深度学习——CNN

自己设计一个Transformer模型

Transformer模型在2017年被Google提出，直接基于self-attention结构，不再依赖于RNN、LSTM或者CNN，是一种Seg2Seg模型。
郑不凡·2024-08-31 13:23

深度学习100问13:什么是二分类问题

嘿，你知道二分类问题不？这就像是一个“超级裁判”，要把东西分成两大类。一、定义及举例想象一下，生活中有很多时候我们得决定一个东西到底属于哪一边。就像判断一封邮件，是“垃圾邮件”呢，还是“正常邮件”；或者看看一个病人，是“得了某种病”呢，还是“没得病”。二、解决方法要解决二分类问题呀，我们可以找来一些“魔法工具”，也就是机器学习算法。像逻辑回归啦、支持向量机啦、决策树啦等等。这些算法就像聪明的小助手
不断持续学习ing·2024-08-31 11:14

AI自动采集教学行为——用AI来做机器学习部分和深度学习部分（含torch和cuda）包含机器学习模型和bert模型的使用

文章目录数据清洗机器学习深度学习代码没问题之后的文件下载bert环境配置太麻烦，改用飞浆的bert飞浆失败-接着bert，用谷歌AIbert的使用数据清洗要遍历当前文件夹下从1.x1sx到8.x1sx的所有文件
东方-教育技术博主·2024-08-31 11:13

每天一个数据分析题（五百一十二）- 数据标准化

A.决策树B.KNNC.K-MeansD.SVM数据分析认证考试介绍：点击进入题目来源于CDA模拟题库点击此处获取答案数据分析专项练习题库内容涵盖Python，SQL，统计学，数据分析理论，深度学习，可视化
跟着紫枫学姐学CDA·2024-08-31 10:09

回归预测|基于卷积神经网络-鲸鱼优化-最小二乘支持向量机的数据回归预测Matlab程序 CNN-WOA-LSSVM

回归预测|基于卷积神经网络-鲸鱼优化-最小二乘支持向量机的数据回归预测Matlab程序CNN-WOA-LSSVM文章目录一、基本原理1.数据预处理2.特征提取（CNN）3.参数优化（WOA）4.模型训练
机器不会学习CL·2024-08-31 10:36

深度学习：图像数据分析的革命

深度学习：图像数据分析的革命在当今数据驱动的世界中，图像数据分析已成为一个热门领域，而深度学习技术在其中扮演着核心角色。
2401_85761762·2024-08-31 10:06

DNN学习平台（GoogleNet、SSD、FastRCNN、Yolov3）

DNN学习平台（GoogleNet、SSD、FastRCNN、Yolov3）前言相关介绍1，登录界面：2，主界面：3，部分功能演示如下（1）识别网络图片（2）GoogleNet分类（3）人脸识别（4）SSD
吾名招财·2024-08-31 06:10

基于yolov8的安全帽反光衣护目镜检测系统python源码+onnx模型+评估指标曲线+精美GUI界面

【算法介绍】基于YOLOv8的安全帽、反光衣及护目镜检测系统是一款集成了前沿深度学习与计算机视觉技术的智能监控系统。
FL1623863129·2024-08-31 06:05

快速使用transformers的pipeline实现各种深度学习任务

目录引言安装情感分析文本生成文本摘要图片分类实例分割目标检测音频分类自动语音识别视觉问答文档问题回答图文描述引言在这篇中文博客中，我们将深入探讨使用transformers库中的pipeline()函数，它为预训练模型提供了一个简单且快速的推理方法。pipeline()函数支持多种任务，包括文本分类、文本生成、摘要生成、图像分类、图像分割、对象检测、音频分类、自动语音识别、视觉问题回答、文档问题回
E寻数据·2024-08-31 04:54

基于CNN-BiLSTM-Adaboost风电功率预测研究（Matlab代码实现）

本文目录如下：目录⛳️赠与读者1概述一、研究背景与意义二、研究方法1.数据准备与预处理2.CNN特征提取3.BiLSTM序列建模4.Adaboost集成学习5.模型训练与评估三、研究优势四、未来展望2运行结果
创新优化代码学习·2024-08-31 04:23

智能合约漏洞检测论文

基于深度学习的漏洞检测研究https://github.com/VulDetProject/ReVe
weixin_45332030·2024-08-31 04:51

【ShuQiHere】微调与训练恢复：理解 `load_weights` 和 `save_model` 的实用方法

【ShuQiHere】在深度学习的世界中，训练一个模型不仅需要时间，还需要大量的计算资源。比如，你已经花了几天时间训练一个模型，但突然间，电脑崩溃了，你的所有进度都丢失了。
ShuQiHere·2024-08-31 02:37

Phenaki——文本描述生成动画或视频，动态视频序列。

Phenaki的核心在于将文本描述转化为视频的过程，通过一系列深度学习技术实现高质量、流畅的视频生成。
爱研究的小牛·2024-08-31 02:06

【ShuQiHere】卷积神经网络（CNN）：从输入到输出的逐层解析

【ShuQiHere】卷积神经网络（ConvolutionalNeuralNetwork，CNN）是深度学习领域的一个里程碑。
ShuQiHere·2024-08-31 01:02

百度飞桨教程（一）

百度飞桨（paddle），是一个开源的深度学习平台百度飞桨的安装pipinstallpaddlepaddle-ihttps://mirror.baidu.com/pypi/simple手写数字识别案例我们来通过一个案例
怎么这么多名字都被占了·2024-08-31 00:55

第T10周：数据增强

>-**本文为[365天深度学习训练营]中的学习记录博客**>-**原作者：[K同学啊]**第10周：数据增强难度：夯实基础⭐⭐语言：Python3、TensorFlow2要求：学会在代码中使用数据增强手段来提高
OreoCC·2024-08-31 00:55

深度学习系列70：模型部署torchserve

1.流程说明ts文件夹下，从launcher.py进入，执行jar文件。入口为model_server.py的start()函数。内容包含：读取args，创建pid文件找到java，启动model-server.jar程序，同时读取log-config文件，TEMP文件夹地址，TS_CONFIG_FILE文件根据cpu核数、gpu个数，启动多进程。每个进程有一个socket_name和socket
IE06·2024-08-31 00:25

AI人工智能深度学习算法：卷积神经网络的原理与应用

AI人工智能深度学习算法：卷积神经网络的原理与应用作者：禅与计算机程序设计艺术1.背景介绍1.1人工智能的兴起与深度学习的崛起人工智能(AI)是指计算机科学的一个分支，旨在创造能够执行通常需要人类智能的任务的智能机器
AI大模型应用之禅·2024-08-30 23:21

基于深度学习的金属锈蚀检测系统详细实施指南

随着深度学习技术的快速发展，特别是在计算机视觉领域的突破，我们现在有能力开发出更加高效、准确的自动化锈蚀检测系统。这个项目的主要目标是构建一个基于最新YOLO（Yo
A等天晴·2024-08-30 22:45

Langchain-Chatchat本地部署的解决方案

对机器学习和深度学习拥有自己独到的见解。曾经辅导过若干个非计算机专业的学生进入到算法行业就业。希望和大家一起成长进步。  
herosunly·2024-08-30 22:13

深度学习100问23:什么是前馈型神经网络

嘿，前馈型神经网络就像一个神奇的小工厂哟！一、定义及原理这个小工厂呀，有个特别的工作方式。数据就像是原材料，从输入层这个“大门”进入工厂。然后呢，这些数据一路向前，经过一个又一个隐藏层，就好像经过不同的加工车间。每个车间都对数据进行一番特别的处理和改造。最后，数据到达输出层这个“成品出口”，变成了我们想要的结果。在这个过程中，数据只能一个劲儿地往前跑，可不能绕回来，就像一条单行道。比如说，如果我们
不断持续学习ing·2024-08-30 19:57

python 数据挖掘与机器学习

同时，伴随着深度学习的快速发展，人工智能技术在各个领域中的应用越来越广泛。
科研的力量·2024-08-30 19:57

大模型是如何炼成的：揭秘深度学习训练的秘密与优化技巧

本文将通过具体案例，带你走进深度学习训练的世界，一探究竟，并分享一些大模型训练过程中的优化技巧。一、数据收集与预处理数据收集：大模型的训练需要海量的数据。
AI大模型_学习君·2024-08-30 19:25

做大模型 千万别买苹果笔记本电脑

以下是一些主要原因：1.GPU不适合深度学习AppleSiliconGPU限制：Apple自家芯片（如M1和M2）的GPU架构与传统的NVIDIAGPU（通常是深度学习和大模型训练的首选）不同。
路人与大师·2024-08-30 16:06

AI中的核心概念解读：深度学习、机器学习、神经网络与自然语言处理

然而，对于刚接触AI的初学者或非专业人士来说，理解其中的核心概念，特别是深度学习、机器学习、神经网络与自然语言处理之间的区别，可能显得有些复杂。
wypdao·2024-08-30 16:31

昇思25天学习打卡

@[TOC]《昇思25天学习打卡营第02天|lulul》张量Tensor张量tensor是在机器学习和深度学习中广泛应用的数据概念，张量是多维数组的泛化，能够表示标量（0维张量）、向量（1维张量）、矩阵
十分钟ll·2024-08-30 15:28

论文阅读瞎记(四) Cascade R-CNN: Delving into High Quality Object Detection 2017

一个单阶段的物体检测器CascadeR-CNN被提出用于解决这些问题。网络由一个检测序列组成，这些序列训练时会伴随IOU增长从而对FP样本更加有选择性地判别。检测器一个
码大哥·2024-08-30 15:58

基于yolov8的脑肿瘤检测系统python源码+onnx模型+评估指标曲线+精美GUI界面

在脑肿瘤检测中，YOLOv8通过深度学习技术，自动从脑部图像中提取特征，并学习目标的特征表示和位置信息。系统采用模块化设
FL1623863129·2024-08-30 15:57

目标检测：Cascade R-CNN: Delving into High Quality Object Detection - 2017【方法解读】

查看新版本论文：目标检测：CascadeR-CNN:HighQualityObjectDetectionandInstanceSegmentation-2019【方法解读】目录摘要：1.引言2.相关工作
智维探境·2024-08-30 15:27

深度学习赋能数据分析，联蔚盘云引领业务革新

一、引言随着大数据时代的到来，深度学习技术正逐渐成为企业数据分析的新引擎。联蔚盘云凭借其在深度学习领域的深厚积累，为企业提供高效、精准的数据分析解决方案，助力企业实现业务革新与增长。
联蔚盘云·2024-08-30 14:20

动手学深度学习（pytorch）学习记录20-自定义层[学习记录]

在深度学习中，自定义层是指开发者根据特定需求编写的神经网络层，而不是使用深度学习框架（如PyTorch、TensorFlow等）提供的现成层。自定义层可以让模型更加灵活，以适应特定的任务或数据集。
walfar·2024-08-30 13:13

动手学深度学习（pytorch）学习记录21-读写文件(模型与参数)[学习记录]

目录加载和保存张量加载和保存模型参数保存模型的好处众多，涵盖了从开发到部署的整个机器学习生命周期。节省资源：训练模型可能需要大量的时间和计算资源。保存模型可以避免重复训练，从而节省时间和计算资源。快速部署：一旦模型被训练并保存，它可以迅速部署到生产环境中，加速产品上市时间。版本控制：保存不同版本的模型有助于跟踪模型的迭代过程，便于比较和回滚到之前的版本。离线使用：保存的模型可以在没有网络连接的情况
walfar·2024-08-30 12:42

PyTorch深度学习实战（26）—— PyTorch与Multi-GPU

当拥有多块GPU时，可以利用分布式计算（DistributedComputation）与并行计算（ParallelComputation）的方式加速网络的训练过程。在这里，分布式是指有多个GPU在多台服务器上，并行指一台服务器上的多个GPU。在工作环境中，使用这两种方式加速模型训练是非常重要的技能。本文将介绍PyTorch中分布式与并行的常见方法，读者需要注意这二者的区别，并关注它们在使用时的注意
shangjg3·2024-08-30 12:10

《深度学习走向核心素养小学数学》读书第四期

逻辑推理：让学生学会“用数学的思维想”义务教育数学课程标准的核心词还提到运算能力和推理能力，这都属于逻辑推理。数学内部的发展依赖的就是逻辑推理。逻辑推理是指从一些事实和命题出发，依据规则推出其他命题的思维过程。它主要包括两类：一类是从特殊到一般的推理，推理形式主要有归纳、类比；一类是从一般到特殊的推理，推理形式主要有演绎。演绎推理是从大范围内成立的命题推断小范围内命题也成立，只能用来验证知识，不能
Lethe不迷糊·2024-08-30 12:52

自然语言处理（NLP）与机器学习：深度探索两者的关系

（NLP）与机器学习：深度探索两者的关系1.自然语言处理(NLP)的概述NLP的主要任务包括：2.机器学习(ML)的概述机器学习的主要类型包括：3.NLP与机器学习的关系1.机器学习驱动NLP任务2.深度学习与
听忆.·2024-08-30 10:51

【深度学习】embedding的简单理解

文章目录一、简单理解二、其他通俗理解一、简单理解特征嵌入，将数据转换（降维）为固定大小的特征表示（矢量），以便于处理和计算（如求距离）。例如，针对用于说话者识别的语音信号训练的模型可以允许您将语音片段转换为数字向量，使得来自相同说话者的另一片段与原始向量具有小的距离（例如，欧几里德距离）。embedding的主要目的是对（稀疏）特征进行降维，它降维的方式可以类比为一个全连接层（没有激活函数），通过
旅途中的宽~·2024-08-30 09:47

Datawhale X 李宏毅苹果书AI夏令营深度学习详解进阶Task02

目录一、自适应学习率二、学习率调度三、优化总结四、分类五、问题与解答本文了解到梯度下降是深度学习中最为基础的优化算法，其核心思想是沿着损失函数的梯度方向更新模型参数，以最小化损失值。
z are·2024-08-30 08:14

深度学习中Embedding的理解

在深度学习领域，Embedding一般用于代表某个类目的全部相关信息，表现形式为一个向量。
普通攻击往后拉·2024-08-30 08:44

深度学习速通系列:贝叶思&SVM

贝叶斯（Bayesian）方法和支持向量机（SVM，SupportVectorMachine）是两种不同的机器学习算法，它们在解决分类和回归问题时有着不同的原理和应用场景贝叶斯方法：贝叶斯方法基于贝叶斯定理，这是一种利用已知信息（先验概率）来预测未知事件（后验概率）的概率方法。它通常用于分类问题，特别是当数据集较小或存在类别不平衡时。贝叶斯方法可以处理不确定性，并且可以通过增加新的数据来更新先验概
Ven%·2024-08-30 08:13

机器学习和深度学习·贝叶斯优化和optuna

贝叶斯优化贝叶斯优化的思想先验：取点似然：假设分布取了n个点之后…后验：近似取得极值贝叶斯优化的数学过程在贝叶斯优化的数学过程当中，我们主要执行以下几个步骤：1定义需要估计的f(x)f(x)f(x)以及xxx的定义域2取出有限的n个xxx上的值，求解出这些xxx对应的f(x)f(x)f(x)（求解观测值）3根据有限的观测值，对函数分布进行假设（该假设被称为贝叶斯优化中的先验知识），得出该假设分布上
0xMayL·2024-08-30 08:39

【ShuQiHere】《机器学习的进化史『下』：从神经网络到深度学习的飞跃》

【ShuQiHere】引言：神经网络与深度学习的兴起在上篇文章中，我们回顾了机器学习的起源与传统模型的发展历程，如线性回归、逻辑回归和支持向量机（SVM）。
ShuQiHere·2024-08-30 07:07

PyTorch深度学习实战（27）—— PyTorch分布式训练

本节将详细介绍如何进行神经网络的分布式训练。其中1.1将结合MPI介绍分布式训练的基本流程，1.2与1.3将分别介绍如何使用torch.distributed以及Horovod进行神经网络的分布式训练。1PyTorch分布式训练1.1使用MPI进行分布式训练下面讲解如何利用MPI进行PyTorch的分布式训练。这里主要介绍的是数据并行的分布式方法：每一块GPU都有同一个模型的副本，仅加载不同的数据
shangjg3·2024-08-30 07:37

PyTorch Geometric（torch_geometric）简介

图网络是深度学习领域的一种强大工具，它能够处理结构化数据，如社交网络、分子结构、交通网络等。
小桥流水---人工智能·2024-08-30 06:32

深入理解PyTorch中的`torch.topk`函数！！！（个人总结，为了方便我自己复习，要是同时也能帮助到大家就更好了）

`torch.topk`函数概述函数签名返回值2.基本用法示例1：找到一维张量的最大值示例2：在二维张量的指定维度上操作3.高级应用4.结论深入理解PyTorch中的torch.topk函数在深度学习和数据处理中
小桥流水---人工智能·2024-08-30 06:32

在 PyTorch 中，`permute` 方法是一个强大的工具，用于重排张量的维度。

这在深度学习中非常有用，尤其是在处理具有多维数据（如图像、视频或复杂数组）的神经网络时。
小桥流水---人工智能·2024-08-30 06:32

PyTorch概述

它广泛用于深度学习和神经网络的研究和开发。PyTorch以其动态计算图、灵活性和简单易用的接口而闻名，深受研究人员和开发者的喜爱。
fydw_715·2024-08-30 06:01

[Scene Graph] 图神经网络的核心方法——Message Passing

深度学习方法的兴起是从计算图像处理（ComputerVision）领域开始的。以卷积神经网络（CNN）为代表的方法会从邻近的像素中获取信息。
风中摇曳的小萝卜·2024-08-30 06:01

基于深度学习的分子生成

基于深度学习的分子生成是一项结合化学、计算科学与人工智能的新兴领域，旨在利用深度学习模型来生成具有特定性质的分子结构。该技术在药物发现、材料科学和合成化学等领域具有广泛的应用前景。
SEU-WYL·2024-08-30 06:29

基于深度学习的人类行为模仿

基于深度学习的人类行为模仿是指利用深度学习技术构建模型，使计算机系统能够学习、理解、并模仿人类的行为。
SEU-WYL·2024-08-30 01:26

爆改yolov8|利用BSAM改进YOLOv8，高效涨点

BSAM（BiLevelSpatialAttentionModule）是一个用于提升深度学习模型在空间特征处理中的能力的模块。它主要通过双层注意力机制来增强模型对重要空间信息的关注，从而提升任务性能。
不想敲代码！！！·2024-08-29 22:37
上一页 3 4 5 6 7 8 9 10 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他