深度学习&&机器学习第3页

电机的声音数据进行AI分析

以下是一些适合处理这种类型数据的人工智能模型和方法：1.特征工程+传统机器学习模型在直接应用深度学习之前，通常首先会进行特征提取。

鹿屿二向箔·2025-03-09 15:06

李沐深度学习预备知识——数据操作

预备知识——数据操作1、数据操作1.1基本操作importtorchx=torch.arange(12)print(x)print(x.shape)print(x.numel())x=x.reshape(3,4)#变形x=x.reshape(2,-1)#-1代表自动计算torch.zeros((2,3,4))#生成全0张量torch.ones((2,3,4))#生成全1张量torch.randn(

flex_university·2025-03-09 15:35

可解释性机器学习——从金融科技视角（1）

可解释性机器学习——从金融科技视角（1）内容摘要：可解释性的重要性文章目录可解释性机器学习——从金融科技视角（1）1、过程为什么重要2、可解释性机器学习模型能做到什么3、什么时候不需要可解释性1、过程为什么重要尽管机器学习模型表现良好

flex_university·2025-03-09 15:05

基于Pytorch的语音情感识别系统

基于Pytorch的语音情感识别系统使用深度学习技术，通过训练神经网络模型来实现情感识别任务。应用使用场景客户服务中心：自动识别客户情绪，提供有针对性的服务。智能语音助手：提升人机交互体验，更加智

鱼弦·2025-03-09 15:34

Python简介

近年来，随着人工智能（AI）和机器学习（ML）领域的迅猛发展，Python在这些前沿技术中扮演了至关重要的角色，特别是在构建和训练大规模机器学习方面。

Gao_xu_sheng·2025-03-09 15:33

PyTorch系列教程：编写高效模型训练流程

当使用PyTorch开发机器学习模型时，建立一个有效的训练循环是至关重要的。这个过程包括组织和执行对数据、参数和计算资源的操作序列。

梦想画家·2025-03-09 13:24

新一代 AI 软件Manus 将重新将AI市场大洗牌

Manus是一家专注于手部追踪、虚拟现实（VR）和增强现实（AR）技术的公司，其新一代AI软件结合了先进的机器学习和计算机视觉技术，致力于提升人机交互的自然性和效率。

CircuitWizard·2025-03-09 13:23

【自然语言处理-NLP】情感分析与主题建模

目录情感分析（SentimentAnalysis）1.1概念与方法概览1.2传统机器学习方法1.3深度学习与预训练模型1.4代码示例：基于机器学习的情感分类主题建模（Topic

云博士的AI课堂·2025-03-09 13:18

搜广推校招面经三十八

二、Transformer中对梯度消失或者梯度爆炸的处理在Transformer模型中，梯度消失和梯度爆炸是深度学习中常见的问题，尤其是在处理长序列数据时。

Y1nhl·2025-03-09 12:45

【深度学习】PyTorch v2.6 Overview

PyTorchv2.6OverviewPythonAPILibrariesPyTorch是一个优化的张量库，用于使用GPU和CPU进行深度学习。

OpenSeek·2025-03-09 11:37

2020年精排模型调研

Marcus-Bao·2025-03-09 11:06

PyTorch 显存分配不均匀

在使用PyTorch进行深度学习训练时，可能会遇到GPU0的显存占用明显高于其他GPU的情况。这可能导致显存不足，影响训练效率。

LutingWang·2025-03-09 11:36

PyTorch 训练循环全攻略：从零到精通的深度学习秘籍

Langchain系列文章目录01-玩转LangChain：从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块：四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain：从核心链条构建到动态任务分配的实战指南04-玩转LangChain：从文档加载到高效问答系统构建的全程实战05-玩转LangChain：深度评估问答系统的三种高效方法（示例生成、手

吴师兄大模型·2025-03-09 11:34

python搭建NPL模型的详细步骤和代码

****二、数据准备****三、文本预处理****1.清理文本****四、特征工程****1.TF-IDF****2.Word2Vec****五、搭建NLP模型****1.逻辑回归****2.LSTM深度学习模型

百锦再@新空间代码工作室·2025-03-09 11:33

golang深度学习-性能分析

性能分析Go语言原生支持在运行时保留重要的特征指标和状态，有许多工具可以分析甚至可视化程序运行的状态和过程。pprof工具：常用于分析资源的使用情况，可以采集程序运行时的多种不同类型的数据（例如CPU占用、内存消耗和协程数量等），并对数据进行分析聚合生成的报告。trace工具：则关注程序运行时的事件（例如协程状态切换，GC的开始和结束、系统调用等等），常用于分析延迟、阻塞和调度等问题。pprof工

老狼伙计·2025-03-09 08:26

专业英语

计算机组成原理(2)计算机网络(3)数据库(4)编译原理(5)离散数学2.软件开发(1)编程词汇(2)开发术语(3)Linux(4)软件3.就业领域(1)职场(2)芯片(3)自动驾驶(4)嵌入式硬件4.深度学习

程序员爱德华·2025-03-09 08:55

AI与机器学习、深度学习在气候变化预测中的应用

通过机器学习（K-m

weixin_贾·2025-03-09 07:54

python 虚拟环境介绍

一、pippip介绍很简单，但是在学习深度学习的时候，虽然用过，但也仅仅是用过，对其了解不多，更多的是下载包，相对于pip，用的更多的反而是anaconda和miniconda这两个python包管理器

The One Neo·2025-03-09 07:08

2025最新Transformer模型及深度学习前沿技术应用

第一章、注意力（Attention）机制1、注意力机制的背景和动机（为什么需要注意力机制？注意力机制的起源和发展里程碑）。2、注意力机制的基本原理（什么是注意力机制？注意力机制的数学表达与基本公式、用机器翻译任务带你了解Attention机制、如何计算注意力权重？）3、注意力机制的主要类型：键值对注意力机制（Key-ValueAttention）、自注意力（Self-Attention）与多头注意

weixin_贾·2025-03-09 06:35

python版本更新历史_Python3 是否已经完成了取代 Python2 的历史进程？

wongzo·2025-03-09 06:32

tensorflow keras 报错：No gradients provided for any variable 原因与解决办法

错误分析Nogradientsprovidedforanyvariable这个意思是没有梯度给已知的所有函数，为什么会出现这个错误呢，因为在深度学习中，梯度的更新是由于反向传播算法的实现的，如果损失函数没有与已知的任何

研志必有功·2025-03-09 06:26

TensorFlow的基本框架和理解-初学者通过这一篇文章就够了

tensorflow的理解Tensorflow是一种机器学习框架，如果我们有大量的数据，我们可以利用他协助医生检查糖尿病性视网膜病变来预防患者失明等应用新版本中一个有趣的功能是eagerexecution

无人不智能，机器不学习·2025-03-09 06:53

cv君独家视角 | AI内幕系列十四：【手机、相机防抖大揭秘】数字防抖、鸡头防抖、光学防抖、AI防抖等(附源码+长期更新)

基础介绍2.功能需求2.1功能背景2.2技术背景与技术选型2.3技术方案2.4可行性落地链路2.5竞品调研与市场分析2.6防抖主客观评价源码实现运动防抖步骤：代码实现性能优化与改进代码改进进一步改进与应用深度学习方法示例实时处理与应用示例运动摄影无人机航拍摄像头防抖设备计算资源需求复杂场景处理参数调整和优化实时处理需求误差累积并行和分布式处理

cv君·2025-03-09 05:32

【神经网络】python实现神经网络（一）——数据集获取

一.概述在文章【机器学习】一个例子带你了解神经网络是什么中，我们大致了解神经网络的正向信息传导、反向传导以及学习过程的大致流程，现在我们正式开始进行代码的实现，首先我们来实现第一步的运算过程模拟讲解：正向传导

师兄师兄怎么办·2025-03-09 03:06

Deepseek r1回答：人工智能的本质是什么？给人类社会带来的意义是什么？相比于之前的互联网革命，这一轮的人工智能革命的特点和异同点有哪些？

可能需要提到机器学习、深度学习，尤其是神经网络。但本质可能更深层，比如自主决策、模式识别。还要区分弱AI和强AI，现在都是弱AI，专注于特定任务。然后是意

强化学习曾小健·2025-03-09 03:29

（Pytorch）动手学深度学习：基础内容（持续更新）

深度学习前言环境安装(Windows)安装anaconda使用conda或miniconda创建环境下载所需的包下载代码并执行(课件代码)关于线性代数内积(数量积、点乘)外积关于数据操作X.sum(0,

孔表表uuu·2025-03-09 01:48

决策树、朴素贝叶斯、随机森林、支持向量机、XGBoost 和 LightGBM算法的R语言实现

并根据这些特征变量的线性组合生成一个二分类的响应变量y；（2）将生成的数据存储在数据框中，处理缺失值，并将响应变量转换为因子类型；（3）使用决策树、朴素贝叶斯、随机森林、支持向量机、XGBoost和LightGBM六种机器学习模型算法对数据进行训练和评估

生信与基因组学·2025-03-09 00:18

PyTorch深度学习框架60天进阶学习计划第14天：循环神经网络进阶

PyTorch深度学习框架60天进阶学习计划第14天：循环神经网络进阶在深度学习处理序列数据时，循环神经网络(RNN)家族的模型扮演着至关重要的角色。

凡人的AI工具箱·2025-03-09 00:03

解决Python中加载sklearn加州房价数据集出错的问题

解决Python中加载sklearn加州房价数据集出错的问题在使用Python的scikit-learn库进行机器学习任务时，我们经常需要加载各种数据集。

冰雪之境·2025-03-09 00:39

《探秘课程蒸馏体系“三阶训练法”：解锁知识层级递进式迁移的密码》

从概念上讲，课程蒸馏体系借鉴了机器学习中知识蒸馏的思想，将复杂、庞大的知识体系进行提炼和压缩，使其能够更有效地被学习者吸收。而“三阶训练法”作为该体系的核心，通过精心设计

·2025-03-08 23:52

使用 DeepSeek 训练属于自己写小说的模型

DeepSeek是一个强大的深度学习框架，支持自然语言处理任务。我们将基于DeepSeek的API和工具，结合HuggingFace的Transformers库，完成模型的训练和部署。

xinxiyinhe·2025-03-08 23:02

Qwen1.5-7B-实现RAG应用详细步骤

PyTorch：用于运行深度学习模型。Transformers：HuggingFace提供的库，支持加载和运行预训练模型。FAISS：用于向量检索的高效库。

大数据追光猿·2025-03-08 23:01

GitHub每日最火火火项目（3.7）

该项目可能运用机器学习、深度学习等人工智能算法，对大量的金融数据进行深入分析，包括股票、债券、期货等市场的历史价格、交

FutureUniant·2025-03-08 21:49

AI大模型报告 | 《中国数字人发展报告(2024)》（完整版PDF免费附下载）

在技术层面，数字人通过数字建模手段实现，涵盖计算机图形学、动作捕捉、图形渲染、语音合成、深度学习等多项技术。

AI大模型_学习君·2025-03-08 21:10

新冠病毒感染人数预测（基于回归的神经网络项目）

一、神经网络项目的流程1、数据预处理：（深度学习最主要的数据处理，要先拿到数据）使用CovidDataset类加载和处理数据。根据all_feature参数选择特征

|柳贯一|·2025-03-08 21:09

基于深度学习的视频修复

基于深度学习的视频修复是一种利用深度学习技术对视频进行处理和优化，以修复视频中的损坏部分、提升视频质量、去除噪声和增强视觉效果的方法。

SEU-WYL·2025-03-08 20:35

【AI-42】如何调整参数和超参

在机器学习和深度学习中，参数和超参数是两个重要概念，以下是一些常见的参数和超参数及其作用：参数权重（Weight）解释：可以将权重想象成连接不同神经元之间的“桥梁”，其大小决定了一个神经元的输出对下一个神经元的影响程度

W Y·2025-03-08 19:59

使用Python和机器学习技术对高中物理题目进行分类的示例代码

以下是一个使用Python和机器学习技术对高中物理题目进行分类的示例代码。我们将使用自然语言处理（NLP）技术处理题目的文本信息，并使用朴素贝叶斯分类器进行分类。

max500600·2025-03-08 19:17

Python 在 AI 领域的应用：从零构建你的第一个 AI 模型

本文将带你深入理解Python在AI中的应用，并通过机器学习（MachineLearning）和深度学习（DeepLearning）的实际示例，讲解如何构建一个AI模型。1.Python为什么适合

嵌入式Jerry·2025-03-08 19:40

图像处理篇---opencv中的图像特征

纹理特征：局部二值模式（LBP）1.LBP简介2.LBP计算步骤3.OpenCV实现4.优点5.缺点二、形状特征：Hu矩1.Hu矩简介2.Hu矩计算步骤3.OpenCV实现4.优点5.缺点三、其他可用于传统机器学习的特征

Ronin-Lotus·2025-03-08 19:35

深度学习篇---Opencv中的机器学习和深度学习

文章目录前言一、OpenCV中的机器学习1.概述2.使用步骤步骤1：准备数据步骤2：创建模型步骤3：训练模型步骤4：预测3.优点简单易用轻量级实时性4.缺点特征依赖性能有限二、OpenCV中的深度学习1

Ronin-Lotus·2025-03-08 19:05

【深度学习模型高效部署】tensorRT_Pro深度解读：部署深度学习模型的高效方案

以下内容将对tensorRT_Pro项目做一个系统的介绍，包括其核心价值、主要功能、应用案例以及关键的示例代码（附详细解释），帮助你快速了解并上手如何基于TensorRT在NVIDIAGPU上实现高性能推理。一、项目概述GitHub-shouxieai/tensorRT_Pro:C++librarybasedontensorrtintegrationtensorRT_Pro是由开发者shouxie

云博士的AI课堂·2025-03-08 18:50

基于YOLOv5的无人机农田监测系统实现与UI界面设计

一、引言随着无人机技术和深度学习算法的快速发展，农业领域逐渐引入了智能化监测手段。

深度学习&目标检测实战项目·2025-03-08 16:52

Keras深度学习实战——手写文字识别

内容合伙人、新星导师、全栈领域优质创作者、51CTO(Top红人+专家博主)、github开源爱好者（go-zero源码二次开发、游戏后端架构https://github.com/Peakchen）Keras深度学习实战

鱼弦·2025-03-08 16:18

深度学习笔记——神经网络

本文为在拓尔思智能举办的训练营中学习内容的总结，部分内容摘自百度百科个人在这里推荐一个好用的软件，Trae，主要是免费。人工神经元是人工神经网络的基本单元。模拟生物神经元，人工神经元有1个或者多个输入（模拟多个树突或者多个神经元向该神经元传递神经冲动）；对输入进行加权求和（模拟细胞体将神经信号进行积累和树突强度不同）；对输入之和使用激活函数计算活性值（模拟细胞体产生兴奋或者抑制）；输出活性值并传递

肆——·2025-03-08 16:10

【Hugging Face】datasets 库：加载、处理和分享大规模数据集

在深度学习中，处理大规模数据集通常面临以下挑战：数据集太大，无法一次性加载到内存不同任务的数据格式不统一数据预处理和转换较慢需要快速流式加载数据datasets库

彬彬侠·2025-03-08 15:28

【深度学习】服务器常见命令

1、虚拟环境的安装位置先进入虚拟环境whichpython2、升序查看文件内容ls-ltr3、查看服务器主机空间使用情况df-hdf-h.4、查看本地空间使用情况du-sh./*du-sh*|sort-nr5、查找并删除进程#查找psaux#删除kill-KILLpid6、查看服务器配置lscpuuname-alsb_release-acat/etc/*release7、文件和目录操作ls：列出目

红烧白开水。·2025-03-08 15:22

光学超表面的人工智能

人工智能，尤其是机器学习的优化，为这些需求提供了解决方案。该文章系统地回顾了AI在三个关键领域的潜在影响：AI支持的超表面可制造性设计（DFM）、超越经典局部相位近似的设计以及AI赋能的计算后端。

Luis Li 的猫猫·2025-03-08 14:54

DeepSeek这么火，一文教你本地部署DeepSeek!

一、技术架构优势DeepSeek采用创新的混合模型架构，将传统机器学习与深度学习有机结合。这种架构既保留了传统方法的可解释性，又具备深度学习的强大表征能力。通过自适应学习机制，Deep

入职啦·2025-03-08 11:44

python程序员工资高吗？

不同岗位薪资范围为：Python全栈开发工程师（10k-20K）、Python运维开发工程师（15k-20K）、Python高级开发工程师（15k-30K）、Python大数据工程师（15K-30K）、Python机器学习工程师

lmseo5hy·2025-03-08 11:08

推荐频道

深度学习&&机器学习