机器学习&&深度学习

AIGC参数设置

在计算机视觉与深度学习的学术研究中，生成文本通常用于论文写作、代码生成、研究思路探索、实验报告撰写等。
@BreCaspian·2025-02-09 08:09

TensorFlow 与 PyTorch 的直观区别

背景TensorFlow与PyTorch都是比较流行的深度学习框架。tf由谷歌在2015年发布，而PyTorch则是FacecbookAI研究团队2016年在原来Torch的基础上发布的。
Cacciatore->·2025-02-09 06:54

PyTorch深度学习实战（37）——CycleGAN详解与实现

PyTorch深度学习实战（37）——CycleGAN详解与实现0.前言1.CycleGAN基本原理2.CycleGAN模型分析3.实现CycleGAN小结系列链接0.前言CycleGAN是一种用于图像转换的生成对抗网络
盼小辉丶·2025-02-09 06:50

使用Python和LangChain加载与解析目录中文档的全面指南：从基础操作到高级技巧

无论是在数据科学、机器学习、自然语言处理，还是在软件开发和文档管理中，我们经常需要批量加载和解析存储在本地文件系统中的文件。
m0_57781768·2025-02-09 04:35

深入探索TTS：一个强大的深度学习文本转语音工具包

TTS简介：开源的文本转语音利器TTS(Text-to-Speech)是由Coqui.ai开发的一个开源深度学习文本转语音工具包。
Nifc666·2025-02-09 04:34

【人工智能-初级】第20章 使用 Matplotlib 和 Seaborn 进行数据可视化

【人工智能-初级】系列专栏【人工智能-初级】第1章人工智能概述【人工智能-初级】第2章机器学习入门：从线性回归开始【人工智能-初级】第3章k-最近邻算法（KNN）：分类和Python实现【人工智能-初级
若北辰·2025-02-09 03:57

深度学习（四）：深度生成模型DGM

深度系列主要为我在国科大研一期间，在《深度学习》课程中所学知识概述，根据PPT制作思维导图，及其课后补充知识-----------------------------------------------
想养一只哈士奇·2025-02-09 01:42

什么是FP8混合精度?

FP8混合精度是一种在深度学习训练中使用8位浮点数（FP8）格式的混合精度训练技术，旨在通过降低数据精度来提升计算效率、减少内存占用和降低训练成本，同时尽量保持模型的性能和准确性。
魔王阿卡纳兹·2025-02-09 01:11

Streamlit是个什么，怎么看是否启动

Streamlit是一个开源的Python库，旨在帮助开发者快速创建交互式的Web应用程序，特别适用于数据科学和机器学习项目。
张3蜂·2025-02-09 01:40

AI 网络安全处理 开源 人工智能+网络安全

人工智能在网络安全领域应用近年来，Agent系统、神经网络、顾问系统、机器学习等人工智能技术在网络安全防御中涌现出很多研究成果。总体
黑客Jack·2025-02-09 01:40

苹果的AI战略：谨慎前行，步步为营

然而，苹果公司却另辟蹊径，其机器学习和人工智能战略高级副总裁约翰·詹南德雷亚公开表示，苹果对AGI的开发并不感兴趣。这一声明在科技界引发热议，苹果的战略选择究竟是保守还是高明？
·2025-02-08 22:35

通过matlab实现机器学习的小项目示例

一个基于鸢尾花分类的MATLAB机器学习小项目示例，涵盖数据预处理、模型训练、评估及可视化全流程，适合入门学习。
MATLAB卡尔曼·2025-02-08 22:24

DQN深度强化学习：CartPole倒立摆任务（完整代码）

DQN（DeepQ-Network，深度Q网络）是Q-Learning的深度学习扩展，通过神经网络替代Q表的方式来解决高维状态空间问题（例如图像输入），开启了深度强化学习时代。它在2013年由Dee
林泽毅·2025-02-08 21:45

python实现yolo目标检测_目标检测|YOLO原理与实现

欢迎交流与转载，文章会同步发布在公众号：机器学习算法全栈工程师(Jeemy110)最新的YOLOv2和YOLOv3:小白将：目标检测|YOLOv2原理与实现(附YOLOv3)zhuanlan.zhihu.com
weixin_39709194·2025-02-08 20:10

深度学习之DCGAN算法深度解析

DCGAN（DeepConvolutionalGenerativeAdversarialNetworks）算法解析1.DCGAN算法由来DCGAN（深度卷积生成对抗网络）是IanGoodfellow在2014年提出的GAN（生成对抗网络）的改进版本，由Radford等人在2015年的论文《UnsupervisedRepresentationLearningwithDeepConvolutional
贾斯汀玛尔斯·2025-02-08 20:08

撰写文献必用的评价指标之普通表格

深度学习文献撰写之普通表格文章目录深度学习文献撰写之普通表格前言一、普通表格总结前言用来撰写深度学习之智慧医疗领域的SIC文献必备一、普通表格表格需要自己设计，其中可以包含各种模型，后面对应各种评价指标
小辉同志·2025-02-08 20:37

机器学习数学基础：20.方程组解的结构

一、教程简介本教程专门为线性代数零基础的小白打造，旨在全面且细致地讲解解方程组与基础解系的相关知识，助力大家逐步扎实地掌握这一重要内容板块。二、知识目标透彻理解非齐次与齐次线性方程组的定义、本质区别以及对应的解法。熟练掌握判断方程组解的存在性的方法，精准把握秩在其中起到的决定性作用。能够独立且准确地求解齐次线性方程组，并规范地表示出其通解。精通判断一个向量组是否为齐次线性方程组的基础解系的方法，并
@心都·2025-02-08 20:05

机器学习数学基础：18.向量组及其线性组合

向量组与线性表示：案例与教程详解一、基础概念（一）向量组向量组是若干同位数列向量组成的集合。比如在平面直角坐标系中，向量组{α⃗1=[10],α⃗2=[01]}\{\vec{\alpha}_1\=\begin{bmatrix}1\\0\end{bmatrix},\vec{\alpha}_2\=\begin{bmatrix}0\\1\end{bmatrix}\}{α1=[10],α2=[01]}，这
@心都·2025-02-08 20:35

机器学习数学基础：8.泰勒公式

一、泰勒公式的由来：为啥我们需要它？同学们，想象一下，你拿到了一块超级复杂、弯弯曲曲，就像一团乱麻似的拼图（假设这拼图代表一个复杂函数，比如一条有各种起伏的波浪线），而你手头只有一些简单的积木块（这里的积木块就是多项式啦），现在要你用这些简单积木拼出拼图的模样，是不是感觉无从下手？这时候，泰勒公式就像一位智慧的导师闪亮登场，它会告诉你：“别慌，孩子，我来教你怎么挑选积木块，怎么决定它们的形状和大小
@心都·2025-02-08 20:34

机器学习数学基础：3.偏导数

偏导数教程一、偏导数的引入在我们研究一元函数y=f(x)y=f(x)y=f(x)时，导数y′=f′(x)y^\prime=f^\prime(x)y′=f′(x)表示函数yyy关于xxx的变化率。然而，当我们遇到多元函数，例如二元函数z=f(x,y)z=f(x,y)z=f(x,y)时，情况变得更加复杂。我们可能会想知道函数zzz在xxx方向或yyy方向上的变化率，这就引入了偏导数的概念。二、偏导数的
@心都·2025-02-08 20:34

机器学习数学基础：2.连续性与导数

函数连续性、瞬时速度、导数相关知识一、函数连续性（一）函数在某点连续的条件有定义：函数在点x0x_0x0处要有明确、确定的值f(x0)f(x_0)f(x0)。例如，f(x)=1xf(x)=\frac{1}{x}f(x)=x1在x=0x=0x=0处无定义，不满足此条件，所以在x=0x=0x=0处不连续。极限存在：当xxx从x0x_0x0左侧（x→x0−x\tox_0^{-}x→x0−）和右侧（x→x
@心都·2025-02-08 20:33

大模型接入Gradio实现本地化部署

Terminator好用的一个终端Gradio官网地址Gradio是一个用于快速创建交互式界面的Python库，这些界面可以用于演示和测试机器学习模型。
山山而川_R·2025-02-08 20:03

大数据集群Spark-on-Yarn+Paddle深度学习模型部署

背景：因数据量较大，想要将模型部署到大数据集群上进行计算。测试环境：Spark版本：2.4.0Python版本：2.6.XPaddlePaddle版本：2.4.2处理器：CPU过程记录:1.python运行环境准备本人使用Anaconda管理虚拟环境。关于虚拟环境的准备：模型需要什么第三方库就安装哪些库，最后可以使用conda-pack打包虚拟环境。1.1conda-pack打包记录在虚拟环境里下
jqtree·2025-02-08 19:32

机器学习数学基础：19.线性相关与线性无关

一、线性相关与线性无关的定义（一）线性相关想象我们有一组向量，就好比是一群有着不同“力量”和“方向”的小伙伴。给定的向量组α⃗1,α⃗2,⋯ ,α⃗m\vec{\alpha}_1,\vec{\alpha}_2,\cdots,\vec{\alpha}_mα1,α2,⋯,αm，如果能找到不全为零的数k1,k2,⋯ ,kmk_1,k_2,\cdots,k_mk1,k2,⋯,km，让k1α⃗1+k2α⃗2
@心都·2025-02-08 18:53

机器学习模型创建的数学原理

1模型工作原理机器学习学习模型主要分为监督学习、无监督学习、半监督学习和强化学习，本文聚焦探讨目前应用最为广泛的监督学习问题，下午如未特殊指明，机器学习特指有监督学习机器学习。
HadesZ~·2025-02-08 15:04

智能制造碳中和实战：基于深度学习的工业碳足迹实时监测与优化系统全解析

深度解析AI驱动的工业能耗智能管控体系——基于生产过程碳足迹实时监测的完整实战引言：智能制造的绿色革命在"双碳"目标驱动下，我国制造业正面临前所未有的能效升级挑战。传统能耗管理存在三大痛点：监测粒度粗放、响应滞后明显、优化缺乏依据。本方案基于DeepSeek-R1工业智能平台，构建了涵盖数据采集、特征工程、动态建模、实时优化的全栈解决方案，实现碳排放强度降低12-18%的实测效果。核心技术架构1.
Coderabo·2025-02-08 15:32

深度学习的一些方向

深度学习的一些方向目录深度学习的一些方向一、多模态1.特征提取（featureextraction)2.文本转图像3.可视化问题回答二、计算机视觉1.深度估计（depthestimation)2.图像分类
xinpao·2025-02-08 15:32

【深度学习】L1损失、L2损失、L1正则化、L2正则化

正则化（L1Regularization）4.L2正则化（L2Regularization）5.总结5.1为什么L1正则化会产生稀疏解L2正则化会让权重变小L1损失、L2损失、L1正则化、L2正则化是机器学习中常用的损失函数和正则化技术
小小小小祥·2025-02-08 15:31

李沐深度学习-多层感知机简洁实现

importtorchimportnumpyasnpimporttorch.nnasnnfromtorch.nnimportinitimporttorchvision.transformsastransformsimporttorch.utils.dataasDataimportsyssys.path.append("路径")importd2lzh_pytorchasd2lnum_inputs,n
大小猫吃猫饼干·2025-02-08 15:31

PyTorch深度学习实战（42）——图像字幕生成

PyTorch深度学习实战（42）——图像字幕生成0.前言1.图像字幕1.1基本概念1.2模型分析1.3数据集分析2.图像字幕生成模型小结系列链接0.前言图像字幕生成(Imagecaptioning)模型是一种将图像与对应描述文字关联起来的神经网络模型
盼小辉丶·2025-02-08 14:57

自学黑客（网络安全），一般人我劝你还是算了吧

基于入门网络安全/黑客打造的：黑客&网络安全入门&进阶学习资源包文章讲述了自学网络安全时常见的误区，如先学编程、过度追求深度学习以及收集过多资料，并提供了前期学习的硬件、软件选择建议，强调了基础编程知识和英文能力的重要性
网安周星星·2025-02-08 14:26

DEEPSEKK GPT等AI体的出现如何重构工厂数字化架构：从设备控制到ERP MES系统的全面优化

随着深度学习（DeepSeek）、GPT等先进AI技术的出现，工厂的数字化架构正在经历前所未有的变革。
有续技术·2025-02-08 14:25

【深度学习】不同领域中对于token的理解

在计算机科学中，“Token”这个术语通常指一串字符或符号在安全领域，它常常指代密钥或访问令牌在自然语言处理（NLP）中，Token通常是文本处理的最小单元，可能是一个单词、词组，或者一个符号如何理解token？假设要让AI识别一句话："Ilovenaturallanguageprocessing!"对于机器来说，它并不会直接理解这句话的含义，而是需要先将这句话拆解成一个个Token单元进行处理。
小小小小祥·2025-02-08 14:55

2025自学黑客（网络安全），一般人学不来

目录：一、自学网络安全学习的误区和陷阱1.不要试图先成为一名程序员（以编程为基础的学习）再开始学习2.不要把深度学习作为入门第一课3.不要收集过多的资料二、学习网络安全的一些前期准备1.硬件选择2.软件选择
程序员羊羊·2025-02-08 12:10

大语言模型应用指南：Gemini简介

LLM基于深度学习技术，通过训练海量的文本数据，能够理解和生成自然语言，并在各种任务中展现出惊人的能力，例如：文本生成:写作故事、诗歌、新闻报道等机器翻译:将一种语言翻译成另一种语言问答系统:回答用户提出的问题代码生成
AI天才研究院·2025-02-08 11:03

深度学习的文本生成：从seq2seq到GPT2和GPT3

文章目录1.背景介绍1.1序列到序列（seq2seq）模型1.1.1编码器1.1.2解码器1.1.3训练1.2Transformer模型1.2.1自注意力机制1.2.2位置编码1.2.3多头注意力1.2.4训练1.3GPT（GenerativePre-trainedTransformer）模型1.3.1预训练1.3.2微调1.3.3生成1.4GPT-2和GPT-31.4.1GPT-21.4.2GP
AI天才研究院·2025-02-08 11:33

机器学习3--numpy

importnumpyasnpnp.array创建数组机器学习数据量很大，ndarray速度快。ndarray的优势：内存块风格，一体式存储，数据类型一样（存储数据地址连续，直接存取，不需要找地
乌鸦不像写字台·2025-02-08 11:33

机器学习数学基础：14.矩阵的公式

1.操作顺序可交换对于矩阵AAA，若存在两种运算???和???，使得(A?)?=(A?)?(A^{?})^{?}\=(A^{?})^{?}(A?)?=(A?)?，这意味着这两种运算的顺序可以交换。由此我们得到以下三个重要等式：(A∗)−1=(A−1)∗(A^{*})^{-1}\=(A^{-1})^{*}(A∗)−1=(A−1)∗：已知伴随矩阵与逆矩阵的关系A∗=∣A∣A−1A^{*}\=|A|A^
@心都·2025-02-08 11:31

深度学习模型格式解析：PyTorch、AWQ 和 GPTQ

在深度学习领域，模型的存储和加载方式直接影响其运行效率、适用场景以及部署方式。
gs80140·2025-02-08 11:00

深入浅出：机器学习的全面解析

深入浅出：机器学习的全面解析引言机器学习（MachineLearning,ML）作为人工智能的一个重要分支，近年来取得了显著进展，并在多个领域中得到了广泛应用。
python算法(魔法师版)·2025-02-08 10:56

AI 驱动的自动化测试框架：提升开发效率与质量

AI驱动的测试框架使用机器学习和深度学习技术，能够自动生成测试用例、智能分析测试结果，并根据历史数据和代码变更预测潜在
桂月二二·2025-02-08 09:19

【Python】将不规则凸多边形映射到单位正方形

写在前面在机器学习领域常需要将数据归一化后才能进行训练等操作，一维数据很容易处理，但对于二维的不规则数据，则需要一些手段，本文就是用来解决这个问题此外，有时候希望可以用循环遍历一个不规则的二维平面，显然难以直接实现
辰尘_星启·2025-02-08 09:16

AI编程工具合集

GPT-4o(OpenAI)这里是一些知名和广泛使用的AI编程工具及其简要介绍：1.框架和库(FrameworksandLibraries)-TensorFlow:由谷歌开发的开源深度学习框架，支持多种平台
109702008·2025-02-08 09:14

深度学习 - 神经网络的原理

##深度学习-神经网络的原理深度学习是机器学习的一个分支，其核心是模拟人脑神经网络的结构和功能，构建多层的神经网络模型，从数据中学习特征并进行预测或分类。**神经网络的基本原理：**1.
test猿·2025-02-08 09:43

【Python】已解决：WARNING: This is a development server. Do not use it in a production deployment. Use a p

不定期更新IT图书，并在评论区抽取随机粉丝，书籍免费包邮到家AI前沿点我跳转探讨人工智能技术领域的最新发展和创新，涵盖机器学习、深度学习、自然
屿小夏·2025-02-08 09:12

一切皆是映射：强化学习在医疗诊断中的应用：挑战与机遇

强化学习作为机器学习的一种重要方法，已经在多个领域中展示了其强大的学习能力和适应性。本文将探讨强化学习在医疗诊断中的应用，包括其在医学图像分析、实验室诊断和个性化治疗等方面的优势与挑战。
AI天才研究院·2025-02-08 07:28

什么是AIOps?

它结合了机器学习、数据分析、自动化等技术来实时监控、分析和优化IT系统的运行，进而帮助运维团队更快地响应问题并做出决策。AIOps的关键特点：自动化问题检测与诊断：AIOps可以自动化地分析大量的
GHY我与春风皆过客·2025-02-08 06:55

Python + DeepSeek 完美结合：本地部署提效指南

随着生成式AI和深度学习技术的快速发展，如何将智能搜索工具与本地部署结合以提升效率成为了许多企业和开发者关注的重点。
Python测试之道·2025-02-08 06:50

AI大语言模型的全面解读

一、大语言模型的定义大语言模型是深度学习的应用之一，尤其在自然语言处理（N
草莓屁屁我不吃·2025-02-08 05:48

运用Faster RCNN、YOLO经典目标检测算法对滑坡图像进行检测

本次实验采用的操作系统为Ubuntu16.04平台，编程环境基于Python，GPU为NVIDIAGeForce740m，在基于深度学习框架CAFFE下进行实验。实验输出结果
AngeliaZ·2025-02-08 04:10
上一页 3 4 5 6 7 8 9 10 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他