机器学习or深度学习

机器学习算法（2）—— 线性回归算法

‘’‘构造数据集’‘’x=[[80,86],[82,80],[85,78],[90,90],[86,82],[82,90],[78,80],[92,94]]y=[84.2,80.6,80.1,90,83.2,87.6,79.4,93.4]‘’‘模型训练’‘’实例化一个估计器estimator=LinearRegression()使用fit方法进行训练estimator.fit(x,y)查看回归系数
疯狂的石头。·2025-03-10 21:35

【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

putty运行python代码_当我关闭putty时如何保持python脚本运行

我准备在VPS上运行Ubuntu上的python脚本.这是机器学习培训过程,因此需要花费大量时间进行培训.如何在不停止该过程的情况下关闭腻子.解决方法:您有两个主要选择：>使用nohup运行命令.这会将它与您的会话取消关联
weixin_39943000·2025-03-10 19:44

ONNX GraphSurgeon详细介绍

它允许开发者在ONNX模型的图结构中进行修改、优化、插入节点、删除节点以及其他图结构操作，是在深度学习推理部署过程中非常有用的工具。
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

同一个问题看看Grok3怎么回答-什么是智能体？

证据倾向于认为，智能体可以是简单的（如恒温器），也可以是复杂的（如自动驾驶汽车），并可能通过机器学习改进性能。
释迦呼呼·2025-03-10 18:40

决策树（Decision Tree）：机器学习中的经典算法

决策树（DecisionTree）是一种基于树形结构的机器学习算法，适用于分类和回归任务。其核心思想是通过一系列的规则判断，将数据集不断划分，最终形成一棵树状结构，从而实现预测目标。
Jason_Orton·2025-03-10 18:39

学习总结项目

近段时间学习了机器学习、线性回归和softmax回归、多层感知机、卷积神经网络、Pytorch神经网络工具箱、Python数据处理工具箱、图像分类等的知识，学习了利用神经网络实现cifar10的操作、手写图像识别项目以及其对应的实验项目报告总结
苏小夕夕·2025-03-10 18:07

第N4周：NLP中的文本嵌入

本人往期文章可查阅：深度学习总结词嵌入是一种用于自然语言处理（NLP）的技术，用于将单词表示为数字，以便计算机可以处理它们。通俗的讲就是，一种把文本转为数值输入到计算机中的方法。
OreoCC·2025-03-10 18:05

深度学习项目十一：mmdetection训练自己的数据集

mmdetection训练自己的数据集这里写目录标题mmdetection训练自己的数据集一：环境搭建二：数据集格式转换(yolo转coco格式)yolo数据集格式coco数据集格式yolo转coco数据集格式yolo转coco数据集格式的代码三：训练dataset数据文件配置configs1.在configs/faster_rcnn/faster-rcnn_r101_fpn_1x_coco.py
小啊磊_Vv·2025-03-10 17:02

深度学习和机器学习的差异

一、技术架构的本质差异传统机器学习（MachineLearning）建立在统计学和数学优化基础之上，其核心技术是通过人工设计的特征工程（FeatureEngineering）构建模型。
The god of big data·2025-03-10 16:28

深度学习 PyTorch 中 18 种数据增强策略与实现

深度学习pytorch之简单方法自定义9类卷积即插即用数据增强通过对训练数据进行多种变换，增加数据的多样性，它帮助我们提高模型的鲁棒性，并减少过拟合的风险。
@Mr_LiuYang·2025-03-10 16:25

Win11及CUDA 12.1环境下PyTorch安装及避坑指南：深度学习开发者的福音

Win11及CUDA12.1环境下PyTorch安装及避坑指南：深度学习开发者的福音【下载地址】Win11及CUDA12.1环境下PyTorch安装及避坑指南本资源文件旨在为在Windows11操作系统及
郁云爽·2025-03-10 16:52

PyBroker: 使用Python进行机器学习驱动的算法交易指南

PyBroker:使用Python进行机器学习驱动的算法交易指南pybrokerAlgorithmicTradinginPythonwithMachineLearning项目地址:https://gitcode.com
任铃冰Flourishing·2025-03-10 16:22

从前端程序员到大模型工程师的转型攻略

第一阶段：打牢基础（第1-4周）深入了解AI与机器学习概念理解：阅读相关书籍、在线课程或观
七七Seven～·2025-03-10 15:19

PyBroker：利用 Python 和机器学习助力算法交易

PyBroker：利用Python和机器学习助力算法交易你是否希望借助Python和机器学习的力量来优化你的交易策略？那么你需要了解一下PyBroker！
skywalk8163·2025-03-10 15:48

Java 中操作 R：深度整合与高效应用

Java中操作R：深度整合与高效应用引言随着大数据和机器学习的快速发展，R语言在数据分析和可视化方面扮演着越来越重要的角色。
froginwe11·2025-03-10 15:18

深度学习笔记——Resnet和迁移学习

1.ResNet的提出深度学习与网络深度的挑战：在深度学习中，网络的“深度”(即层数)通常与模型的能力成正比。然而，随着网络深度的增加，一些问题也随之出现，最突出的是梯度消失/爆炸问题。
肆——·2025-03-10 15:17

大话机器学习三大门派：监督、无监督与强化学习

以武侠江湖为隐喻，系统阐述了机器学习的三大范式：监督学习（少林派）凭借标注数据精准建模，擅长图像分类等预测任务；无监督学习（逍遥派）通过数据自组织发现隐藏规律，在生成对抗网络（GAN）等场景大放异彩；强化学习
安意诚Matrix·2025-03-10 15:44

从零开始学机器学习——什么是机器学习

这个系列的文章旨在为初学者提供机器学习知识，避免使用专业术语和复杂的概念，以便更好地理解和应用。
努力的小雨·2025-03-10 14:12

《基于机器学习的DDoS攻击检测与防御系统设计与实现》开题报告

目录一、课题的研究目的和意义1.1课题背景1.2课题目的（1）提高DDoS攻击检测的准确性（2）加强DDoS攻击的防御能力（3）提升网络安全防护的技术水平1.3课题意义（1）理论意义（2）实践意义二、国内(外)研究现状及分析2.1国内研究现状2.2国外研究现状2.3总结回顾三、课题主要研究内容及可行性分析3.1课题主要内容3.2可行性分析（1）技术成熟度与应用前景（2）数据处理能力四、研究方案和技
大数据蟒行探索者·2025-03-10 14:41

手机租赁平台开发核心技术解析

信用免押系统是这台仪器的核心动力舱，它需要区块链存证技术扮演"数字保镖"，用分布式账本给每笔交易打上防伪钢印；而智能风控模型则化身"AI侦探"，通过机器学习在用户行为数据里嗅出潜在风险。
红点聊租赁·2025-03-10 14:09

打造吸引招聘者的机器学习作品集终极指南！

如何创建一个脱颖而出的机器学习作品集在当今竞争激烈的就业市场中，打造一个强大的机器学习作品集比以往任何时候都更重要。这不仅仅是列出你的技能，更是要展示你的实际能力。
真智AI·2025-03-10 14:38

python 支持向量机回归_深入浅出python机器学习---支持向量机SVM 笔记0114-2020

题前故事：小D最近也交了一个女朋友，但是这个女孩好像非常情绪化，喜怒无常，让小D捉摸不透，小D女朋友的情绪完全不是“线性可分”的，于是小D想到了SVM算法，也就是大名鼎鼎的一一支持向量机。支持向量机理解引入首先需要知道线性可分和线性不可分的概念我们提取样本特征是“是否有妹子”和“是否有好吃的”这两项的时候，能够很容易用图中的直线把男生的情绪分成“开心”和“不开心”两类，这种情况下我们说样本是线性可
weixin_39864387·2025-03-10 13:04

深度学习在SSVEP信号分类中的应用分析

近年来，深度学习方法在SSVEP信号分类中取得了显著的成果。本文通过对31个深
自由的晚风·2025-03-10 12:00

PSPNet在图像超分辨率中的应用

近年来,随着深度学习的发展,基于卷积神经网络(ConvolutionalNeuralNetwork,CNN)的
AI天才研究院·2025-03-10 12:55

基于文本特征的微博谣言检测

本文将介绍如何基于文本特征，使用深度学习模型（如LSTM、CNN）和传统机器学习模型（如SVM）来实现微博谣言检测，并对这些模型的性能进行比较。
机器懒得学习·2025-03-10 11:24

基于机器学习的恶意软件检测系统的详细设计与实现

以下是一个基于机器学习的恶意软件检测系统的详细设计与实现，适合作为课程作业或项目开发。我们将实现一个通过机器学习模型分析恶意软件特征来检测文件是否为恶意软件的系统。
源码空间站11·2025-03-10 11:22

基于深度学习的恶意软件检测系统：设计与实现

近年来，深度学习技术在模式识别和分类任务中取得了显著成效，为恶意软件检测领域带来了新的机遇。
机器懒得学习·2025-03-10 11:49

AI Agent: AI的下一个风口 从图形用户界面到自然语言的进化

AIAgent:AI的下一个风口从图形用户界面到自然语言的进化1.背景介绍1.1人机交互的演变历程1.1.1命令行界面时代1.1.2图形用户界面时代1.1.3自然语言交互的兴起1.2AI技术的发展现状1.2.1机器学习和深度学习的突破
AI天才研究院·2025-03-10 10:45

基于PyTorch的深度学习4——使用numpy实现机器学习vs使用Tensor及Antograd实现机器学习

然后，构建一个机器学习模型，学习表达式y=wx2+b的两个参数w、b。利用数组x，y的数据为训练数据。最后，采用梯度梯度下降法，通过多次迭代，学习到w、b的值。以下为具体步骤：1)导入需要的库。
Wis4e·2025-03-10 09:09

AI 大模型应用数据中心建设：数据中心成本优化

无论是进行深度学习模型的训练，还是大模型应用的推理，数据中心都需要提供充足的计算资源、存储空间和网络带宽。
杭州大厂Java程序媛·2025-03-10 09:38

深度学习-144-Text2SQL之基于langchain的少量样本提示词模板FewShotPromptTemplate的应用实战(三)

文章目录1基本组件1.1大模型1.2数据库Chinook1.2.1创建并载入数据1.2.2SQLDatabase2年龄最大的员工姓名和年龄3少量样本提示词模板3.1创建示例集3.2创建格式化程序3.3创建示例选择器3.4创建少量示例提示词模板3.5应用测试3.6添加新示例4参考附录1基本组件1.1大模型fromlangchain_ollamaimportChatOllamaimportosos.e
皮皮冰燃·2025-03-10 09:36

Pytorch 第九回：卷积神经网络——ResNet模型

Pytorch第九回：卷积神经网络——ResNet模型本次开启深度学习第九回，基于Pytorch的ResNet卷积神经网络模型。这是分享的第四个卷积神经网络模型。
Start_Present·2025-03-10 09:05

RoPE——Transformer 的旋转位置编码

在自然语言处理领域，Transformer是现代深度学习模型的基础，而位置编码（PositionEmbedding）则是Transformer处理序列数据的关键模块之一。
机智的小神仙儿·2025-03-10 09:34

每天五分钟深度学习pytorch：基于Pytorch搭建ResNet模型的残差块

残差块我们分析一下这个残差块，x经过两个卷积层得到F(x)，然后F(x)+x作为残差块的输出，此时就有一个问题，这个问题就是F(x)+x的维度问题，如果图片数据经过两个卷积层之后F(x)变小（height和weight变小）或者通道数发生了变化，那么此时F(x)是没有办法和x相加的，当然我们可以学习前面的GoogLeNet的方式，也就是说卷积之后的F(x)和x一样，大小不变，或者对x变道和F(x)
每天五分钟玩转人工智能·2025-03-10 08:59

Training-free Neural Architecture Searchthrough Variance of Knowledge of Deep Network Weights（预览版本）

代码位置摘要深度学习彻底改变了计算机视觉，但它使用深度网络架构取得了巨大的成功，而这些架构大多是手工制作的，因此可能不是最理想的。
境心镜·2025-03-10 08:54

智能教育：DeepSeek在课堂管理中的应用与代码实现

DeepSeek通过深度学习算法，能够从课堂数据中
Evaporator Core·2025-03-10 07:52

基于PyTorch的深度学习5——神经网络工具箱

可以学习如下内容：•介绍神经网络核心组件。•如何构建一个神经网络。•详细介绍如何构建一个神经网络。•如何使用nn模块中Module及functional。•如何选择优化器。•动态修改学习率参数。5.1核心组件神经网络核心组件不多，把这些组件确定后，这个神经网络基本就确定了。这些核心组件包括：1)层：神经网络的基本结构，将输入张量转换为输出张量。2)模型：层构成的网络。3)损失函数：参数学习的目标函
Wis4e·2025-03-10 07:49

如何成为LangChain项目的贡献者

随着AI和机器学习领域的快速发展，LangChain项目的更新速度也很快。此项目欢迎社区的参与，无论是新功能、基础设施改进、文档提升还是Bug修复，都在积极寻求贡献。
eahba·2025-03-10 06:11

深度学习-Android-图片加载框架-Glide-(二)-切入源码层深入分析-Glide-缓存策略

介绍在上一篇中，我们知道了Glide框架的最基本的执行流程，那么只知道基本执行流程，这显然是不够的，我们要深挖Glide框架的细节处理原理，比如缓存机制，图片处理等，这一篇我们就一起去探索Glide的缓存机制。Glide缓存机制可以说是设计的非常完美，考虑的非常周全，下面就以一张表格来说明下Glide缓存。缓存类型缓存代表说明活动缓存ActiveResources如果当前对应的图片资源是从内存缓存
2401_84123077·2025-03-10 05:38

【人工智能基础】生成模型：让数据“无中生有”的神奇魔法

主要生成模型及其逻辑1、生成对抗网络（GAN）2、变分自编码器（VAE）3、扩散模型（DPM）4、基于能量的模型（EBM）5、正规化流（NF）四、生成模型对比分析五、生成模型的应用拓展一、生成模型的发展脉络在深度学习尚未兴起的时期
roman_日积跬步-终至千里·2025-03-10 03:49

Python开发农村青年婚恋appq (实操)

使用Python开发可以充分利用其在数据处理、机器学习和Web开发方面的优势，构建一个高性能、可扩展且功能丰富的应用。
Geeker-2025·2025-03-10 02:10

核函数及其常见类型

前言本文隶属于专栏《机器学习数学通关指南》，该专栏为笔者原创，引用请注明来源，不足和错误之处请在评论区帮忙指出，谢谢！
Shockang·2025-03-09 23:49

2024年最新PyTorch深度学习项目实战100例数据集_python 深度学习项目演练

前言最近很多订阅了《PyTorch深度学习项目实战100例》的用户私信咨询有些数据集下载不了以及一些文章中没有给出数据集链接，为了解决这个问题，专门开设了本篇文章，提供数据集下载链接，打包100例的所有数据集
2401_84585440·2025-03-09 22:08

PyTorch 学习路线

数学基础：了解线性代数、微积分、概率论（深度学习的基础）。机器学习基础：理解神经网络、损失函数、优化器（如梯度下降）等概念。学习资源Python入门：Python官方教程机器学习基础
gorgor在码农·2025-03-09 22:07

Imagen原理与代码实例讲解

随着深度学习技术的不断发展,生成式对抗网络(GenerativeAdversarialNetworks,GAN)等新型模型逐渐展现出了令人惊叹的图像生成能力。
AI天才研究院·2025-03-09 22:05

机器学习篇——决策树基础

引言：决策树是一种常见的机器学习算法，广泛应用于分类和回归任务。它通过树状结构表示决策过程，每个内部节点代表一个特征测试，每个分支代表一个可能的测试结果，而每个叶节点则代表一个类别或回归值。
巷955·2025-03-09 21:30

当深度学习遇见禅宗：用东方智慧重新诠释DQN算法

当深度学习遇见禅宗：用东方智慧重新诠释DQN算法“好的代码如同山水画，既要工笔细描，又要留白写意”——一个在终端前顿悟的开发者DQN是Q-Learning算法与深度神经网络的结合体，通过神经网络近似Q值函数
带上一无所知的我·2025-03-09 21:28

无监督AI训练:机遇与挑战并存

无监督AI训练：机遇与挑战并存关键词：无监督学习、AI训练、机器学习、聚类算法、降维技术、深度学习摘要：本文深入探讨无监督AI训练这一新兴领域，首先介绍了其基本概念与原理，然后详细解析了无监督AI训练的核心技术
AI天才研究院·2025-03-09 21:28
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他