深度学习神经网络机器学习压缩第22页

TensorFlow 与 PyTorch 的直观区别

背景TensorFlow与PyTorch都是比较流行的深度学习框架。tf由谷歌在2015年发布，而PyTorch则是FacecbookAI研究团队2016年在原来Torch的基础上发布的。

Cacciatore->·2025-02-09 06:54

PyTorch深度学习实战（37）——CycleGAN详解与实现

PyTorch深度学习实战（37）——CycleGAN详解与实现0.前言1.CycleGAN基本原理2.CycleGAN模型分析3.实现CycleGAN小结系列链接0.前言CycleGAN是一种用于图像转换的生成对抗网络

盼小辉丶·2025-02-09 06:50

使用Python和LangChain加载与解析目录中文档的全面指南：从基础操作到高级技巧

无论是在数据科学、机器学习、自然语言处理，还是在软件开发和文档管理中，我们经常需要批量加载和解析存储在本地文件系统中的文件。

m0_57781768·2025-02-09 04:35

深入探索TTS：一个强大的深度学习文本转语音工具包

TTS简介：开源的文本转语音利器TTS(Text-to-Speech)是由Coqui.ai开发的一个开源深度学习文本转语音工具包。

Nifc666·2025-02-09 04:34

基于PyG搭建GCN-LSTM时空犯罪预测

基于PyG搭建GCN-LSTM时空犯罪预测1.前言最近针对犯罪时空预测、犯罪分布可视化开展研究，图神经网络是必不可少的研究工具之一，为了记录学习PyG的过程，本文通过结合官网案例(非常晦涩难懂)以及网上各位大佬的学习过程

职业摸鱼能手·2025-02-09 04:01

【人工智能-初级】第20章使用 Matplotlib 和 Seaborn 进行数据可视化

【人工智能-初级】系列专栏【人工智能-初级】第1章人工智能概述【人工智能-初级】第2章机器学习入门：从线性回归开始【人工智能-初级】第3章k-最近邻算法（KNN）：分类和Python实现【人工智能-初级

若北辰·2025-02-09 03:57

深度学习（四）：深度生成模型DGM

深度系列主要为我在国科大研一期间，在《深度学习》课程中所学知识概述，根据PPT制作思维导图，及其课后补充知识-----------------------------------------------

想养一只哈士奇·2025-02-09 01:42

什么是FP8混合精度?

FP8混合精度是一种在深度学习训练中使用8位浮点数（FP8）格式的混合精度训练技术，旨在通过降低数据精度来提升计算效率、减少内存占用和降低训练成本，同时尽量保持模型的性能和准确性。

魔王阿卡纳兹·2025-02-09 01:11

Streamlit是个什么，怎么看是否启动

Streamlit是一个开源的Python库，旨在帮助开发者快速创建交互式的Web应用程序，特别适用于数据科学和机器学习项目。

张3蜂·2025-02-09 01:40

AI 网络安全处理开源人工智能+网络安全

人工智能在网络安全领域应用近年来，Agent系统、神经网络、顾问系统、机器学习等人工智能技术在网络安全防御中涌现出很多研究成果。总体

黑客Jack·2025-02-09 01:40

苹果的AI战略：谨慎前行，步步为营

然而，苹果公司却另辟蹊径，其机器学习和人工智能战略高级副总裁约翰·詹南德雷亚公开表示，苹果对AGI的开发并不感兴趣。这一声明在科技界引发热议，苹果的战略选择究竟是保守还是高明？

·2025-02-08 22:35

【Python使用】嘿马python高级进阶全体系教程第12篇：修改闭包内使用的外部变量,1. 修改闭包内使用的外部变量

本教程的知识点为：操作系统1.常见的操作系统4.小结ls命令选项2.小结mkdir和rm命令选项1.mkdir命令选项压缩和解压缩命令1.压缩格式的介绍2.tar命令及选项的使用3.zip和unzip命令及选项的使用

·2025-02-08 22:04

通过matlab实现机器学习的小项目示例

一个基于鸢尾花分类的MATLAB机器学习小项目示例，涵盖数据预处理、模型训练、评估及可视化全流程，适合入门学习。

MATLAB卡尔曼·2025-02-08 22:24

DQN深度强化学习：CartPole倒立摆任务（完整代码）

DQN（DeepQ-Network，深度Q网络）是Q-Learning的深度学习扩展，通过神经网络替代Q表的方式来解决高维状态空间问题（例如图像输入），开启了深度强化学习时代。它在2013年由Dee

林泽毅·2025-02-08 21:45

Vision Transformer学习笔记（2020 ICLR）

该模型直接采用原始图像块作为输入，而不是传统的卷积神经网络（CNNs），并通过Transformer架构处理这些图像块以实现高效的图像识别。

刘若里·2025-02-08 21:15

MKV视频封装软件 MKVToolNix v88.0 中文免安装版

使用说明：1、将压缩文件解压到固定位置，不要随意移动。2、解压后，

MAS1102·2025-02-08 21:15

python实现yolo目标检测_目标检测|YOLO原理与实现

欢迎交流与转载，文章会同步发布在公众号：机器学习算法全栈工程师(Jeemy110)最新的YOLOv2和YOLOv3:小白将：目标检测|YOLOv2原理与实现(附YOLOv3)zhuanlan.zhihu.com

weixin_39709194·2025-02-08 20:10

深度学习之DCGAN算法深度解析

DCGAN（DeepConvolutionalGenerativeAdversarialNetworks）算法解析1.DCGAN算法由来DCGAN（深度卷积生成对抗网络）是IanGoodfellow在2014年提出的GAN（生成对抗网络）的改进版本，由Radford等人在2015年的论文《UnsupervisedRepresentationLearningwithDeepConvolutional

贾斯汀玛尔斯·2025-02-08 20:08

撰写文献必用的评价指标之普通表格

深度学习文献撰写之普通表格文章目录深度学习文献撰写之普通表格前言一、普通表格总结前言用来撰写深度学习之智慧医疗领域的SIC文献必备一、普通表格表格需要自己设计，其中可以包含各种模型，后面对应各种评价指标

小辉同志·2025-02-08 20:37

PTA4-1 数组和特殊矩阵的压缩存储

2-1设有一个10阶的对称矩阵A，采用压缩存储方式，以行序为主存储，a11为第一元素，其存储地址为1，每个元素占一个地址空间，则a85的地址为（）A.13B.33C.18D.40答：B；行序为主存储，在此存储下三角矩阵元素

zyq_3021·2025-02-08 20:06

机器学习数学基础：20.方程组解的结构

一、教程简介本教程专门为线性代数零基础的小白打造，旨在全面且细致地讲解解方程组与基础解系的相关知识，助力大家逐步扎实地掌握这一重要内容板块。二、知识目标透彻理解非齐次与齐次线性方程组的定义、本质区别以及对应的解法。熟练掌握判断方程组解的存在性的方法，精准把握秩在其中起到的决定性作用。能够独立且准确地求解齐次线性方程组，并规范地表示出其通解。精通判断一个向量组是否为齐次线性方程组的基础解系的方法，并

@心都·2025-02-08 20:05

机器学习数学基础：18.向量组及其线性组合

向量组与线性表示：案例与教程详解一、基础概念（一）向量组向量组是若干同位数列向量组成的集合。比如在平面直角坐标系中，向量组{α⃗1=[10],α⃗2=[01]}\{\vec{\alpha}_1\=\begin{bmatrix}1\\0\end{bmatrix},\vec{\alpha}_2\=\begin{bmatrix}0\\1\end{bmatrix}\}{α1=[10],α2=[01]}，这

@心都·2025-02-08 20:35

机器学习数学基础：8.泰勒公式

一、泰勒公式的由来：为啥我们需要它？同学们，想象一下，你拿到了一块超级复杂、弯弯曲曲，就像一团乱麻似的拼图（假设这拼图代表一个复杂函数，比如一条有各种起伏的波浪线），而你手头只有一些简单的积木块（这里的积木块就是多项式啦），现在要你用这些简单积木拼出拼图的模样，是不是感觉无从下手？这时候，泰勒公式就像一位智慧的导师闪亮登场，它会告诉你：“别慌，孩子，我来教你怎么挑选积木块，怎么决定它们的形状和大小

@心都·2025-02-08 20:34

机器学习数学基础：3.偏导数

偏导数教程一、偏导数的引入在我们研究一元函数y=f(x)y=f(x)y=f(x)时，导数y′=f′(x)y^\prime=f^\prime(x)y′=f′(x)表示函数yyy关于xxx的变化率。然而，当我们遇到多元函数，例如二元函数z=f(x,y)z=f(x,y)z=f(x,y)时，情况变得更加复杂。我们可能会想知道函数zzz在xxx方向或yyy方向上的变化率，这就引入了偏导数的概念。二、偏导数的

@心都·2025-02-08 20:34

机器学习数学基础：2.连续性与导数

@心都·2025-02-08 20:33

大模型接入Gradio实现本地化部署

Terminator好用的一个终端Gradio官网地址Gradio是一个用于快速创建交互式界面的Python库，这些界面可以用于演示和测试机器学习模型。

山山而川_R·2025-02-08 20:03

大数据集群Spark-on-Yarn+Paddle深度学习模型部署

背景：因数据量较大，想要将模型部署到大数据集群上进行计算。测试环境：Spark版本：2.4.0Python版本：2.6.XPaddlePaddle版本：2.4.2处理器：CPU过程记录:1.python运行环境准备本人使用Anaconda管理虚拟环境。关于虚拟环境的准备：模型需要什么第三方库就安装哪些库，最后可以使用conda-pack打包虚拟环境。1.1conda-pack打包记录在虚拟环境里下

jqtree·2025-02-08 19:32

《探秘卷积神经网络的核心—卷积核》

在当今人工智能飞速发展的时代，卷积神经网络（CNN）在图像识别、语音识别等众多领域取得了令人瞩目的成就。而其中，卷积核作为CNN的核心组件，发挥着至关重要的作用。

·2025-02-08 19:57

机器学习数学基础：19.线性相关与线性无关

@心都·2025-02-08 18:53

机器学习模型创建的数学原理

1模型工作原理机器学习学习模型主要分为监督学习、无监督学习、半监督学习和强化学习，本文聚焦探讨目前应用最为广泛的监督学习问题，下午如未特殊指明，机器学习特指有监督学习机器学习。

HadesZ~·2025-02-08 15:04

智能制造碳中和实战：基于深度学习的工业碳足迹实时监测与优化系统全解析

深度解析AI驱动的工业能耗智能管控体系——基于生产过程碳足迹实时监测的完整实战引言：智能制造的绿色革命在"双碳"目标驱动下，我国制造业正面临前所未有的能效升级挑战。传统能耗管理存在三大痛点：监测粒度粗放、响应滞后明显、优化缺乏依据。本方案基于DeepSeek-R1工业智能平台，构建了涵盖数据采集、特征工程、动态建模、实时优化的全栈解决方案，实现碳排放强度降低12-18%的实测效果。核心技术架构1.

Coderabo·2025-02-08 15:32

深度学习的一些方向

深度学习的一些方向目录深度学习的一些方向一、多模态1.特征提取（featureextraction)2.文本转图像3.可视化问题回答二、计算机视觉1.深度估计（depthestimation)2.图像分类

xinpao·2025-02-08 15:32

【深度学习】L1损失、L2损失、L1正则化、L2正则化

正则化（L1Regularization）4.L2正则化（L2Regularization）5.总结5.1为什么L1正则化会产生稀疏解L2正则化会让权重变小L1损失、L2损失、L1正则化、L2正则化是机器学习中常用的损失函数和正则化技术

小小小小祥·2025-02-08 15:31

李沐深度学习-多层感知机简洁实现

importtorchimportnumpyasnpimporttorch.nnasnnfromtorch.nnimportinitimporttorchvision.transformsastransformsimporttorch.utils.dataasDataimportsyssys.path.append("路径")importd2lzh_pytorchasd2lnum_inputs,n

大小猫吃猫饼干·2025-02-08 15:31

超火的DeepSeek使用了大模型蒸馏技术嘛?

例如：蒸馏技术的定义与应用：蒸馏是一种将大型复杂模型（教师模型）的知识迁移到小型模型（学生模型）的技术，通过这种方式实现模型压缩和性能提升。

魔王阿卡纳兹·2025-02-08 14:28

谷歌浏览器 Google Chrome v128.0 便携优化版

使用说明：1、将压缩文件解压到固定位置，不要随意移动。2、解压后，双击start_chrome.bat来运行软件下载地址（

RM1135RTS5735·2025-02-08 14:27

PyTorch深度学习实战（42）——图像字幕生成

PyTorch深度学习实战（42）——图像字幕生成0.前言1.图像字幕1.1基本概念1.2模型分析1.3数据集分析2.图像字幕生成模型小结系列链接0.前言图像字幕生成(Imagecaptioning)模型是一种将图像与对应描述文字关联起来的神经网络模型

盼小辉丶·2025-02-08 14:57

自学黑客（网络安全），一般人我劝你还是算了吧

基于入门网络安全/黑客打造的：黑客&网络安全入门&进阶学习资源包文章讲述了自学网络安全时常见的误区，如先学编程、过度追求深度学习以及收集过多资料，并提供了前期学习的硬件、软件选择建议，强调了基础编程知识和英文能力的重要性

网安周星星·2025-02-08 14:26

DEEPSEKK GPT等AI体的出现如何重构工厂数字化架构：从设备控制到ERP MES系统的全面优化

随着深度学习（DeepSeek）、GPT等先进AI技术的出现，工厂的数字化架构正在经历前所未有的变革。

有续技术·2025-02-08 14:25

【深度学习】不同领域中对于token的理解

在计算机科学中，“Token”这个术语通常指一串字符或符号在安全领域，它常常指代密钥或访问令牌在自然语言处理（NLP）中，Token通常是文本处理的最小单元，可能是一个单词、词组，或者一个符号如何理解token？假设要让AI识别一句话："Ilovenaturallanguageprocessing!"对于机器来说，它并不会直接理解这句话的含义，而是需要先将这句话拆解成一个个Token单元进行处理。

小小小小祥·2025-02-08 14:55

‌双非硕士的抉择：自学嵌入式硬件开发还是深入Linux C/C++走软开？

粉丝提问：老师好，我是双非硕研一电子信息专业,导师搞的神经网络。但我想找好就业的方向，打算自学嵌入式单片机什么的。之前也咨询过别人建议研究生走Linux方向。

程序员yt·2025-02-08 13:16

HTML&CSS ：必学！超实用打字练习神器

建议先少量复制代码进行测试，若未能解决问题，私信我，我会发送完整的压缩包给你。演示效果HTML&CSS键盘打字练习body{font-famil

前端Hardy·2025-02-08 12:15

2025自学黑客（网络安全），一般人学不来

目录：一、自学网络安全学习的误区和陷阱1.不要试图先成为一名程序员（以编程为基础的学习）再开始学习2.不要把深度学习作为入门第一课3.不要收集过多的资料二、学习网络安全的一些前期准备1.硬件选择2.软件选择

程序员羊羊·2025-02-08 12:10

图神经网络实战（8）——图注意力网络(Graph Attention Networks, GAT)

图神经网络实战（8）——图注意力网络0.前言1.图注意力层原理1.1线性变换1.2激活函数1.3Softmax归一化1.4多头注意力1.5改进图注意力层2.使用NumPy中实现图注意力层3.使用PyTorchGeometric

盼小辉丶·2025-02-08 12:09

动手学图神经网络（12）：MovieLens上的链接回归

MovieLens上的链接回归在MovieLens数据集上进行评分预测的实践过程，包括数据处理、模型构建、训练以及评估等步骤，预测用户对电影的评分（即边的属性值）。环境设置使用pip安装pyg-lib、pytorch_geometric、sentence_transformers、fuzzywuzzy、captum等。importtorchprint(torch.__version__)impor

段智华·2025-02-08 11:07

神经网络压缩实验-Deep-compression

首发于个人博客，结合论文阅读笔记更佳实验准备基础网络搭建为了实现神经网络的deepcompression，首先要训练一个深度神经网络，为了方便实现，这里实现一个两层卷积+两层MLP的神经网络classnet

无用技术研究所·2025-02-08 11:06

大语言模型应用指南：Gemini简介

LLM基于深度学习技术，通过训练海量的文本数据，能够理解和生成自然语言，并在各种任务中展现出惊人的能力，例如：文本生成:写作故事、诗歌、新闻报道等机器翻译:将一种语言翻译成另一种语言问答系统:回答用户提出的问题代码生成

AI天才研究院·2025-02-08 11:03

深度学习的文本生成：从seq2seq到GPT2和GPT3

文章目录1.背景介绍1.1序列到序列（seq2seq）模型1.1.1编码器1.1.2解码器1.1.3训练1.2Transformer模型1.2.1自注意力机制1.2.2位置编码1.2.3多头注意力1.2.4训练1.3GPT（GenerativePre-trainedTransformer）模型1.3.1预训练1.3.2微调1.3.3生成1.4GPT-2和GPT-31.4.1GPT-21.4.2GP

AI天才研究院·2025-02-08 11:33

机器学习3--numpy

importnumpyasnpnp.array创建数组机器学习数据量很大，ndarray速度快。ndarray的优势：内存块风格，一体式存储，数据类型一样（存储数据地址连续，直接存取，不需要找地

乌鸦不像写字台·2025-02-08 11:33

机器学习数学基础：14.矩阵的公式

1.操作顺序可交换对于矩阵AAA，若存在两种运算???和???，使得(A?)?=(A?)?(A^{?})^{?}\=(A^{?})^{?}(A?)?=(A?)?，这意味着这两种运算的顺序可以交换。由此我们得到以下三个重要等式：(A∗)−1=(A−1)∗(A^{*})^{-1}\=(A^{-1})^{*}(A∗)−1=(A−1)∗：已知伴随矩阵与逆矩阵的关系A∗=∣A∣A−1A^{*}\=|A|A^

@心都·2025-02-08 11:31

推荐频道

深度学习神经网络机器学习压缩