机机器学习第15页

Python机器学习实战：使用Flask构建机器学习API

Python机器学习实战：使用Flask构建机器学习API作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming1.背景介绍1.1问题的由来在数据科学和机器学习领域

AI天才研究院·2025-03-11 20:03

【TVM教程】为 Mobile GPU 自动调优卷积网络

ApacheTVM是一个深度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。

·2025-03-11 19:35

XGBoost常见面试题（五）——模型对比

XGBoost与GBDT的区别机器学习算法中GBDT和XGBOOST的区别有哪些？

月亮月亮要去太阳·2025-03-11 18:15

基于Java的智能家居设计：模块化智能插座的设计与实现

传统的智能插座往往采用单片机或嵌入式系统，功能相对单一，难以扩展和升级。随着物联网技术的快速发展，

AGI大模型与大数据研究院·2025-03-11 17:37

Python从0到100（七十六）：计算机视觉-直方图和自适应直方图均衡化

想做这件事情很久了，这次我更新了自己所写过的所有博客，汇集成了Python从0到100，共一百节课，帮助大家一个月时间里从零基础到学习Python基础语法、Python爬虫、Web开发、计算机视觉、机器学习

是Dream呀·2025-03-11 17:35

云原生Serverless平台：无服务器计算的架构革命

引言：从虚拟机到函数即服务(FaaS)AWSLambda每天处理数十万亿次请求，阿里巴巴函数计算支撑双十一亿级事件触发。

桂月二二·2025-03-11 16:01

机器学习之线性代数

文章目录一、引言：线性代数为何是AI的基石二、向量：AI世界的基本构建块（一）向量的定义（二）向量基础操作（三）重要概念三、矩阵：AI数据的强大容器（一）矩阵的定义（二）矩阵运算（三）矩阵特性（四）矩阵分解（五）Python示例（使用NumPy库）四、线性代数在AI中的应用（一）数据表示（二）降维：PCA（三）线性回归（四）计算机视觉（五）自然语言处理一、引言：线性代数为何是AI的基石在人工智能领

珠峰日记·2025-03-11 15:20

机器学习(Machine Learning)

《BriefHistoryofMachineLearning》介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Ada

七指琴魔御清绝·2025-03-11 14:42

机器学习实战——音乐流派分类（主页有源码）

✨个人主页欢迎您的访问✨期待您的三连✨✨个人主页欢迎您的访问✨期待您的三连✨✨个人主页欢迎您的访问✨期待您的三连✨1.简介音乐流派分类是音乐信息检索（MusicInformationRetrieval,MIR）中的一个重要任务，旨在通过分析音频信号的特征，将音乐自动分类到不同的流派（如古典、摇滚、爵士、流行等）。随着数字音乐平台的普及，音乐流派分类技术被广泛应用于音乐推荐、自动标签生成和音乐库管理

喵了个AI·2025-03-11 13:37

HarmonyNext实战案例：基于ArkTS的高性能分布式机器学习应用开发

HarmonyNext实战案例：基于ArkTS的高性能分布式机器学习应用开发引言在HarmonyNext生态系统中，分布式机器学习是其核心特性之一。

·2025-03-11 11:52

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？

（以下简称Hero）致力于通过将人工智能（AI）和机器学习技术融入有限元分析（FEA）流程，以加速产品开发周期。

Altair澳汰尔·2025-03-11 11:45

Python学习指南：系统化路径 + 避坑建议

数据分析（如Excel自动化、可视化）Web开发（如搭建网站）人工智能（如机器学习）自动化办公（如处理文件、邮件）目标不同，后续学习侧重点不同（但基础通用）。

程之编·2025-03-11 09:39

机器学习之KMeans算法

目录一、KMeans的核心思想二、KMeans算法流程三、KMeans的关键点1.优点：2.缺点：四、如何确定最佳k值1.肘部法则2.轮廓系数五、Kmeans的典型应用场景六、代码示例KMeans是一种广泛使用的无监督学习算法，主要用于聚类分析（Clustering）。它的目标是将数据集划分为K个互不重叠的子集（簇，Cluster），使得同一簇内的数据点尽可能相似，不同簇之间的数据点尽可能差异显著

Mr终游·2025-03-11 09:07

全面掌握C#多线程编程：核心机制、高级技巧与性能调优

以下是更深入的技术解析：一、线程与操作系统内核的交互1.线程的底层实现用户模式线程（User-ModeThreads）：由CLR管理，轻量级但无法利用多核，依赖协作式调度（如async/await中的状态机）

Ro小陌·2025-03-11 09:35

Python机器学习实战：构建序列到序列(Seq2Seq)模型处理翻译任务

Python机器学习实战：构建序列到序列(Seq2Seq)模型处理翻译任务1.背景介绍1.1问题的由来翻译是跨语言沟通的重要桥梁，随着全球化进程的加速，翻译需求日益增长。

AGI大模型与大数据研究院·2025-03-11 09:03

【LAMMPS学习】四、运行 LAMMPS(1)基础知识

LAMMPS可执行文件的名称为lmp或lmp_，其中是编译LAMMPS时使用的机

北行黄金橘·2025-03-11 08:58

【漫话机器学习系列】130.主成分（Principal Components）

主成分（PrincipalComponents）详解1.什么是主成分？主成分（PrincipalComponents，PCs）是数据集中方差最大的线性组合，它是主成分分析（PrincipalComponentAnalysis，PCA）中的核心概念。主成分可以看作是对原始特征的新表述方式，它通过数学变换找到一组新的正交坐标轴，使得数据的主要变化方向与这些轴对齐。简单来说：主成分是数据集中信息量（方差

IT古董·2025-03-11 08:25

PAT乙级真题（2014·冬）

大纲1031、查验身份证-（解析）-简单题1032、挖掘机技术哪家强-（解析）-细节题(┬┬﹏┬┬)，太抠细节了1033、旧键盘打字-（解析）-输入格式！

ん贤·2025-03-11 08:54

C++开源库大全

程序员要站在巨人的肩膀上，C++拥有丰富的开源库，这里包括：标准库、Web应用框架、人工智能、数据库、图片处理、机器学习、日志、代码分析等。

大王算法·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

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,TMP1OUT,test4LD,TMP1CALL,放料编译器代码usingSystem.Collections.Generic;usingSystem.Linq;namespaceLDE

isyoungboy·2025-03-11 06:41

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

XGBClassifiler函数介绍

XGBoost是一种高效且灵活的梯度提升决策树（GBDT）实现，它在多种机器学习竞赛中表现出色，尤其擅长处理表格数据。

浊酒南街·2025-03-11 05:32

CICD系列之jenkins

专题安装docker&docker-compose安装jenkins编写docker-compose.yml脚本配置jenkins安装常用插件记录jenkins安装、配置、使用的常用操作linux物理机安装安装

john137724·2025-03-11 05:30

基于大数据架构的就业岗位推荐系统的设计与实现【java或python】—计算机毕业设计源码+LW文档

该系统通过收集、整合并分析大量求职者简历信息、企业招聘信息以及市场动态数据，运用先进的机器学习算法，为求职者提供个性化的岗位推荐服务，同时帮助企业快速定位到合适的候选人。

qq_375279829·2025-03-11 05:59

向量数据库简介

向量数据库通常使用高效的向量索引技术，支持基于向量相似度的查询和检索，可以应用于图像搜索、自然语言处理、推荐系统、机器学习等领域。

openwin_top·2025-03-11 04:54

Ubuntu22.04安装CP2K最新版2025.1

近年来结合机器学习与lammps，已成为热度逐年增加的软件。但是目前使用它仍存在不少难点。本文讲解在Ubun

jhonwyyc·2025-03-11 04:50

Azure AI Document Intelligence 使用指南

AzureAIDocumentIntelligence使用指南AzureAIDocumentIntelligence（原名AzureFormRecognizer）是一项基于机器学习的服务，可以从数字或扫描

scaFHIO·2025-03-11 03:42

鸢尾花数据集的四个特征具体是什么？

鸢尾花数据集（IrisDataset）是机器学习领域中最经典的数据集之一，它包含150个样本，每个样本有4个特征，分别是：1.花萼长度（SepalLength）描述：花萼（花的外部绿色部分）的长度，单位为厘米

学术乙方·2025-03-11 03:41

基于STM32单片机的仓库管理系统设计-RFID-电磁锁-震动-ISD1820-TFT1.44-WiFi APP-DIY25-112

本设计由STM32F103C8T6单片机核心板电路+3个RFID模块电路+电磁锁电路+震动传感器电路+ISD1820语音模块电路+TFT1.44寸液晶显示电路+WiFi模块电路+电源电路组成。

通旺科技·2025-03-11 03:10

基于STM32单片机的可见光通信系统自适应光线数据收发设计+可见光音频通信设计DIY25-125

本系统由可见光发射板和可见光接收板以及可见光音频收发模块组成：可见光发射板：STM32F103C8T6单片机核心板、高亮LED灯驱动电路、矩阵按键和可见光音频发射模块电路。

通旺科技·2025-03-11 03:10

DeepSeek源码解析（2）

Tensor（张量）的介绍在计算机科学和机器学习领域，“张量”（Tensor）是一个数学概念，它被用来表示多维数组。

白鹭凡·2025-03-11 01:26

机器学习数学基础：29.t检验

一、t检验的定义与核心思想（一）定义t检验（Student’st-test）是一种在统计学领域中广泛应用的基于t分布的统计推断方法。其主要用途在于判断样本均值与总体均值之间，或者两个独立样本的均值之间、配对样本的均值之间是否存在显著差异。例如，在教育研究中，可以通过t检验判断某个班级学生的平均成绩与全校学生的平均成绩是否有显著差异；在医学实验里，可用于比较实验组和对照组的患者某项生理指标的均值是否

@心都·2025-03-11 00:23

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

windows11家庭版安装ubuntu子系统训练深度模型

文章目录环境准备前提条件安装环境安装Hyper-V安装Linux分发版升级WSL内核启用虚拟机功能安装ubuntu24.04安装桌面环境安装远程控制软件xrdp从Windows启动桌面版Ubuntu环境准备前提条件

吃水果不削皮·2025-03-10 23:16

非root用户如何操作docker

但是docker是需要root权限的，集团通过堡垒机控制服务器权限，root权限需要申请，每次申请都巨麻烦，尝试普通用户操作docker。

底格里歇斯·2025-03-10 22:11

千里马Framework手机车机互联投屏实Hal+perfetto+SurfaceFlinger合集

千里马Android手机大厂入职培训Framework系统高级开发课资料地址https://pan.baidu.com/s/1GIsMJ9BGgjgbJCrsVNDi6A?pwd=2q49千里马Android高级架构师系统源码Framework实战系列千里马Android手机大厂Framework系统-跨进程通信高级实战课千里马Android手机大厂Framework系统-Input系统专题实战课

2501_91082100·2025-03-10 22:09

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

Hyper-v 虚拟机Win11直通显卡

Hyper-v虚拟机Win11直通显卡的操作步骤：1.确保你的物理机硬件支持IOMMU技术，并且显卡驱动支持WDDM2.4以上版本，可通过dxdiag查看驱动支持的WDDM版本2.在Win11系统中，点击

liwension·2025-03-10 21:30

Windows 图形显示驱动开发-WDDM 3.2-用户模式工作提交（一）

此外，如果这些应用程序在容器或虚拟机(VM)中运行，则用户模式提交有望使它们受益匪浅。这一好处是因为在VM中运行的用户模式驱动程序(UMD)可以直接向GPU提交工作，而不必

程序员王马·2025-03-10 20:52

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

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

JVM常见八股问题

回答：JVM是Java虚拟机，负责将Java字节码转换为机器码并执行。它提供了内存管理、垃圾回收、线程管理等功能，使得Java程序能够在不同操作系统上运行而无需修改。2.JVM的内存结构是什么？

学Java的skyyyyyyyy·2025-03-10 18:05

JVM如何判断一个对象可以被回收

JVM是Java虚拟机（JavaVirtualMachine）的缩写，它是一个能够运行Java字节码的虚拟计算机。

代码小白％·2025-03-10 17:33

RabbitMQ知识点梳理

VirtualHost：Broker的虚拟机，提供多租户功能，实现租户的权限分离。Exchange：消息交换器，指定消息发送

java1224·2025-03-10 17:32

面试__八股

java解释执行，即时编译（编译成本地代码，效率高，内存占用多，C1，C2）编译优化技术：方法内联，复写传播，无用代码删除字节码就是虚拟机所使用的指令集类加载：加载(获取类的二进制流文件，方法区的数据结构

big muscle·2025-03-10 17:01

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

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

推荐频道

机机器学习