深度学习实战第5页

Tensorflow深度学习实战之(一)--Tensorflow 基本运算机制

Tensorflow基本运算机制本人学习编写有关深度学习的第一篇博客，包括CSDN博客的写法不是很熟悉，所以不要太在意排版的错误，哈哈哈一起学习到内容才是我的初衷，继续加油吧思文！！！该系列专栏所涉及到的Tensorflow配置的环境说明1.CPU版本的Tensorflow==1.13.12.GPU版本的Tensorflow==2.6.2,英伟达显卡驱动CUDA版本==11.6，Python版本=

TORE007·2023-04-01 21:37

Pytorch深度学习实战3-6：详解网络骨架模块nn.Module(附实例)

目录1什么是nn.Module？2从一个例子说起3nn.Module主要方法4自定义网络一般步骤1什么是nn.Module？在实际应用过程中，经典网络结构(如卷积神经网络)往往不能满足我们的需求，因而大多数时候都需要自定义模型，比如：多输入多输出(MIMO)、多分支模型、跨层连接模型等。nn.Module就是Pytorch中用于自定义模型的核心方法。在Pytorch中，自定义层、自定义块、自定义模

Mr.Winter`·2023-04-01 21:18

Pytorch深度学习实战3-2：什么是张量？Tensor的创建与索引

目录1什么是张量？2Pytorch数据类型与转化3张量Tensor的创建3.1类型创建3.2序列转换3.30/1张量3.4对角张量3.5正态张量3.6随机向量3.7线性张量4张量Tensor的索引4.1下标索引4.2条件索引4.3附加控制索引1什么是张量？张量(Tensor)是多维数组结构，在人工智能领域应用广泛，例如输入彩色图片即是3维张量——RGB三维且每维都是二维平面像素矩阵。下面这张表直观

Mr.Winter`·2023-03-31 10:16

CSIG AI前沿技术培训首期开讲，携手百度飞桨走进北科大开启深度学习实战

活动以北京科技大学为第一站，携手百度飞桨围绕「深度学习实战」开展主题培训。CSIG理事长、湖南大学王耀南院士，北京科技大学副校长张卫冬，北京科技大学计算机与通信工程学院党委书记蒋韬，CS

飞桨PaddlePaddle·2023-03-30 08:31

PyTorch深度学习实战 | 典型卷积神经网络

在深度学习的发展过程中，出现了很多经典的卷积神经网络，它们对深度学习的学术研究和工业生产都起到了巨大的促进作用，如VGG、ResNet、Inception和DenseNet等，很多投入实用的卷积神经都是在它们的基础上进行改进的。初学者应从试验开始，通过阅读论文和实现代码（tensorflow.keras.applications包中实现了很多有影响力的神经网络模型的源代码）来全面了解它们。下文简要

TiAmo zhang·2023-03-30 08:51

深度学习实战视频教程+资料全套

─1-9│1、课程：多层感知机DNN.1、浅层网络的问题.mp4│1、课程：多层感知机DNN.2、涌现现象与深度网络为何高效.mp4│1、课程：多层感知机DNN.3、计算图.mp4│1、课程：多层感知机DNN.4、导数的反向传播.mp4│2、课程：梯度下降法.1、梯度下降的直观例子（一）.mp4│2、课程：梯度下降法.2、梯度下降的直观例子（二）.mp4│2、课程：梯度下降法.3、梯度下降的代码实

globals_11de·2023-03-30 06:32

PyTorch 深度学习实战 | 基于生成式对抗网络生成动漫人物

生成式对抗网络（GenerativeAdversarialNetwork,GAN）是近些年计算机视觉领域非常常见的一类方法，其强大的从已有数据集中生成新数据的能力令人惊叹，甚至连人眼都无法进行分辨。本文将会介绍基于最原始的DCGAN的动漫人物生成任务，通过定义生成器和判别器，并让这两个网络在参数优化过程中不断“打架”，最终得到较好的生成结果。01、生成动漫人物任务概述日本动漫中会出现很多的卡通人物

TiAmo zhang·2023-03-28 07:32

Pytorch 深度学习实战：视频自动打码

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达人脸识别人脸识别是一门比较成熟的技术。它的身影随处可见，刷脸支付，信息审核，监控搜索，人脸打码等。更多的时候，它是方便了我们的生活，足不出户，就可以实现各种APP的实名认证，信息审核。一些公司，也都有对内部员工开放的刷脸支付系统，不用带手机，不用带工卡，带着一张或美丽或帅气的脸庞，就可以在公司内部「买买买，刷刷刷」！人脸打码除了

小白学视觉·2023-03-26 08:19

深度学习实战（六）：从零开始实现表情识别

深度学习实战（六）：从零开始实现表情识别1.项目简介2.数据获取2.1数据爬取2.2数据整理2.3数据清洗2.4提取嘴唇区域3.模型训练3.1数据接口准备3.1.1datasets.ImageFolder3.1.2Transforms

AiCharm·2023-03-26 08:49

Python深度学习实战：人脸关键点(15点)检测pytorch实现

引言人脸关键点检测即对人类面部若干个点位置进行检测，可以通过这些点的变化来实现许多功能，该技术可以应用到很多领域，例如捕捉人脸的关键点，然后驱动动画人物做相同的面部表情；识别人脸的面部表情，让机器能够察言观色等等。如何检测人脸关键点本文是实现15点的检测，至于N点的原理都是一样的，使用的算法模型是深度神经网络，使用CV也是可以的。如何检测这个问题抽象出来，就是一个使用神经网络来进行预测的功能，只不

爱你是长久之计~·2023-03-26 08:48

深度学习实战21(进阶版)-AI实体百科搜索，任何名词都可搜索到的百科全书

大家好，我是微学AI，今天给大家带来一个AI实体百科搜索的有趣项目。AI实体百科搜索功能可以让用户通过输入实体名称来搜索相关的信息，并将这些信息以可视化方式呈现出来。构建这个功能可以帮助用户快速地获取与特定实体相关的信息。在这个功能中，用户可以输入一个实体的名称，比如一个人、一个地方或一件事情等等，然后系统将会返回包括该实体的详细信息在内的相关结果，类似与本地部署一个百度百科了。一、AI实体百科搜

微学AI·2023-03-25 07:49

深度学习实战篇之 ( 六) -- TensorFlow学习之路（三）

科普知识GefferyHinton被称为“深度学习之父”、“神经网络先驱”、“AI教父”，他的名字响彻整个AI领域，他的一举一动，都是热点导向。以深度神经网络为代表的深度学习模型，在19世纪70年代进入寒潮以来，再次焕发出活力、得到学术界和工业界广泛关注，与他的贡献密不可分。前言上期的文章中，我们学会了TensorFlow中全连接层的搭建和输入数据的喂入方法，这些都是构建深度学习项目的基础，本来打

fengyuxie·2023-03-24 19:59

深度学习实战篇之 ( 五) -- TensorFlow学习之路（二）

科普知识《自然哲学的数学原理》是英国物理学家艾萨克·牛顿创作的物理学哲学著作，1687年首次出版。《自然哲学的数学原理》是牛顿重要的物理学哲学著作。全书分为三卷，第一卷“论物体的运动”，表述了牛顿三定律；第二卷也是“论物体的运动”，论述了阻力下物体的运动，为流体力学开先河；第三卷“论宇宙的系统”，讨论了宇宙系统。《自然哲学的数学原理》总结了近代天体力学和地面力学的成就，为经典力学规定了一套基本概念

fengyuxie·2023-03-24 19:28

PyTorch 深度学习实战 | 基于 ResNet 的花卉图片分类

“工欲善其事，必先利其器”。如果直接使用Python完成模型的构建、导出等工作，势必会耗费相当多的时间，而且大部分工作都是深度学习中共同拥有的部分，即重复工作。所以本案例为了快速实现效果，就直接使用将这些共有部分整理成框架的TensorFlow和Keras来完成开发工作。TensorFlow是Google公司开源的基于数据流图的科学计算库，适合用于机器学习、深度学习等人工智能领域。Keras是一个

TiAmo zhang·2023-03-23 07:34

PyTorch深度学习实战 | 基于YOLO V3的安全帽佩戴检测

本期将提供一个利用深度学习检测是否佩戴安全帽的案例，从而展示计算机视觉中的目标识别问题的一般流程。目标检测是基于图片分类的计算机视觉任务，既包含了分类，又包含了定位。给出一张图片，目标检测系统要能够识别出图片的目标并给出其位置。由于图片中目标数是不确定的，且要给出目标的精确位置，目标检测相比分类任务更复杂，所以也有更多的使用场景，如无人驾驶、智慧安防、工业安全、医学图像等方面。而本案例就是工业安全

TiAmo zhang·2023-03-19 07:57

深度学习实战——不同方式的模型部署（CNN、Yolo）

忆如完整项目/代码详见github：https://github.com/yiru1225（转载标明出处勿白嫖starforprojectsthanks）目录系列文章目录一、实验综述1.实验工具及及内容2.实验数据3.实验目标4.实验步骤二、ML/DL任务综述与模型部署知识补充1.ML/DL任务综述2.模型部署知识补充二、预训练模型知识补充与本地部署实践1.任务与模型简介1.1任务简介1.2模型简

@李忆如·2023-03-14 10:03

PyTorch深度学习实战第二讲

第二讲线性模型（b站刘二大人）课堂代码使用jupyternotebookimportnumpyasnpimportmatplotlib.pyplotaspltx_data=[1.0,2.0,3.0]y_data=[2.0,4.0,6.0]defforward(x):returnx*wdefloss(x,y):pred=forward(x)return(pred-y)**2w_list=[]mse_

张十八员外·2023-03-14 07:58

【Pytorch】Pytorch深度学习实战教程：超分辨率重建AI与环境搭建

一、基础开发环境搭建1）cuda安装需要根据自己的显卡的型号选择支持的CUDA版本显卡驱动查看：鼠标右键CUDA安装版本查看：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html注意看自己的电脑配置，我的电脑最高可安装CUDA11.7Update1，再高电脑就安装不了了版本是向下兼容的安装CUDA11.7Update1

Cappuccino-jay·2023-03-14 07:37

PyTorch深度学习实战 | 自然语言处理与强化学习

PyTorch是当前主流深度学习框架之一，其设计追求最少的封装、最直观的设计，其简洁优美的特性使得PyTorch代码更易理解，对新手非常友好。本文主要介绍深度学习领域中自然语言处理与强化学习部分。自然语言区别于计算机所使用的机器语言和程序语言，是指人类用于日常交流的语言。而自然语言处理的目的是要让计算机来理解和处理人类的语言。让计算机来理解和处理人类的语言也不是一件容易的事情，因为语言对于感知的抽

TiAmo zhang·2023-03-14 07:04

深度学习实战20(进阶版)-文件智能搜索系统，可以根据文件内容进行关键词搜索，快速找到文件

大家好，我是微学AI，今天给大家带来深度学习实战项目-文件智能搜索系统，文件智能搜索系统是一种能够帮助用户通过文件的内容快速搜索和定位文件的软件系统。

微学AI·2023-03-11 07:47

深度学习实战16(进阶版)-虚拟截图识别文字-可以做纸质合同和表格识别

大家好，我是微学AI，今天给大家带来一个关于虚拟截图识别文字的应用，可以运用在多个领域。案例主要结合Mediapipe手势识别模型，识别出手势的21个关键点的坐标，计算机的摄像头根据食指的坐标信息获取用户想要截取的图片高度与宽度进行截取图形，截取后的图片我们可以通过OCR识别出里面的文字信息，或者进行图像的识别得到图片中的内容信息。一、虚拟截图的运用：通过虚拟截图与OCR结合NLP技术做下游任务，

微学AI·2023-03-01 07:16

深度学习实战2-(keras框架)企业信用评级与预测

深度学习框架如果仔细研究，其实难度没有想象中的那么大，今天我给大家带来一个深度学习框架keras简单的实战项目：企业信用评级与预测。企业信用评级目前是一个完整的体系，包括信用评级的要素和指标、信用评级的等级和标准、信用评级的方法和模型等方面的内容。信用评级指标是根据企业的各个指标进行综合评分，这里涉及的指标维度较多，今天我们来做一个简单的信用评级模型，抽象了几个标准化的数据指标，下面是详细流程：一

微学AI·2023-03-01 07:45

深度学习实战4-卷积神经网络（DenseNet）数学图形识别+题目模式识别

文章目录一、前期工作导入库数据集加载二、构建CNN模型三、训练过程曲线函数四、训练模型函数五、训练模型与结果六、验证大家好，今天给大家带来一个卷积神经网络（CNN）数学图形识别项目(简单入门版)，这个是人工智能解题的基础，机器首先通过题目识别出题目中的文字和图形，读懂题目的含义，这个是个相对复杂的过程。就在今年的1月4日，麻省理工学院等四所高校的联合研究团队，发布了一项最新研究成果：他们开发了一个

微学AI·2023-03-01 07:45

深度学习实战19(进阶版)-SpeakGPT的本地实现部署测试，基于ChatGPT在自己的平台实现SpeakGPT功能

大家好，我是微学AI，今天给大家带来SpeakGPT的本地实现，在自己的网页部署，可随时随地通过语音进行问答，本项目项目是基于ChatGPT的语音版，我称之为SpeakGPT。ChatGPT最近大火，其实在去年12月份就想做一期关于ChatGPT的文章。ChatGPT是美国OpenAI公司研发的功能强大的聊天机器人，他于2022年11月30日发布。ChatGPT是自然语言处理的天花板，它能够通过学

微学AI·2023-03-01 07:07

Pytorch深度学习实战3-3：张量Tensor的分块、变形、排序、极值与in-place操作

目录1张量分块2张量组合3张量变形3.1维度变换3.2维度交换3.3序列化与反序列化3.4扩展4张量排序5张量极值6in-place操作与共享内存以下示例均假设a=torch.Tensor([[0,1,2],[3,4,5]])b=torch.Tensor([[6,7,8],[9,10,11]]))1张量分块分块方法torch.chunk(tensor,num,dim)：将张量沿dim分成num块t

Mr.Winter`·2023-02-18 07:43

深度学习实战（4）如何向BERT词汇表中添加token，新增特殊占位符

向BERT词汇表中添加token问题表述添加特殊占位符号add_special_tokens其他占位符接口报错与解决方案问题表述在实际应用或者学术科研过程中，我们常常需要添加一些特殊的占位符，然而我们希望使用BERT来做embedding，有兴趣查看BERT本身词汇表的可以去以下相应连接查看：PRETRAINED_VOCAB_FILES_MAP={"vocab_file":{"bert-base-

icebird_craft·2023-02-05 15:31

TensorFlow？PyTorch？Paddle？AI工具库生态之争：ONNX将一统天下

作者：韩信子@ShowMeAI深度学习实战系列：https://www.showmeai.tech/tutorials/42本文地址：https://www.showmeai.tech/article-detail

·2023-01-31 13:22

机器学习/深度学习实战——kaggle房价预测比赛实战（数据预处理篇）

文章目录2.数据预处理（特征编码）2.1特征删除2.2修改与时间相关的特征（减小特征值的大小）2.3填充缺失值2.3.1填充数值型数据2.3.2填充非数值型数据2.4将某些数值型特征转换为非数值型特征2.5对某些连续特征应用PowerTransformer使其更具高斯分布2.6对非数值特征中的某些特征进行融合2.7对非数值型特征进行编码2.8拆分训练数据和测试数据第1个blog：数据分析第2个bl

留小星·2023-01-30 13:56

【PyTorch】深度学习实战之逻辑回归

PyTorch深度学习实战之逻辑回归视频教学链接博客参考链接线性模型：前面几章节，我们都是做的线性模型，通过给定的数据集（1,2），（2,4），（3,6），构建一个函数y=2*x+0，然后只要给定一个x

少年白马·2023-01-30 09:01

【Pytorch深度学习实战】（11）变分自动编码器（VAE）

大家好，我是Sonhhxg_柒，希望你看完之后，能对你有所帮助，不足请指正！共同学习交流个人主页－Sonhhxg_柒的博客_CSDN博客欢迎各位→点赞+收藏⭐️+留言系列专栏-机器学习【ML】自然语言处理【NLP】深度学习【DL】foreword✔说明⇢本人讲解主要包括Python、机器学习（ML）、深度学习（DL）、自然语言处理（NLP）等内容。如果你对这个系列感兴趣的话，可以关注订阅哟Vari

Sonhhxg_柒·2023-01-29 11:42

《Web安全之深度学习实战》笔记：第二章卷积神经网络

本章通过cnn、alexnet、vgg来识别数据集。这一章与web安全相关较少，仅是展示卷积神经网络在图像领域的基本用法。一、CNN算法通过cnn识别mnist数据集代码如下importtflearnfromtflearn.layers.coreimportinput_data,dropout,fully_connectedfromtflearn.layers.convimportconv_2d,

mooyuan天天·2023-01-27 11:16

Pytorch深度学习实战教程（一）：语义分割基础与环境搭建

Pytorch的基本使用&&语义分割算法讲解先从最简单的语义分割基础与开发环境搭建开始讲解。二、语义分割语义分割是什么？语义分割（semanticsegmentation）:就是按照“语义”给图像上目标类别中的每一点打一个标签，使得不同种类的东西在图像上被区分开来。可以理解成像素级别的分类任务，直白点，就是对每个像素点进行分类。简而言之，我们的目标是给定一幅RGB彩色图像（高x宽x3）或一幅灰度图

隔壁郑同学·2023-01-26 08:00

（九）深度学习实战 | MMDetection之FCOS（2）

文章目录1.简介2.FCOS类3.FCOSHead类3.总结4.参考1.简介本文将介绍在MMDetection{\rmMMDetection}MMDetection中实现FCOS{\rmFCOS}FCOS的几个关键类的实现细节，上一文已经列出了涉及到的几个类。图1：FCOS结构2.FCOS类链接，FCOS{\rmFCOS}FCOS是一种单阶段的检测器，在MMDetection{\rmMMDetec

zhangts20·2023-01-23 10:52

深度学习入门（9）神经网络Affine与Softmax层的计算图表示方式及其误差反向传播的代码实现

《深度学习入门》系列文章目录深度学习入门(1)感知机深度学习入门（2）神经网络深度学习入门（3）神经网络参数梯度的计算方式深度学习入门（4）【深度学习实战】无框架实现两层神经网络的搭建与训练过程深度学习入门

阿_旭·2023-01-21 14:18

Keras深度学习实战（42）——强化学习基础

Keras深度学习实战（42）——强化学习基础0.前言1.强化学习基础1.1基本概念1.2马尔科夫决策过程1.3目标函数2.在具有非负奖励的模拟游戏中获取最佳动作2.1问题设定2.2模型分析2.3模型构建与训练

盼小辉丶·2023-01-20 21:36

深度学习实战 —— LSTM轨迹预测

前言最近写了一份用LSTM之类的序列模型+SeNet预测轨迹，经过一系列调试效果最后比较理想了。记录下～上效果：一些效果图训练误差图：测试误差图：训练损失：测试损失：batch平均耗时：拟合效果：

只会git clone的程序员·2023-01-20 21:34

深度学习实战第5章深度学习优化笔记

第5章深度学习优化5.1神经网络优化困难1.深度学习所面临的优化挑战，包括了局部最优、鞍点、梯度悬崖及梯度消失问题。5.1.1局部最优1.凸函数最显著的特征是能够找到一个局部最优解，并且此解是全局的最优解。但有时我们也并不执着于寻找最优的某一点，在某些凸函数的底部可能是一个貌如盆地的平坦区域，在该平坦区域取得的任何值也是可以接受的。2.在实践中我们发现，最优解附近的解其泛化性能通常要比最优解要好。

醉一心·2023-01-20 01:07

深度学习实战第4章深度学习正则化笔记

第4章深度学习正则化1.机器学习的两个核心任务：尽可能地降低训练错误率提高模型的泛化能力（避免过拟合）2.可以使用正则化来尽可能地使训练错误率与测试错误率之间的差距变小。3.正则化就是降低验证错误率（有时需要牺牲训练错误率）的一系列方法。4.从降低泛化错误率的角度出发，伟大的前人们已经提出了大量的正则化策略，这其中最重要的方法就是限制学习能力。参数范数惩罚便是最具有代表性的通用参数惩罚措施。5.有

醉一心·2023-01-20 01:06

《Web安全之深度学习实战》笔记：第三章循环神经网络

本章主要讲解RNN的基本使用方法。一、基于lstm对影评进行分类这是基于imdb.pkl数据集对影评分类，使用的是lstm算法。代码如下所示from__future__importdivision,print_function,absolute_importimporttflearnfromtflearn.data_utilsimportto_categorical,pad_sequencesfr

mooyuan天天·2023-01-20 01:34

深度学习实战——利用Pytorch实现iris数据集的分类

#iris_multi-classfication.py"""PytorchinactionPytorch实现iris数据集的分类"""fromtkinterimportHIDDENimporttorchimportmatplotlib.pyplotaspltimporttorch.nn.functionalasFfromsklearn.datasetsimportload_irisfromtor

ShirasawaHao·2023-01-19 16:50

STM32深度学习实战

STM32深度学习实战1.前言本文主要记录基于tensorflow的简单模型在stm32上运行测试的调试记录，开发人员应对深度学习基础理论和tensorflow框架基础操作有一定了解，对深度学习在微控制器上的实现评估提供一定的参考方向

silence0huan·2023-01-19 07:00

Tensorflow深度学习实战之(七)--MP神经元与BP神经网络模型

本文是在GPU版本的Tensorflow=2.6.2,英伟达显卡驱动CUDA版本=11.6，Python版本=3.6,显卡为3060的环境下进行验证实验的！！！文章目录一、M-P神经元模型二、BP神经网络模型1.感知机模型2.BP神经网络模型3.BP神经网络传播过程4.BP神经网络向前推导5.BP神经网络训练过程步骤一:定义神经网络前向传播的结构、各个参数以及输出结果步骤二:定义损失函数以及选择反

TORE007·2023-01-17 13:27

【Pytorch深度学习实战】（10）生成对抗网络（GAN）

大家好，我是Sonhhxg_柒，希望你看完之后，能对你有所帮助，不足请指正！共同学习交流个人主页－Sonhhxg_柒的博客_CSDN博客欢迎各位→点赞+收藏⭐️+留言系列专栏-机器学习【ML】自然语言处理【NLP】深度学习【DL】foreword✔说明⇢本人讲解主要包括Python、机器学习（ML）、深度学习（DL）、自然语言处理（NLP）等内容。如果你对这个系列感兴趣的话，可以关注订阅哟生成对抗

Sonhhxg_柒·2023-01-14 08:33

AI听曲识歌！哼曲、口哨吹，都能秒识！

作者：韩信子@ShowMeAI深度学习实战系列：https://www.showmeai.tech/tutorials/42TensorFlow实战系列：https://www.showmeai.tech

·2023-01-13 17:04

Hugging Face发布diffuser模型AI绘画库初尝鲜！