深度学习之mxnet

linux循环之for循环

1.循环介绍循环就是迭代(重复)一些命令的代码块，如果循环控制条件不满足的话，就结束循环2.for循环语法for循环控制条件docommandsdone#当“循环控制条件”不满足条件，结束for循环3.for循环样例[root@kibana~]#catfor-1.sh#!/bin/bashforplanetin"Mercury1""Venus3""Earth5""Mars7""Jupiter9"d
小黑要上天·2025-03-10 19:16

ONNX GraphSurgeon详细介绍

它允许开发者在ONNX模型的图结构中进行修改、优化、插入节点、删除节点以及其他图结构操作，是在深度学习推理部署过程中非常有用的工具。
Lntano__y·2025-03-10 19:12

benchmark和baseline的联系与区别

在深度学习算法中，benchmark（基准）和baseline（基线）是两个常用的概念，用于评估算法的性能和进行比较。尽管它们有一些相似之处，但它们在定义和使用上有一些区别。
Lntano__y·2025-03-10 19:41

算法与竞赛(第7章) - C++与STL基础三：队列以及优先队列的应用

第1关：STL模板之queue实例一：最少个数本关任务：给定N个非负整数，求解至少需要选多少个连续的数，它们的和不小于给定的整数S，特别的，若没有解，则输出0。
Ssaty.·2025-03-10 18:39

第N4周：NLP中的文本嵌入

本人往期文章可查阅：深度学习总结词嵌入是一种用于自然语言处理（NLP）的技术，用于将单词表示为数字，以便计算机可以处理它们。通俗的讲就是，一种把文本转为数值输入到计算机中的方法。
OreoCC·2025-03-10 18:05

深度学习项目十一：mmdetection训练自己的数据集

mmdetection训练自己的数据集这里写目录标题mmdetection训练自己的数据集一：环境搭建二：数据集格式转换(yolo转coco格式)yolo数据集格式coco数据集格式yolo转coco数据集格式yolo转coco数据集格式的代码三：训练dataset数据文件配置configs1.在configs/faster_rcnn/faster-rcnn_r101_fpn_1x_coco.py
小啊磊_Vv·2025-03-10 17:02

llvm后端之局部变量

llvm后端之局部变量引言1生成FrameIndexSDNode2消除FrameIndex2.1eliminateCallFramePseudoInstr2.2eliminateFrameIndex引言
Victor Fung·2025-03-10 17:01

Docker之数据卷挂载

在Docker中，数据卷挂载是实现容器与宿主机之间数据持久化和共享的关键技术1.数据卷挂载的三种方式绑定挂载（BindMount）：直接将宿主机目录映射到容器。Docker管理卷（Volume）：由Docker自动创建和管理的存储卷。临时文件系统（tmpfs）：数据仅存储在内存中（本文不展开）。2.绑定挂载（BindMount）#将宿主机的`/host/path`目录挂载到容器的`/contain
运维实习生~·2025-03-10 17:31

Python 课课练 (八)：函数课后练习题

目录一、函数课后练习题练习前置知识ChapterOne:开启Python之旅ChapterTwo:Python语言基础、运算符与表达式、程序的控制结构合集ChapterThree:Python序列之字符串操作详解
Amo Xiang·2025-03-10 17:29

Linux系统之bc命令详解

bc（BasicCalculator）是一个在Unix和类Unix操作系统中提供的任意精度计算语言。它支持基本的数学运算，包括加、减、乘、除以及指数运算，并且能够处理浮点数和整数。此外，bc还支持编程特性，如变量定义、条件判断、循环结构等，使其不仅仅是一个计算器，更是一个完整的编程环境。基本语法启动bc交互模式：直接在终端中输入bc即可进入交互模式，在该模式下可以实时输入并计算表达式。bc非交互模
门前灯·2025-03-10 17:28

深度学习和机器学习的差异

深度学习（DeepLearning）作为机器
The god of big data·2025-03-10 16:28

深度学习 PyTorch 中 18 种数据增强策略与实现

深度学习pytorch之简单方法自定义9类卷积即插即用数据增强通过对训练数据进行多种变换，增加数据的多样性，它帮助我们提高模型的鲁棒性，并减少过拟合的风险。
@Mr_LiuYang·2025-03-10 16:25

linux 下 CUDA + Opencv 编程 之 CMakeLists.txt

CMAKE_MINIMUM_REQUIRED(VERSION2.8)PROJECT(medianFilterGPU)#CUDApackageFIND_PACKAGE(CUDAREQUIRED)INCLUDE(FindCUDA)#CUDAincludedirectoriesINCLUDE_DIRECTORIES(/usr/local/cuda/include)#OpenCVpackageFIND_P
maxruan·2025-03-10 16:23

计算机学习的五大避坑指南新手必藏

明确自己的职业发展方向，选择与之匹配的语言进行深入学习。避坑二：忽视基础知识的掌握技术性深化：深入理解算法如排序、搜索等，熟悉常见的数据结构如链表、栈、队列、树等，并掌握设计
编程诗人华仔·2025-03-10 16:52

Win11及CUDA 12.1环境下PyTorch安装及避坑指南：深度学习开发者的福音

Win11及CUDA12.1环境下PyTorch安装及避坑指南：深度学习开发者的福音【下载地址】Win11及CUDA12.1环境下PyTorch安装及避坑指南本资源文件旨在为在Windows11操作系统及
郁云爽·2025-03-10 16:52

清华大学：人工智能之知识图谱.pdf

清华大学：人工智能之知识图谱.pdf【下载地址】清华大学人工智能之知识图谱.pdf分享本资源文件来自于清华大学，聚焦于“人工智能之知识图谱”，是一份深入浅出地探讨知识图谱这一人工智能领域重要分支的文献。
黄晗昂Aileen·2025-03-10 16:52

C语言【进阶篇】之指针——涵盖基础、数组与高级概念

目录前言指针是什么指针基础内存与地址指针变量指针类型const修饰指针指针运算野指针和assert断言数组与指针数组名的理解使用指针访问数组一维数组传参的本质指针数组✍️高级指针概念二级指针函数指针函数指针数组回调函数qsort的使用与模拟实现⚙️指针与字符串字符指针字符串处理函数（如strlen和sizeof的对比）总结前言大家好！我是EnigmaCoder。本文收录于我的专栏C，感谢您的支持！
EnigmaCoder·2025-03-10 15:19

深度学习笔记——Resnet和迁移学习

1.ResNet的提出深度学习与网络深度的挑战：在深度学习中，网络的“深度”(即层数)通常与模型的能力成正比。然而，随着网络深度的增加，一些问题也随之出现，最突出的是梯度消失/爆炸问题。
肆——·2025-03-10 15:17

Windows 红色警戒合集 含红警1+2+3代所有版本 内含明细介绍 免安装中文版

pwd=v6vc#红警大合集，附送地图+修改器包含红警1+红警2+红警3所有版本其中,红警2含超级大全，包括:红色警戒2:共和国之辉联机版(可上对战平台)红色警戒2:共和国之辉疯狂版红色警戒2:原版(开局有
私人珍藏库·2025-03-10 15:46

解锁激光焊接新境界：填丝/填粉自适应技术大揭秘

激光焊接的品质之重在现代制造业的宏大版图中，激光焊接已然成为一股不可或缺的关键力量，深深扎根于众多核心领域。
计算机学长·2025-03-10 14:09

分布式ID

UUID由以下几部分的组合当前日期和时间，UUID的第一个部分与时间有关，如果你在生成一个UUID之
stay down·2025-03-10 13:32

深度学习在SSVEP信号分类中的应用分析

近年来，深度学习方法在SSVEP信号分类中取得了显著的成果。本文通过对31个深
自由的晚风·2025-03-10 12:00

PSPNet在图像超分辨率中的应用

近年来,随着深度学习的发展,基于卷积神经网络(ConvolutionalNeuralNetwork,CNN)的
AI天才研究院·2025-03-10 12:55

计算机网络之应用层（FTP）

一、FTP的基本概念FTP是建立在TCP协议之上的一个应用层协议，它采用C/S（客户端/服务器）模式进行工作。在FTP协议中，客户端负责发起文件传输请求，而服务器则负责响应这些请求并提供文件访问服务。二、FTP的工作原理FTP的工作原理基于客户端-服务器模型，主要通过以下步骤实现文件的传输和管理：1、建立控制连接：客户端首先通过TCP协议连接到FTP服务器的21端口，建立起控制连接。这个连接用于传
DKPT·2025-03-10 11:55

基于文本特征的微博谣言检测

本文将介绍如何基于文本特征，使用深度学习模型（如LSTM、CNN）和传统机器学习模型（如SVM）来实现微博谣言检测，并对这些模型的性能进行比较。
机器懒得学习·2025-03-10 11:24

基于深度学习的恶意软件检测系统：设计与实现

近年来，深度学习技术在模式识别和分类任务中取得了显著成效，为恶意软件检测领域带来了新的机遇。
机器懒得学习·2025-03-10 11:49

夜河低语，亡魂替身？鬼节惊魂！

夜幕缓缓而来，鬼影已至深渊之
大脸猫的猫脸大·2025-03-10 10:47

自然之美：探索湖光山色的秘密！

沿着河流前行，我来到了一处峡谷。这里的山势险峻，危峰兀立，给人一种强烈的视觉冲击。峡谷中的水流更加湍急，波浪拍打着岩石，溅起一朵朵白色的浪花。站在峡谷边缘，我能感受到一种无形的力量，它来自大自然的鬼斧神工，也来自内心深处对美好的向往。继续前行，一片波澜壮阔的湖泊映入眼帘。湖水宽广无垠，天边的云彩倒映其中，形成了一幅动人的画面。湖边，柳绿花艳，莺歌燕舞，一派生机勃勃的景象。微风吹过，带来了阵阵花香和
大脸猫的猫脸大·2025-03-10 10:17

linux文件io实训小结,linux学习之IO操作，文件IO总结

文件IO不带缓存，每个read和write都调用内核中的相应系统调用。文件IO常用函数：open，close，read，write，lseek对于内核而言，所有打开文件都有文件描述符引用。文件描述符是一个非负整数。当打开一个现存文件或创建一个新文件时，你诶和向进程返回一个文件描述符。当读、写一个文件时，用open返回的文件描述符标识该文件，将其作为参数传给read或write。1.open(被打开
weixin_39743064·2025-03-10 10:16

AI Agent: AI的下一个风口 从图形用户界面到自然语言的进化

的下一个风口从图形用户界面到自然语言的进化1.背景介绍1.1人机交互的演变历程1.1.1命令行界面时代1.1.2图形用户界面时代1.1.3自然语言交互的兴起1.2AI技术的发展现状1.2.1机器学习和深度学习的突破
AI天才研究院·2025-03-10 10:45

IoT边缘计算软件：AWS Greengrass二次开发_AWSGreengrass安全机制与最佳实践

2.AWSGreengrass安全概述AWSGreengrass使用多种安全机制来保护边缘设备和云之
chenlz2007·2025-03-10 10:09

基于PyTorch的深度学习4——使用numpy实现机器学习vs使用Tensor及Antograd实现机器学习

首先，给出一个数组x，然后基于表达式y=3x2+2，加上一些噪音数据到达另一组数据y。然后，构建一个机器学习模型，学习表达式y=wx2+b的两个参数w、b。利用数组x，y的数据为训练数据。最后，采用梯度梯度下降法，通过多次迭代，学习到w、b的值。以下为具体步骤：1)导入需要的库。importnumpyasnp%matplotlibinlinefrommatplotlibimportpyplotas
Wis4e·2025-03-10 09:09

Java基础系列：深入解析抽象类、接口与Lambda表达式及避坑指南

行为契约的进化1.接口的现代形态（Java8+）2.接口与抽象类对比3.五大核心陷阱陷阱1：默认方法冲突陷阱2：常量隐藏陷阱3：静态方法陷阱陷阱4：函数式接口误用陷阱5：接口演化风险三、Lambda表达式：简洁之美与暗礁
JouJz·2025-03-10 09:39

AI 大模型应用数据中心建设：数据中心成本优化

无论是进行深度学习模型的训练，还是大模型应用的推理，数据中心都需要提供充足的计算资源、存储空间和网络带宽。
杭州大厂Java程序媛·2025-03-10 09:38

SSTI模板注入绕过

SSTI之细说jinja2的常用构造及利用思路-蚁景网安实验室-博客园1.{%%}绕过过滤{{}}想要回显内容在外面加个print{%print("",__class__)%}2.getitem()绕过
墨菲斯托888·2025-03-10 09:08

深度学习-144-Text2SQL之基于langchain的少量样本提示词模板FewShotPromptTemplate的应用实战(三)

文章目录1基本组件1.1大模型1.2数据库Chinook1.2.1创建并载入数据1.2.2SQLDatabase2年龄最大的员工姓名和年龄3少量样本提示词模板3.1创建示例集3.2创建格式化程序3.3创建示例选择器3.4创建少量示例提示词模板3.5应用测试3.6添加新示例4参考附录1基本组件1.1大模型fromlangchain_ollamaimportChatOllamaimportosos.e
皮皮冰燃·2025-03-10 09:36

Pytorch 第九回：卷积神经网络——ResNet模型

Pytorch第九回：卷积神经网络——ResNet模型本次开启深度学习第九回，基于Pytorch的ResNet卷积神经网络模型。这是分享的第四个卷积神经网络模型。
Start_Present·2025-03-10 09:05

RoPE——Transformer 的旋转位置编码

在自然语言处理领域，Transformer是现代深度学习模型的基础，而位置编码（PositionEmbedding）则是Transformer处理序列数据的关键模块之一。
机智的小神仙儿·2025-03-10 09:34

LeetCode刷题之python解法（持续更新）

1.TwoSum4行classSolution:deftwoSum(self,nums:List[int],target:int)->List[int]:d={}fori,ninenumerate(nums):ifnind:return[d[n],i]d[target-n]=iO(N)时间效率的快速解法，用字典记录｛需要的值:当前索引｝2.AddTwoNumbers5行#Definitionfor
gong_wanyi·2025-03-10 09:02

Python爬虫之爬取酷狗音乐

Python爬虫之爬取酷狗音乐废话不说，上代码：#!
进击的Loser‭·2025-03-10 09:31

每天五分钟深度学习pytorch：基于Pytorch搭建ResNet模型的残差块

残差块我们分析一下这个残差块，x经过两个卷积层得到F(x)，然后F(x)+x作为残差块的输出，此时就有一个问题，这个问题就是F(x)+x的维度问题，如果图片数据经过两个卷积层之后F(x)变小（height和weight变小）或者通道数发生了变化，那么此时F(x)是没有办法和x相加的，当然我们可以学习前面的GoogLeNet的方式，也就是说卷积之后的F(x)和x一样，大小不变，或者对x变道和F(x)
每天五分钟玩转人工智能·2025-03-10 08:59

玩转python: 掌握Python数据结构之字典

字典（Dictionary）是Python中一种非常强大的数据结构，它以键值对（Key-ValuePair）的形式存储数据。字典的特点是快速查找、灵活存储和高效操作。想象一下字典就像一本电话簿：通过名字（键）可以快速找到对应的电话号码（值）。本文将带你深入理解字典的概念，并通过丰富的案例展示其实际应用。字典的常见方法以下是字典的20个常见方法及其功能的简要说明：方法名功能描述clear()移除字典
千益·2025-03-10 08:28

Training-free Neural Architecture Searchthrough Variance of Knowledge of Deep Network Weights（预览版本）

代码位置摘要深度学习彻底改变了计算机视觉，但它使用深度网络架构取得了巨大的成功，而这些架构大多是手工制作的，因此可能不是最理想的。
境心镜·2025-03-10 08:54

SAP MM 物料主数据利润中心字段之修改

SAPMM物料主数据利润中心字段之修改近日，收到业务部门报的一个问题，说是MM02去修改物料的利润中心字段值，系统报错说物料库存存在，不让修改。笔者查询了该物料的库存，当期库存并不存在。
喜欢打酱油的老鸟·2025-03-10 08:53

FreeRTOS内存管理之heap_4.c源码解析

heap_1——最简单，，具有确定性，从静态数组中分配内存，不允许释放内存，不会导致内存碎片化，一锤子买卖，不算真正的动态内存分配；heap_2——非确定性，允许释放内存，但不会合并相邻的空闲块，也就是说没有内存碎片优化措施；heap_3——简单包装了标准malloc()和free()，以保证线程安全，借壳上市，需要连接器设置堆空间分布，且需要编译器库提供malloc和free函数的实现，可能回增
星辰&流星·2025-03-10 08:23

智能教育：DeepSeek在课堂管理中的应用与代码实现

DeepSeek通过深度学习算法，能够从课堂数据中
Evaporator Core·2025-03-10 07:52

基于PyTorch的深度学习5——神经网络工具箱

可以学习如下内容：•介绍神经网络核心组件。•如何构建一个神经网络。•详细介绍如何构建一个神经网络。•如何使用nn模块中Module及functional。•如何选择优化器。•动态修改学习率参数。5.1核心组件神经网络核心组件不多，把这些组件确定后，这个神经网络基本就确定了。这些核心组件包括：1)层：神经网络的基本结构，将输入张量转换为输出张量。2)模型：层构成的网络。3)损失函数：参数学习的目标函
Wis4e·2025-03-10 07:49

mysql之逻辑函数

MySQL中的逻辑函数允许你根据条件对数据进行判断和选择。以下是一些常用逻辑函数的详细介绍和示例：IF(expr1,expr2,expr3)如果expr1是真（非零和非NULL），IF()函数返回expr2，否则返回expr3。SELECTIF(10,'true','false');--结果:'true'CASECASE函数有两种格式：简单CASE和搜索CASE函数。它们都允许在条件语句中进行选择
rkmhr_sef·2025-03-10 06:44

深度学习-Android-图片加载框架-Glide-(二)-切入源码层深入分析-Glide-缓存策略

介绍在上一篇中，我们知道了Glide框架的最基本的执行流程，那么只知道基本执行流程，这显然是不够的，我们要深挖Glide框架的细节处理原理，比如缓存机制，图片处理等，这一篇我们就一起去探索Glide的缓存机制。Glide缓存机制可以说是设计的非常完美，考虑的非常周全，下面就以一张表格来说明下Glide缓存。缓存类型缓存代表说明活动缓存ActiveResources如果当前对应的图片资源是从内存缓存
2401_84123077·2025-03-10 05:38

Qt常用控件之表格QTableWidget

表格QTableWidgetQTableWidget是一个表格控件，行和列交汇形成的每个单元格，是一个QTableWidgetItem对象。1.QTableWidget属性QTableWidget的属性只有两个：属性说明rowCount当前行的个数。columnCount当前列的个数。2.QTableWidget信号信号说明cellClicked(introw,intcolumn)点击单元格时触发
laimaxgg·2025-03-10 04:24
上一页 16 17 18 19 20 21 22 23 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他