑结论关于我们R
阿里云云栖号·2025-03-11 05:01

句子改写器在线转换的原创性提升策略

、语义拓扑重构技术（SemanticTopologyReconstruction）原理突破传统同义词替换仅影响表层词汇（LexicalLevel），而STR技术通过依存句法分析，构建句子的语义网络拓扑图，
hjehheje·2025-03-11 05:27

Java多线程编程实战：synchronized与Lock锁对比

一、锁机制全景图：从内核态到用户态1.Java锁分类与演进史锁机制悲观锁乐观锁synchronizedReentrantLockCAS版本号机制2.锁升级全流程（synchronized底层原理）无锁→
微风灬浮尘·2025-03-11 04:26

在vue3中使用Mermaid创建可动态生成的时序图

，需要npm一下npminstallmermaid完事之后这样引用importmermaidfrom'mermaid'引用之后就可以开始整活了二、承载Mermaid的容器Mermaid不同于其他的流程图组件
充气大锤·2025-03-11 04:23

MVC开发模式

MVC开发模式先来看张MVC开发模式图MVC是ModelViewController，是模型(model)－视图(view)－**控制器(controller)**的缩写，一种软件设计典范，用一种业务逻辑
流年烟雨绽放在寂寞的晴天·2025-03-11 04:51

使用Activeloop Deep Lake构建深度学习数据仓库与向量存储

技术背景介绍随着深度学习技术的发展，数据的存储与管理成为了一个重要的问题。尤其是对于需要处理大量数据的应用，例如自然语言处理和图像识别，传统的数据存储方式已经无法满足需求。
dgay_hua·2025-03-11 04:49

大语言模型原理基础与前沿 挑战与机遇

它们通过深度学习技术，特别是基于变换器（Transformer）架构的模型，能够在自然语言处理（NLP）任务中表现出色。大语言模型的出现不仅推动了学术研究的发展，也在实际应用中展现了巨大的潜力。
AI大模型应用之禅·2025-03-11 02:07

slf4j导入那个依赖_复杂Spring项目中SLF4J最佳使用姿势

一、Java日志体系概述图1-1Java日志体系概况图1-1展示了Java日志体系的三个主要部分：日志门面接口(SLF4J、JCL)一系列绑定和桥接具体的日志实现先来两个例子：Spring项目中通过CommonsLogging
weixin_39955421·2025-03-11 02:34

C#实现winform中渲染图的展示

在WinForms中实现图形的渲染展示，可以使用GDI+绘图技术。下面是一个简单的示例，演示如何在WinForms中展示一个圆形图形，并根据用户输入的半径动态改变圆的大小：请在VisualStudio中创建一个WinForms应用程序，并将以下代码添加到Form1.cs文件中：usingSystem;usingSystem.Drawing;usingSystem.Windows.Forms;nam
幽兰的天空·2025-03-11 01:01

DeepSeek源码解析（2）

在大模型（如深度学习模型）中，张量扮演着核心角色，具体来说：数据表示：张量用于表示输入数据、模型参数和中间计算结果。
白鹭凡·2025-03-11 01:26

点云语义分割：PointNet++在S3DIS数据集上的训练

PointNet++是一种流行的深度学习方法，可用于处理点云数据，并在各种任务中取得了良好的性能。在本文中，我们将探讨如何使用PointNet++模型在S3DIS数据集上进行训练，并提供相应的源代码。
完美代码·2025-03-11 00:25

PointNet、PointNet++ 基于深度学习的3D点云分类和分割

前言PointNet是直接对点云进行处理的，它对输入点云中的每一个点，学习其对应的空间编码，之后再利用所有点的特征得到一个全局的点云特征。Pointnet提取的全局特征能够很好地完成分类任务，但局部特征提取能力较差，这使得它很难对复杂场景进行分析。PointNet++核心是提出了多层次特征提取结构，有效提取局部特征提取，和全局特征。目录一、PointNet1.1PointNet思路流程1.2Poi
一颗小树x·2025-03-11 00:54

基于YOLOv5的烟雾检测系统：从数据集准备到UI界面实现

近年来，随着深度学习技术的发展，目标检测算法被广泛应用于烟雾检测，尤其是基于YOLOv5的目标检测模型，由于其较高的精度和较低的计算开销，已经成为许多实时检测系统的首选模型。
深度学习&目标检测实战项目·2025-03-11 00:52

Javaweb第一天

一、javase、javaweb、javaee的关系图CS架构：客户机-服务器，类似要在手机上使用某个软件，需要去下载，用户操作界面的体验感好，但是更新功能需要发布，需要兼容不同类型的系统，BS架构：浏览器
2301_76231794·2025-03-10 23:19

思维导图 代码示例（java 架构)

MongoDB使用BSON（BinaryJSON）作为其主要的数据存储格式。BSON是一种二进制表示的结构化数据格式，它扩展了JSON的概念，使其更适合于数据库操作。以下是关于MongoDB数据存储格式的详细介绍：MongoDB数据存储格式BSON(BinaryJSON)定义：BSON是一种类JSON的二进制序列化文档格式，专为高效存储和传输而设计。特点：类型丰富：除了基本的JSON类型外，还支持
用心去追梦·2025-03-10 23:19

TypeScript基础类型详解：与JavaScript的对比与核心价值

一、基础类型全景图1.原生类型的强化JavaScript原生类型：boolean、number、string、undefined、null、symbol、bigintTypeScript完全保
念九_ysl·2025-03-10 23:44

物联网IoT系列之MQTT协议基础知识

MQTT工作原理核心组件核心机制MQTT工作流程1.建立连接2.发布和订阅3.消息确认4.断开连接MQTT工作流程图MQTT在物联网中的应用物联网IoT系列之MQTT协议基础知识物联网IoT是什么？
Nicky.Ma·2025-03-10 22:08

Trae开发功能汇总及详细使用心得

目录1.图生代码（比较适用于前端页面的生成）1.1.简单的页面1.2.复杂的页面（例如多个跳转或动画控件）2.文生代码1.图生代码（比较适用于前端页面的生成）1.1.简单的页面经过几天的实测，搭载claude3.7
un_fired·2025-03-10 21:29

HarmonyOS NEXT开发实战：自定义TabBar案列

效果图预览使用说明：依次点击tabBar页面，除了社区图标之外，其它图标往上移动一小段距离。
一晃有一秋·2025-03-10 20:21

【深度学习】Adam（Adaptive Moment Estimation）优化算法

概述Adam算法结合了动量法（Momentum）和RMSProp的思想，能够自适应调整每个参数的学习率。通过动态调整每个参数的学习率，在非平稳目标（如深度神经网络的损失函数）中表现优异目录基本原理和公式笼统说明：为什么Adam算法可以帮助模型找到更好的参数基本概念动量（Momentum）：跟踪梯度的指数衰减平均（一阶矩），加速收敛并减少震荡。自适应学习率：跟踪梯度平方的指数衰减平均（二阶矩），调整
辰尘_星启·2025-03-10 20:51

思维导图 代码示例（java 架构)

分片与复制的工作原理-思维导图概要您可以创建一个以“MongoDB分片与复制”为核心节点的思维导图，并根据以下分类展开：分片(Sharding)定义将数据分布在多个服务器上目的水平扩展存储容量提高读写吞吐量组件配置
用心去追梦·2025-03-10 19:16

ONNX GraphSurgeon详细介绍

ONNXGraphSurgeon(ONNX-GS)是一个用于操作和修改ONNX（OpenNeuralNetworkExchange）模型图的Python库。
Lntano__y·2025-03-10 19:12

benchmark和baseline的联系与区别

在深度学习算法中，benchmark（基准）和baseline（基线）是两个常用的概念，用于评估算法的性能和进行比较。尽管它们有一些相似之处，但它们在定义和使用上有一些区别。
Lntano__y·2025-03-10 19:41
上一页 12 13 14 15 16 17 18 19 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他