深度学习#工程化第2页

人工智能-GPU版本机器学习、深度学习模型安装

背景1、在有Nvidia-GPU的情况下模型使用cuda加速计算，但是很有多模型的GPU和CPU版本安装方式不同，如何安装lgb\cat\xgb.2、为了让代码有普适性，如何自适应环境当中的设备进行CPU或者GPU的调整？解决方案问题一：安装GPU版本的LightGBMLightGBM默认不会安装GPU支持版，需要手动编译以启用GPU。以下是在Linux和Windows上编译GPU版本LightG

bw876720687·2024-09-13 02:06

深度学习之基于Tensorflow卷积神经网络水果蔬菜分类识别系统

为了响应这一需求，本项目旨在构建一个基于深度学习技术的水果蔬菜分类识别系统。目标：构建一个准确率高、性能稳定的水果蔬菜分类识别模型，利用Tensorflow框架

qq1744828575·2024-09-13 00:25

机器学习引领未来：赋能精准高效的图像识别技术革新

机器学习，特别是深度学习的突破，推动了这一领域的技术革新。本文将深入探讨机器学习如何赋能图像识别技术，从基础理论到前沿进展，再到实际应用与挑战展望，为您全面呈现这一领域的最新动态和未来趋势。

刷刷刷粉刷匠·2024-09-13 00:53

机器学习实战笔记5——线性判别分析

机器学习导论8、核方法2、KNN及其实现9、稀疏表示3、K-means聚类10、高斯混合模型4、主成分分析11、嵌入学习5、线性判别分析12、强化学习6、贝叶斯方法13、PageRank7、逻辑回归14、深度学习线性判别分析

绍少阿·2024-09-12 20:32

【深度学习实战】使用深度学习模型可视化工具——Netron在线可视化深度学习神经网络

一直以来，对于深度学习领域的开发者，可视化模型都是非常迫切的需求，今天主要介绍一款可视化工具——NetronNetron有三种使用方式：在线、本地安装、pip安装今天在这里只介绍在线使用这种方式。

量子-Alex·2024-09-12 20:32

机器学习，深度学习，AGI，AI的概念和区别

1.人工智能（AI）的定义与范围1.1AI的基本概念人工智能（AI）是指通过计算机系统模拟人类智能的技术和科学。AI的目标是创建能够执行通常需要人类智能的任务的系统，如视觉识别、语音识别、决策制定和语言翻译。AI的核心在于其能够处理和分析大量数据，从中提取有用的信息，并根据这些信息做出决策或预测。AI的发展可以追溯到20世纪50年代，当时科学家们开始探索如何使机器能够执行复杂的任务。随着计算能力的

我就是全世界·2024-09-12 17:13

【笔记】自然语言处理NLP---概论

1.1.2自然语言处理研究的意义1.1.3国外研究现状1.2NLP的方法、特点和规律1.2.1理性主义与经验主义1.2.2语料库语言学：经验主义研究方法1.2.3汉语语言处理的方法1.2.4基于知识图谱的深度学习

xhanZ·2024-09-12 17:10

每天五分钟玩转深度学习框架PyTorch：获取神经网络模型的参数

本文重点当我们定义好神经网络之后，这个网络是由多个网络层构成的，每层都有参数，我们如何才能获取到这些参数呢？我们将再下面介绍几个方法来获取神经网络的模型参数，此文我们是为了学习第6步（优化器）。获取所有参数Parametersfromtorchimportnnnet=nn.Sequential(nn.Linear(4,2),nn.Linear(2,2))print(list(net.paramet

幻风_huanfeng·2024-09-12 16:37

一维数组 list 呢，怎么转换成 (批次句子长度特征值 )三维向量 python pytorch lstm 编程人工智能

一、介绍对于一维数组，如果你想将其转换成适合深度学习模型（如LSTM）输入的格式，你需要考虑将其扩展为三维张量。

zhangfeng1133·2024-09-12 16:34

每天五分钟玩转深度学习框架PyTorch：将nn的神经网络层连接起来

本文重点前面我们学习pytorch中已经封装好的神经网络层，有全连接层，激活层，卷积层等等，我们可以直接使用。如代码所示我们直接使用了两个nn.Linear（），这两个linear之间并没有组合在一起，所以forward的之后，分别调用了，在实际使用中我们常常将几个神经层组合在一起，这样不仅操作方便，而且代码清晰。这里介绍一下Sequential()和ModuleList()，它们可以将多个神经网

幻风_huanfeng·2024-09-12 16:34

机器学习和深度学习的区别

机器学习和深度学习在多个方面存在显著的区别，以下是对这些区别的详细阐述：一、定义与起源机器学习：是人工智能的一个分支领域，它使计算机能够从数据中学习并改进其性能，而无需进行显式编程。

不会代码的小林·2024-09-12 14:22

【Python】已解决：ModuleNotFoundError: No module named ‘paddle‘

正确代码示例步骤1：安装PaddlePaddle库步骤2：验证安装五、注意事项已解决：ModuleNotFoundError:Nomodulenamed‘paddle‘一、分析问题背景在使用Python进行深度学习开发时

屿小夏·2024-09-12 13:44

ESRGAN——老旧照片、视频帧的修复和增强，提高图像的分辨率

而深度学习特别是**生成对抗网络（G

爱研究的小牛·2024-09-12 11:35

【04】深度学习——训练的常见问题 | 过拟合欠拟合应对策略 | 过拟合欠拟合示例 | 正则化 | Dropout方法 | Dropout的代码实现 | 梯度消失和爆炸 | 模型文件的读写

深度学习1.常见的分类问题1.1模型架构设计1.2万能近似定理1.3宽度or深度1.4过拟合问题1.5欠拟合问题1.6相互关系2.过拟合欠拟合应对策略2.1问题的本源2.2数据集大小的选择2.3数据增广

花落指尖❀·2024-09-12 11:04

halcon第九讲，深度学习结合大数据实现AI智能识别思想

人工智能、大数据、5G1、什么是人工智能、大数据、5G,三者有什么关联。人工智能（ArtificialIntelligence）：英文缩写：AI，人工智能是[计算机]科学的一个分支，它企图了解智能的实质，并生产出一种新的能以[人类智能]相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和[专家系统]等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，

青莲居士_村长·2024-09-12 08:59

如何利用AI提高内容生产效率?

基于深度学习的生成：通过训练深度神经网络来生成自然语言文本等内容。需要注

学计算机的睿智大学生·2024-09-12 04:54

Python高层神经网络 API库之Keras使用详解

概要随着深度学习在各个领域的广泛应用，许多开发者开始使用各种框架来构建和训练神经网络模型。

Rocky006·2024-09-12 03:46

Pytorch深度学习- Tensorboard的使用以及图像变换transform的使用（小土堆）

Tensorboard中的SummaryWriter使用导入数据包fromtorch.utils.tensorboardimportSummaryWriter构造函数方法#那么生成的数据文件都存在于logs文件夹下writer=SummaryWriter("logs")add_scalar代码示例'''tag:数据标题global_step:x轴数据scalar_value:y轴数据'''#运行结

Mr chenxizhi·2024-09-12 00:23

动手学深度学习（pytorch土堆）-03常见的Transforms

Composetransforms.Compose是PyTorch中的一个函数，用于将多个图像变换操作组合在一起，形成一个变换流水线。这样可以将一系列的图像处理操作整合为一个步骤，便于对图像进行批量预处理或增强。基本用法transforms.Compose接受一个列表，列表中的每个元素是一个变换操作。这些操作会按照给定的顺序依次作用在输入的图像上。Example:>>>transforms.Com

#include<菜鸡>·2024-09-12 00:51

探秘3D UNet-PyTorch：高效三维图像分割利器

而是一个基于PyTorch实现的深度学习模型，专为三维图像分割任务设计。本文将深入剖析该项目的技术细节，应用场景及特性，以期吸引更多的开发者和研究人员参与其中。

鲍凯印Fox·2024-09-12 00:18

深度学习计算机视觉中 feature modulation 操作是什么？

在深度学习与计算机视觉领域，特征调制（FeatureModulation）是一种用于增强模型灵活性和表达能力的技术，尤其是最近几年，它在许多任务中变得越来越重要。

Wils0nEdwards·2024-09-11 23:17

动手学深度学习（pytorch土堆）-02TensorBoard的使用

1.可视化代码使用了torch.utils.tensorboard将数据记录到TensorBoard以便可视化。具体来说，它将标量数据记录到目录logs中，使用的是SummaryWriter类。代码分解如下：SummaryWriter("logs")：初始化一个TensorBoard的写入器，日志会保存到"logs"目录。writer.add_scalar("y=x",i,i)：在循环的每一次迭代

#include<菜鸡>·2024-09-11 23:15

【Python】成功解决IndexError: list index out of range

【Python】成功解决IndexError:listindexoutofrange下滑查看解决方法欢迎莅临我的个人主页这里是我静心耕耘深度学习领域、真诚分享知识与智慧的小天地！

高斯小哥·2024-09-11 21:34

【定位系列论文阅读】-Patch-NetVLAD: Multi-Scale Fusion of Locally-Global Descriptors for Place Recognition（一）

介绍视觉位置识别的重要性）第二段（VPR的两种常见方法，本文方法结合了两种方法）第三段（本文贡献）第四段（为证明本文方法优越性，进行的测试以及比较）2.RelatedWork相关工作第一段（介绍早期与深度学习的全局图像描述符

醉酒柴柴·2024-09-11 21:32

理论+实践，一文带你读懂线性回归的评价指标

专注于AI工程化及场景落地，希望和大家分享成长中的专业知识与思考感悟。0x00前言：本篇内容是线性回归系列的第三篇。

木东居士·2024-09-11 20:49

洞悉LangChain：LangChain工程化设计，从API到智能Agent的全面探索

洞悉LangChain：LangChain工程化设计，从API到智能Agent的全面探索1.LangChain简介LangChain是2022年10月底，由哈佛大学的HarrisonChase发起的基于开源大语言模型的

汀、人工智能·2024-09-11 19:16

yolov5 +gui界面+单目测距实现对图片视频摄像头的测距

技术栈YOLOv5：用于目标检测的深度学习模型。OpenCV：用于图像处理和单目测距

毕设宇航·2024-09-11 18:07

【机器学习】Python与深度学习的完美结合——深度学习在医学影像诊断中的惊人表现

个人主页：空白诗文章目录一、引言二、深度学习在医学影像诊断中的突破1.技术原理2.实际应用3.性能表现三、深度学习在医学影像诊断中的惊人表现1.提高疾病诊断准确率2.辅助制定治疗方案四、深度学习对医疗行业的影响和推动作用一

空白诗·2024-09-11 18:36

深度学习算法，该如何深入，举例说明

深度学习算法的深入学习可以从理论和实践两个方面进行。理论上，深入理解深度学习需要掌握数学基础（如线性代数、概率论、微积分）、机器学习基础和深度学习框架原理。

liyy614·2024-09-11 14:12

python基础学习

第一章标识符1、python被称为胶水语言，可以跟各个代码能一块儿使用爬虫、数据分析web全栈开发、数据科学方向、人工智能的机械学习和深度学习、自动化运维、爬虫、办公自动化python是跨平台的，python

agente·2024-09-11 12:27

机器学习和深度学习区别

机器学习和深度学习作为人工智能领域的两大重要分支，虽然有着紧密的联系，但在多个方面存在显著的差异。

hong161688·2024-09-11 12:55

深度学习算法在图算法中的应用（图卷积网络GCN和图自编码器GAE）

深度学习算法在图算法中的应用1.图卷积网络（GraphConvolutionalNetworks,GCN）图卷积网络（GCN）是一种将卷积神经网络（ConvolutionalNeuralNetworks

大嘤三喵军团·2024-09-11 12:52

深度学习速通系列:LoRA微调是什么

LoRA微调（Low-RankAdaptation）是一种用于大型预训练语言模型（LLM）的高效微调技术。它的核心思想是在不改变预训练模型权重的前提下，通过在模型的Transformer层中引入可训练的低秩矩阵来实现模型的微调。这种方法可以显著减少训练参数的数量，从而降低对计算资源的需求。LoRA微调的原理：LoRA微调方法建议冻结预训练模型的权重，并在每个Transformer块中注入可训练的低

Ven%·2024-09-11 11:47

基于深度学习的基因组数据分析

基于深度学习的基因组数据分析利用深度学习技术来处理和分析基因组数据，帮助解决基因组学领域中一些复杂且具有挑战性的问题。

SEU-WYL·2024-09-11 11:16

基于深度学习的信号滤波：创新技术与应用挑战

在众多信号处理技术中，基于深度学习的信号滤波技术逐渐崭露头角，成为研究的热点。基于深度学习的信号滤波在信号处理领域具有至关重要的地位。

逼子歌·2024-09-11 10:09

前端工程化——脚手架及自动化构建

定义一切以提高效率、降低成本、质量保证为目的的手段，都属于工程化前端工程化主要解决的问题传统语言或语法的弊端无法使用模块化/组件化重复性的机械工作代码风格统一、质量保证依赖后端服务接口的保证整体依赖后端项目工程化的表现体现在项目的整个流程

Jelly-JK·2024-09-11 07:22

pytorh基础知识和函数的学习：torchvision.transforms()

它提供了一组工具，用于在图像数据集上进行常见的预处理和数据增强操作，以便更好地训练深度学习模型。

深蓝海拓·2024-09-10 19:30

深度学习驱动下的字符识别：挑战与创新

一、引言1.1研究背景深度学习在字符识别领域具有至关重要的地位。随着信息技术的飞速发展，对字符识别的准确性和效率要求越来越高。

逼子歌·2024-09-10 18:49

Adam优化器：深度学习中的自适应方法

引言在深度学习领域，优化算法是训练神经网络的核心组件之一。Adam（AdaptiveMomentEstimation）优化器因其自适应学习率调整能力而受到广泛关注。

2401_85743969·2024-09-10 18:46

【深度学习实战】行人检测追踪与双向流量计数系统【python源码+Pyqt5界面+数据集+训练代码】YOLOv8、ByteTrack、目标追踪、双向计数、行人检测追踪、过线计数

《博主简介》小伙伴们好，我是阿旭。专注于人工智能、AIGC、python、计算机视觉相关分享研究。✌更多学习资源，可关注公-仲-hao:【阿旭算法与机器学习】，共同学习交流~感谢小伙伴们点赞、关注！《------往期经典推荐------》一、AI应用软件开发实战专栏【链接】项目名称项目名称1.【人脸识别与管理系统开发】2.【车牌识别与自动收费管理系统开发】3.【手势识别系统开发】4.【人脸面部活体

阿_旭·2024-09-10 17:39

【PyTorch】使用容器(Containers)进行网络层管理(Module)

文章目录前言一、Sequential二、ModuleList三、ModuleDict四、ParameterList&ParameterDict总结前言当深度学习模型逐渐变得复杂，在编写代码时便会遇到诸多麻烦

遥感小萌新·2024-09-10 16:32

深度学习之sigmoid函数介绍

1.基本概念Sigmoid函数，也称为Logistic函数，是一种常用的数学函数，其数学表达式为：其中，e是自然对数的底数，Zj是输入变量。Sigmoid函数曲线如下所示：计算示例：原始输出结果Zj：[-0.6,1.4,2.5]使用Sigmoid函数后输出为：[0.35,0.8,0.92]2.Sigmoid函数特点Sigmoid函数具有以下特点：值域限定在(0,1)之间：Sigmoid函数的输出范

yueguang8·2024-09-10 16:02

Deep learning for Computer Vision with Python（1）从零开始入门计算机视觉

2.实践阶段实践阶段：深入学习深度学习，理解先进技术，发现最佳实践方式。3.图像网络阶段完成计算机视觉领域的经验积累。使用大规模数据集和真实图片案例作为数据集，包括年龄和性别预测，交通工具模型识别。

Hazelyu27·2024-09-10 16:59

七十二五·2024-09-10 15:21

深度学习目标检测入门COCO数据集

常见数据集类型：COCO数据集：Pytorch加载COCO数据集：COCO数据集的读取COCO_dataset=torchvision.datasets.CocoDetection(root="./dataset/val2017",annFile="./instances_val2017/instances_val2017.json")root(strorpathlib.Path)–Rootdir

日暮途远z·2024-09-10 13:45

【数据获取与读取】JSON & CSV

数据分析流程获取数据-读取数据-评估数据-清洗数据-整理数据-分析数据-可视化数据公开数据集飞桨（百度旗下深度学习平台）数据集：https:/aistudio.baidu.com/aistudio/datasetoverview

yogurt=b·2024-09-10 13:14

DL参考资源（二）

antkillerfarm·2024-09-10 13:13

COI实验室技能：图像到图像的深度学习开发框架（pytorch版）

github连接：https://github.com/SituLab/Basic-deep-learning-framework-for-image-to-image目录1模型开发1-1克隆项目到本地1-2深度学习开发

山颠海涯·2024-09-10 11:33

大模型面试通关指南：常见问题与答案解析史上最全超详细收藏我这一篇就够了

回答：大模型通常指的是参数数量巨大的深度学习模型，如GPT系列。它们与传统模型的主要区别在于规模：大模型拥有更多的参数和更复杂的结构，从而能够处理更复杂、更广泛的任务。

程序员辣条·2024-09-10 09:49

推荐频道

深度学习#工程化