深度学习&机器学习第4页

[C++]使用纯opencv部署yolov12目标检测onnx模型

yolov12官方框架：sunsmarterjie/yolov12【算法介绍】在C++中使用纯OpenCV部署YOLOv12进行目标检测是一项具有挑战性的任务，因为YOLOv12通常是用PyTorch等深度学习框架实现的

FL1623863129·2025-02-25 23:18

DeepSeek强化学习（Reinforcement Learning）基础与实践

引言强化学习（ReinforcementLearning,RL）是机器学习的一个重要分支，专注于训练智能体（Agent）在环境中通过试错来学习最优策略。

Evaporator Core·2025-02-25 23:44

从零开始玩转TensorFlow：小明的机器学习故事 3

小明的第一次机器学习实验场景：预测校园活动的参与率小明最近加入了学生会，负责策划校园活动。每次活动都需要准备场地、宣传物料和餐饮，但经常会出现场地过小或准备物资不足等问题。为了让活动准备

山海青风·2025-02-25 23:43

无人机实战系列（二）本地摄像头 + Depth-Anything V2

这篇文章介绍了如何在本地运行Depth-AnythingV2，因为我使用的无人机是Tello，其本身仅提供了一个单目视觉相机，在众多单目视觉转Depth的方案中我选择了Depth-AnythingV2，这个库的强大在于其基于深度学习模型将单目视觉以较低的代价转换成

nenchoumi3119·2025-02-25 23:42

深度学习笔记——循环神经网络RNN

好评笔记·2025-02-25 22:10

揭秘波士顿房价密码：从经典数据集到线性回归实战

引言波士顿房价预测是一个经典的机器学习任务，类似于程序员世界的“HelloWorld”。和大家对房价的普遍认知相同，波士顿地区的房价受诸多因素影响。

珠峰日记·2025-02-25 22:39

机器学习数学通关指南——牛顿-莱布尼茨公式

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·2025-02-25 22:39

人工智能、机器学习、深度学习、集成学习及大模型的定义与联系

在当今快速发展的科技领域，人工智能（ArtificialIntelligence,AI）、机器学习（MachineLearning,ML）、深度学习（DeepLearning,DL）、集成学习（EnsembleLearning

大模型玩家·2025-02-25 22:38

机器学习笔记——特征工程

本笔记介绍机器学习中常见的特征工程方法、正则化方法和简要介绍强化学习。

好评笔记·2025-02-25 22:37

DeepSeek基础之机器学习

文章目录一、核心概念总结（一）机器学习基本定义（二）基本术语（三）假设空间（四）归纳偏好（五）“没有免费的午餐”定理（NFL定理）二、重点理解与思考（一）泛化能力的重要性（二）归纳偏好的影响（三）NFL

珠峰日记·2025-02-25 22:07

【matlab数学建模项目】matlab实现HSV空间的森林火灾监测系统——森林火灾监测系统

空间森林火灾监测系统1、项目下载：本项目完整讲解和全套实现源码见下资源，有需要的朋友可以点击进行下载说明文档（点击下载）全套源码+学术论文基于MATLAB的HSV空间森林火灾监测系统的技术实现与应用-机器学习

阿里matlab建模师·2025-02-25 21:31

基于UNet对DRIVE视网膜进行图像分割

本专栏整理了《PyTorch深度学习项目实战100例》，内包含了各种不同的深度学习项目，包含项目原理以及源码，每一个项目实例都附带有完整的代码+数据集。

海洋之心·2025-02-25 21:31

针对视频内容进行检测开源项目

它基于深度学习模型，能够实时分析视频帧并给出概率值，判断内容是否涉及黄色。2.**Watsor**Watsor是一个开源项目，支持实时视频流的物体检测。

红豆和绿豆·2025-02-25 20:54

机器学习01

机器学习的基本过程如下：1.数据获取2.数据划分3.特征提取4.模型选择与训练5.模型评估6.模型调优一、特征工程（重点）0.特征工程步骤为：特征提取(如果不是像dataframe那样的数据，要进行特征提取

天行者@·2025-02-25 20:53

机器学习02

三、模型选择与调优1交叉验证(1)保留交叉验证HoldOutHoldOutCross-validation（Train-TestSplit）优点1.简单高效操作简便：这种方法的实现非常直接，只需要将原始数据集按照一定比例（常见的如70:30、80:20等）随机划分为训练集和测试集。例如，在Python的scikit-learn库中，使用train_test_split函数可以轻松完成划分，代码简洁

天行者@·2025-02-25 20:53

探秘 DeepSeek 硬件适配：GPU/TPU/NPU 异构计算原理剖析

一、引言在深度学习领域蓬勃发展的浪潮中，硬件作为支撑技术腾飞的基石，其适配与协同能力成为决定深度学习应用效能的关键因素。

FinkGO小码·2025-02-25 18:11

目标检测进化史：从R-CNN到YOLOv11，技术的狂飙之路

随着深度学习技术的飞速发展，目标检测算法也取得了巨大的突破，从最初的R-CNN到如今的YOLOv11，每一次的技术演进都为该领域带来了新的活力和可能性。

紫雾凌寒·2025-02-25 17:32

论文学习3：深度学习增强的光声成像（PAI）的最新进展（综述）

深度学习（DL）在解决PAI中存在的技术限制（如硬件限制、生物特征信息缺乏等）方面的潜力。2.DL方法的原理介绍DL的子集：监督学习、无监督学习和强化学习。

superace7911·2025-02-25 15:50

9、论文阅读：无监督的感知驱动深水下图像增强

Perception-DrivenDeepUnderwaterImageEnhancementWithoutPairedSupervision前言引言相关工作UIE模型基于非物理模型基于物理模型基于深度学习质量度量在图像增强中的应用方法论问题表述

Maker~·2025-02-25 15:18

Did you forget to `#include ＜pybind11/stl.h＞`? Or ＜pybind11/complex.h＞,＜pybind11/functional.h＞

项目场景：基于深度学习的三维点云可视化问题描述：Traceback(mostrecentcalllast):File".

沉迷单车的追风少年·2025-02-25 14:40

即插即用的注意力机制21种

提示：谬误之处请指出更正摘要随着深度学习特别是自然语言处理领域的飞速发展，注意力机制（AttentionMechanism）已成为提升模型表现的关键技术，本文主要记录了即插即用的注意力机制结构的功能、出处及核心代码

@Mr_LiuYang·2025-02-25 14:40

网关类设备技术演进思路

人工智能（AI）和机器学习：用于数据分析、用户行为预测和自动化决策。边缘计算：在设备端进行数据处理，减少对云服务的依赖，提高响应速度。区块链技术：用于确保数据安全和网络安全。

看兵马俑的程序员·2025-02-25 13:03

国产替代 | 星环科技Sophon替代SAS，助力大型国有银行智能化营销

由于SAS是集中式的，对单台服务器要求太高，算力无法支撑需求，且无法支持可视化的机器学习，对于业务人员来说使用门槛过高。在经过产品选型后，决定采用星环科技的智能分析工具Sophon替换原有SAS，用

星环科技·2025-02-25 11:16

PyTorch知识点总结之一

PyTorch是一个基于Python的科学计算库，它是用于机器学习和深度学习的框架之一。它由Facebook的人工智能研究团队开发和维护，是一个开源的软件包，可以帮助开发者构建各种深度学习模型。

Rain松·2025-02-25 10:44

51、深度学习-自学之路-自己搭建深度学习框架-12、使用我们自己建的架构重写RNN预测网络

importnumpyasnpclassTensor(object):def__init__(self,data,autograd=False,creators=None,creation_op=None,id=None):self.data=np.array(data)self.autograd=autogradself.grad=Noneif(idisNone):self.id=np.rand

小宇爱·2025-02-25 09:10

使用 ML.NET 开发工业预测系统：从数据到智能决策

而机器学习技术，尤其是ML.NET，提供了一种高效、灵活的方式来挖掘这些数据背后的潜在价值。本文将带领大家通过使用ML.NET来开发一个简单的工业预测系统，帮助企业提高生产效率，降低故障风险。

威哥说编程·2025-02-25 09:35

ProgramHan·2025-02-25 09:05

机器学习实战：从理论到实践

随着人工智能技术的迅猛发展，机器学习作为其核心部分，已经广泛应用于各个领域。它不仅在科技公司中扮演着关键角色，在医疗、金融、零售等行业也展现了巨大的潜力。

静默.\\·2025-02-25 08:34

开源模型应用落地-Qwen1.5-MoE-1/3的激活参数量达到7B模型的性能

二、术语介绍2.1.混合专家(MoE)架构是一种机器学习模型的结构设计,它将一个复杂的任务分解成多个相对简单的子任务,

开源技术探险家·2025-02-25 07:55

PyTorch实战：手把手教你完成MNIST手写数字识别任务

张量与Numpy的神奇转换技巧04-揭秘数据处理神器：PyTorch张量拼接与拆分实用技巧05-深度学习从索引开始：PyTorch张量索引与切片最全解析06-张量形状任意改！

吴师兄大模型·2025-02-25 07:51

时序大模型：技术需求、现有成果及主流模型、模型架构、数据处理方式、优势、缺点及未来展望

数据清洗：去除异常值：通过统计方法或机器学习算法检测并去除异常值，确保数据的合理性。填补缺失值：使用插值方法、均值填充、中位数填充或基于模型的预测

xl.liu·2025-02-25 07:50

机器学习数学基础：36.φ相关系数分析

@心都·2025-02-25 06:46

机器学习数学基础：37.偏相关分析

@心都·2025-02-25 06:46

机器学习数学基础：22.对称矩阵的对角化

一、核心概念详解（一）内积定义与公式：在nnn维向量空间中，对于向量x⃗=(x1,x2,⋯ ,xn)\vec{x}\=(x_1,x_2,\cdots,x_n)x=(x1,x2,⋯,xn)和y⃗=(y1,y2,⋯ ,yn)\vec{y}\=(y_1,y_2,\cdots,y_n)y=(y1,y2,⋯,yn)，内积记作(x⃗,y⃗)(\vec{x},\vec{y})(x,y)，其计算公式为(x⃗,y⃗

@心都·2025-02-25 06:45

机器学习数学基础：34.点二列

@心都·2025-02-25 05:11

免费 MLOps 课程：学习机器学习运维的完整流程

掌握MLOps：训练和跟踪实验、构建ML流水线、模型部署、生产环境监控，并从DevOps采用最佳实践。免费MLOps课程概览（DataTalks.Club提供）课程平台：DataTalks.Club适合人群：有一定Python和ML经验的开发者重点内容：模型训练、实验跟踪、流水线构建、模型部署、监控和DevOps最佳实践目录什么是MLOps？为什么需要MLOps？MLOpsZoomcamp课程介绍

真智AI·2025-02-25 05:11

机器学习的三个步骤-ChatGPT4o作答

机器学习的三个步骤分别是：设置范围、设置标准、达成目标。这三个步骤是任何机器学习项目的基础框架，它们为模型的选择、优化和评估提供了清晰的指导。让我们深入探讨这三个步骤的具体内容。

部分分式·2025-02-25 04:33

AGI框架探索

开发十年，就只剩下这套Java开发体系了>>>随着对机器学习领域的深入探索，我渐渐迷上了AGI通用人工智能。

另一只又死又活的猫·2025-02-25 04:58

RTX 3090图形处理巅峰性能解析

通过对比测试数据与工程原理分析，重点探讨24GBGDDR6X显存在8K分辨率场景下的带宽利用率，以及10496个CUDA核心在光线追踪与深度学习超采样（DLSS）任务中的动态负载分

智能计算研究中心·2025-02-25 03:26

Ascend Extension for PyTorch是个what？

1AscendExtensionforPyTorchAscendExtensionforPyTorch插件是基于昇腾的深度学习适配框架，使昇腾NPU可以支持PyTorch框架，为PyTorch框架的使用者提供昇腾

·2025-02-25 03:53

神经网络与深度学习入门：理解ANN、CNN和RNN

shandianfk_com·2025-02-25 03:49

44、深度学习-自学之路-自己搭建深度学习框架-6、自动优化，就是把原来的权重更新的部分用面向对象的方式再写一次

importnumpyasnpnp.random.seed(1)data=np.array([[0,0],[0,1],[1,0],[1,1]])target=np.array([[0],[1],[0],[1]])#weights_0_1=np.random.rand(2,3)#weights_1_2=np.random.rand(3,1)weights_0_1=np.array([[0.1,0.2

小宇爱·2025-02-25 01:40

Python的PyTorch+CNN深度学习技术在人脸识别项目中的应用

二、关键技术深度学习：CNN在人脸检测、特征提取中表现优异。大数据：大规模数据集（如LFW、MegaFace）提升模型泛化能力。硬件加速：GPU、TPU等加速计算，提升实

mosquito_lover1·2025-02-25 01:07

深度学习与搜索引擎优化的结合：DeepSeek的创新与探索

目录引言1.传统搜索引擎的局限性2.深度学习在搜索引擎中的作用3.DeepSeek实现搜索引擎优化的关键技术3.1神经网络与搜索引擎优化3.2自然语言处理与查询理解3.3深度强化学习与搜索结果排序4.DeepSeek

m0_74825634·2025-02-25 01:37

PYTHON机器学习小项目教程：预测鸢尾花种类

我们将使用经典的鸢尾花数据集来构建一个分类模型，该数据集包含150个样本，每个样本有四个特征：花萼长度、花萼宽度、花瓣长度和花瓣宽度。目标是根据这些特征预测鸢尾花的种类（山鸢尾、变色鸢尾或维吉尼亚鸢尾）。一、环境配置首先，确保你已经安装了必要的库。如：pandas、numpy等，命令如下所示pipinstallnumpypandasscikit-learnmatplotlib[-i镜像源网站]二、

jackispy·2025-02-25 01:36

深度学习笔记——常见的Transformer位置编码

大家好，这里是好评笔记，公主号：Goodnote，专栏文章私信限时Free。本文详细介绍3种常见的Transformer位置编码——正弦/余弦位置编码（sin/cos）、基于频率的二维位置编码（2DFrequencyEmbeddings）、旋转式位置编码（RoPE）文章目录Transformer中常见的编码方式正弦/余弦位置编码（SinusoidalPositionalEncoding）基于频率的

好评笔记·2025-02-25 01:05

深度学习面试八股文——决战金三银四

本笔记的任务是解读深度学习实践/面试过程中可能会用到的知识点，内容通俗易懂，入门、实习和校招轻松搞定。

Good Note·2025-02-25 00:02

深度学习入门篇--来瞻仰卷积神经网络的鼻祖LeNet

B站视频讲解:深度学习入门篇:使用pytorch搭建LeNet网络并代码详解实战前言大家在学习神经网络的时候肯定会有这样的感受,有很多的文章和视频,有的文章也很好,但是总是不成体系,总是学起来东一榔锤,

智算学术·2025-02-25 00:31

轻量级网络设计原理与代码实战案例讲解

轻量级网络设计原理与代码实战案例讲解作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming1.背景介绍1.1问题的由来随着深度学习在各个领域的广泛应用，神经网络模型变得越来越庞大和复杂

AI天才研究院·2025-02-25 00:00

基于KNN的鸢尾花分类预测模型

机器学习，它也是需要对自己的学习效果进行评估，因为它需要根据结果来调整参数。

溪海莘·2025-02-24 23:57

推荐频道

深度学习&机器学习