深度学习：图像分类第39页

惊为天人，NumPy手写全部主流机器学习模型，代码超3万行

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达本文转自|深度学习这件小事用NumPy手写所有主流ML模型，普林斯顿博士后DavidBourgin最近开源了一个非常剽悍的项目。

小白学视觉·2024-01-28 01:15

自然语言处理的发展

随着深度学习和大数据技术的进步，自然语言处理取得了显著的进步。人们正在研究如何使计算机更好地理解和生成人类语言，以及如何应用NLP技术改善搜索引擎、语音助手、机器翻译等领域。

Dxy1239310216·2024-01-28 01:04

《自然语言处理的前沿探索：深度学习与大数据引领技术风潮》

《自然语言处理的前沿探索：深度学习与大数据引领技术风潮》一、技术进步：自然语言处理的引擎在自然语言处理（NLP）领域，关键技术的不断进步推动了整个行业的发展。

清水白石008·2024-01-28 00:05

深度学习如何入门？

深度学习如何入门？深度学习是一种利用多层神经网络来学习数据特征和模式的机器学习方法，它在图像识别、自然语言处理、语音识别、推荐系统等领域都取得了令人瞩目的成果。

清水白石008·2024-01-28 00:05

自然语言处理中的Transformer架构

在过去的几年里，深度学习技术在NLP领域取得了显著的进展，尤其是在语言模型和机器翻译等任务上。

OpenChat·2024-01-27 23:08

屡试不爽的torch_geometric安装方法

一、torch安装torch是个开源的机器学习库，用于构建神经网络和各种机器学习或深度学习模型。安装torch本身很简单，但是需要考虑是否和自己的python版本兼容。

快乐旺仔小馒头·2024-01-27 23:03

RAG(检索增强生成)在LLM(大型语言模型)中的应用

这些模型不仅是深度学习的杰出代表，而且在多个领域中取得了显著的成功。本文将聚焦于检索增强生成（RAG）技术在大型语言模型中的应用，深入探讨其原理、应用以及与传统生成模型的差异。

一休哥助手·2024-01-27 21:30

深度学习有效改进|增强模块|卷积、注意力机制、损失函数等

深度学习|增强模块|卷积、注意力机制、损失函数等前言本系列主要分享深度学习领域前沿技术，多数为目标检测技术和分割技术，欢迎大家收藏关注。

今天炼丹了吗·2024-01-27 21:26

Faster R-CNN原理

R-CNN->FastR-CNN->FasterR-CNN一、R-CNN（RegionwithCNNfeature)R-CNN是利用深度学习进行目标检测的开山之作。

酸酸甜甜我最爱·2024-01-27 21:12

Stable diffusion

StableDiffusion是一个深度学习模型，在这篇文章中我们将会深入其内部了解其究竟是如何创作图像的。为什么你一定要对其工作原理有所了解呢？

daoboker·2024-01-27 21:32

Stable Diffusion 笔记一：网络结构拆解

一VAE：VAE是VariationalAutoencoder的缩写，中文名变分自编码器，是一种基于深度学习的生成模型。

朱小丰·2024-01-27 21:00

实体识别与分类方法综述

目录前言1实体识别简介2基于模板和规则的方法3基于序列标注的方法3.1常见序列标注模型3.2模型参数估计和学习问题3.3常见序列预测模型4.基于深度学习的实体识别方法5基于预训练语言模型的实体识别5.1BERT

cooldream2009·2024-01-27 20:11

python黑马学习

python的自述能做什么1.抢火车票2.数据分析3.开发网站4.开发游戏发展定位web全栈开发方向掌握技术前端开发数据库管理后台框架职业方向web全栈开发工程师数据科学方向人工智能方向，机器学习人工智能方向，深度学习等等

数绵羊的星星·2024-01-27 20:08

交并比（Intersection over union）

来源：Coursera吴恩达深度学习课程如何判断目标检测算法运作良好呢？接下来，你将了解到并交比（intersectionoverunion）函数，可以用来评价目标检测算法。

双木的木·2024-01-27 20:33

Coursera吴恩达《深度学习》课程总结（全）

这里有Coursera吴恩达《深度学习》课程的完整学习笔记，一共5门课：《神经网络和深度学习》、《改善深层神经网络》、《结构化机器学习项目》、《卷积神经网络》和《序列模型》，最后附上人工智能领域大师访谈

双木的木·2024-01-27 20:03

Codewave学习体验分享：低代码开发世界的黑马

前言Codewave平台介绍CodeWave智能低代码开发平台基于网易自研拥有大规模参数和深度学习能力的智能模型底座产品架构,为企业级应用提供更加智能化研发的软件生产方式,IT人员可以轻易实现从“智能生成

鼠鼠我捏，要死了捏·2024-01-27 19:56

【自然语言处理的发展】

随着深度学习和大数据技术的不断进步，NLP在近年来取得了显著的突破。本文将探讨NLP技术的发展历程、最新技术进展以及未来展望。随着深度学习和大数据技术的进步，自然语言处理取得了显著的进步。

数据科学与艺术的贺公子·2024-01-27 19:22

2023年度佳作：AIGC、AGI、GhatGPT、人工智能大语言模型的崛起与挑战

目录前言01《ChatGPT驱动软件开发》内容简介02《ChatGPT原理与实战》内容简介03《神经网络与深度学习》04《AIGC重塑教育》内容简介05《通用人工智能》目录前言2023年是人工智能大语言模型大爆发的一年

鸭鸭渗透·2024-01-27 19:43

使用深度学习opencv 进行人脸年龄的实时检测

往期的文章我们分享了人脸的识别以及如何进行人脸年龄的检测，本期文章我们结合人脸识别的模型进行人脸年龄的实时检测人脸年龄的检测步骤0、打开摄像头，获取图片数据1、对图片进行人脸的检测2、把检测到的人脸数据给年龄检测模型去检测3、把检测结果实时呈现到图片上importnumpyasnpimportcv2importosAGE_LIST=["(0-2)","(4-6)","(8-12)","(15-20

人工智能研究所·2024-01-27 19:27

opencv 使用深度学习进行人脸年龄的检测

前期的文章我们分享了人脸的识别以及如何进行人脸数据的训练，本期文章我们结合人脸识别的模型进行人脸年龄的检测人脸年龄的检测步骤1、首先需要进行人脸的检测2、把检测到的人脸数据给年龄检测模型去检测3、把检测结果呈现到图片上人脸年龄检测importnumpyasnpimportcv2importosAGE_LIST=["(0-2)","(4-6)","(8-12)","(15-20)","(25-32)

人工智能研究所·2024-01-27 19:57

基于OpenCV和Dlib的深度学习人脸识别技术实践与应用

一、背景介绍计算机视觉技术在当前人工智能发展进程中已然达到较高成熟度,一系列基础算法与应用场景获得广泛实践与验证。在算法层面,图像处理、目标检测、语义分割等多个领域的技术不断突破,准确率与效率持续提升。在应用上,人脸识别、车牌识别、医学图像分析等已步入商业化应用阶段,被广泛应用于安防监控、智能驾驶、医疗辅助诊断等领域,大幅提升效率并创造新的应用形式。基于此,结合公司规划与业务需求,我们决定在人脸识

技术狂潮AI·2024-01-27 19:25

人工智能opencv 使用深度学习进行人脸性别的检测

前期的文章我们分享了人脸的识别以及如何进行人脸数据的训练，本期文章我们结合人脸识别的模型进行人脸性别的检测人脸性别的检测步骤1、首先需要进行人脸的检测2、把检测到的人脸数据给性别检测模型去检测3、把检测结果呈现到图片上importnumpyasnpimportcv2importosgenderList=['Male','Female']prototxtFacePath="model/deploy.

人工智能研究所·2024-01-27 19:54

深度学习学习笔记-论文研读4-基于深度强化学习的多用户边缘计算任务卸载调度与资源分配算法

本人学识浅薄，如有理解不到位的地方还请大佬们指出，相互学习，共同进步概念引入强化学习DQN算法边缘计算边缘计算，是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。而云端计算，仍然可

丰。。·2024-01-27 17:17

深度学习在医学影像分析中的应用

深度学习在医学影像分析中的应用深度学习在医学领域的应用逐渐崭露头角，尤其在医学影像分析方面，为医生提供了更准确、高效的诊断手段。本文将探讨深度学习在医学影像领域的应用，并介绍其中一些令人瞩目的成果。

jcfszxc·2024-01-27 15:23

深度学习简介与应用

深度学习简介与应用深度学习是人工智能领域中备受关注的一项技术，通过模拟人脑神经网络的结构，实现了在大规模数据上进行复杂任务的能力。本文将简要介绍深度学习的基本概念，并探讨其在不同领域的应用。

jcfszxc·2024-01-27 15:53

huggingface高速下载模型的实战代码

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·2024-01-27 15:21

深度学习中图像分类、目标检测、语义分割、实例分割哪个难度大，哪个检测精度容易实现，哪个速度低。请按照难度、精度容易实现程度、速度排名。

问题描述：深度学习中图像分类、目标检测、语义分割、实例分割哪个难度大，哪个检测精度容易实现，哪个速度低。请按照难度、精度容易实现程度、速度排名。

神笔馬良·2024-01-27 15:48

计算机毕业设计选题参考算法方向机器学习深度学习预测（博文底部xv获取）

基于深度学习的农业病虫害识别基于U-Net模型的细胞图像分割检测基于bert的旅游文本情感分析研究基于bert的经济文本情感分析基于PythonOpenCV的车牌定位追踪识别系统医学图像识别：基于卷积神经网络的病癌细胞识别基于

mqdlff_python·2024-01-27 15:10

深度学习 Day 4.2 Logistic Regression——Discriminative Model

目录1.FunctionSet设定公式2.GoodnessofaFunction损失函数3.Findthebestfunction梯度下降4.为何判断logisticregression模型的好坏，用交叉熵而不是SquareError:5.Multi-classClassification5.1用softmax来计算一个元素去到各个class的概率5.2把f(x)和y的分布用交叉熵来对比6.Fea

闻.铃·2024-01-27 14:22

【PyTorch】深度学习实践之逻辑斯蒂回归 Logistic Regression

本文目录回归vs分类sigmoid函数损失函数例子课堂练习模型实现计算损失实现代码测试模型学习资料系列文章索引回归vs分类回归是预测数值分类是预测类别概率sigmoid函数LogisticFunction是最典型的sigmoid函数，因此有些书会直接说成sigmoid函数。实际上满足如下条件即可称为sigmoid函数：饱和函数单调递增存在极限损失函数使用二分类交叉熵公式：y=1，预测值接近1，lo

zoetu·2024-01-27 14:51

PyTorch深度学习实践——用pytorch实现logistic regression（分类问题）

参考资料参考资料1：https://blog.csdn.net/bit452/article/details/109680909参考资料2：http://biranda.top/Pytorch%E5%AD%A6%E4%B9%A0%E7%AC%94%E8%AE%B0007%E2%80%94%E2%80%94%E5%88%86%E7%B1%BB%E9%97%AE%E9%A2%98/#%E9%97%AE

没有人会真的躺平·2024-01-27 14:21

深度学习入门笔记（7）—— Multinomial Logistic Regression / Softmax Regression

首先介绍一个非常著名的多分类数据集MNIST，也就是0到9的手写数字数据集。每个图像都是28*28，用于Pytorch数据读取的格式是NCHW，即Number、Channel、Height、Weight。读取图像之后，就能看到一个只有单通道的（灰度）图像，实际上就是一行行像素值的组合，用于SoftmaxRegression时输入得是一个向量，所以要将一行行的像素进行拼接，成为一个长的向量。同时，将

cnhwl·2024-01-27 14:20

PyTorch深度学习实践——Logistic Regression

在本次学习中，学习到了logistic回归，虽然说是一种回归模型，但是这个模型实际上是做分类问题，对于这种回归模型我们同样从三个方面来进行介绍，logistic回归是什么？为什么要采用logistics回归？如何实现losgistic回归模型？下面是对于logistic回归的总结：logistic回归是什么？给出定义：逻辑斯谛回归（logisticregression）是统计学习中的经典分类方法，

不见当年灰太狼·2024-01-27 14:50

深度学习之反向传播

反向传播英文叫做BackPropagation。为什么需要使用反向传播对于简单的模型我们可以用解析式求出它的损失函数的梯度，例如，其损失函数的梯度就是，我们可以通过我们的数学知识很容易就得到其损失函数的梯度，继而进行使用梯度下降算法是参数（权重）更新。但是这仅限于对于简单的模型，一旦模型的深度增加，模型变得复杂，我们就很难直观的看出损失函数的梯度。例如这个模型，每连接的两个节点里面都有相应的权重，

丘小羽·2024-01-27 14:50

深度学习之处理多维特征的输入

我们首先来看一个糖尿病的数据集：在数据集中，我们称每一行叫做sample，表示一个样本，称每一列是feature，也就是特征在数据库里面这就是一个关系表，每一行叫做记录，每一列叫做字段。每一个样本都要乘以一个权重，累加求和而后加上偏移量。尽量使用线性计算，而不是使用循环来进行计算，能充分利用CPU处理数据数据的能力。我们可以将多个sigmoid模块首位相连，构建一个多层的神经网络。矩阵是一个空间变

丘小羽·2024-01-27 14:19

深度学习分类问题之Logistic Regression

逻辑回归模型，虽然名字是回归，但是是解决分类问题。在线性回归里面，我们根据有效信息，预测下一个由已知信息得到的数值，叫做回归问题，但是在机器学习里面，常见的是分类问题。最常见的就是MNIST数据集里面的手写数字问题。在这个问题里面：我们给出了六万多张训练集对我们的模型进行训练，然后给出一张手写数字，模型可以帮我们判断出这个手写数字是几，这叫做分类问题。通过训练（喂数据），训练模型，而后给出数据，模

丘小羽·2024-01-27 14:48

《机器学习》笔记-聚类（9）

写在最前面如今机器学习和深度学习如此火热，相信很多像我一样的普通程序猿或者还在大学校园中的同学，一定也想参与其中。不管是出于好奇，还是自身充电，跟上潮流，我觉得都值得试一试。

EddyLiu2017·2024-01-27 14:04

vit细粒度图像分类（二）SwinFC 学习笔记

1.摘要：针对细粒度图像类间差异小、类内差异大等问题，提出了一种基于Swin及多尺度特征融合的模型（SwinFC）。基准骨干网络采用具有多阶段层级架构设计的SwinTransformer模型作为全新视觉特征提取器，从中获取局部和全局信息以及多尺度特征。然后在每个阶段的分支通道上嵌入融合外部依赖及跨空间注意力模块，以捕获数据样本之间的潜在相关性，同时捕捉不同空间方向上具有判别力的特征信息，进而强化网

无妄无望·2024-01-27 13:39

vit细粒度图像分类（三）TRS-DeiT 学习笔记

1.摘要细粒度图像分类任务由于自身存在的细微的类间差别和巨大的类内差别使其极具挑战性，为了更好地学习细粒度图像的潜在特征，该算法将知识蒸馏引入到细粒度图像分类任务中，提出基于知识蒸馏与目标区域选取的细粒度图像分类方法

无妄无望·2024-01-27 13:38

深度学习知识

context阶段和generation阶段的不同context阶段（又称Encoder）主要对输入编码，产生CacheKV(CacheKV实际上记录的是Transformer中Attention模块中Key和Value的值），在计算完logits之后会接一个Sampling采样模块，采样出来第一个生成的token，并将这个token和CacheKV作为generation阶段的输入，genera

zhuikefeng·2024-01-27 13:08

【深度学习】【AutoDL】【SSH】通过VSCode和SSH使用AutoDL服务器训练模型

身边没有显卡资源或不足以训练模型时，可以租赁服务器的显卡。1、注册AutoDL并配置环境首先打开AutoDL官网，注册账号并租赁自己期望的显卡资源点击“租赁”之后，我们要继续选择基础环境。此处，我们让其自动配置好基础的pytorch，也可以选择Miniconda，后续自己用conda配置。因为我自己的模型需要用到pytorch，我就让它自动配置一下。然后开机2、下载FileZilla并传输项目写在

忘却的旋律dw·2024-01-27 13:36

深度学习(6)--Keras项目详解

目录一.项目介绍二.项目流程详解2.1.导入所需要的工具包2.2.输入参数2.3.获取图像路径并遍历读取数据2.4.数据集的切分和标签转换2.5.网络模型构建2.6.绘制结果曲线并将结果保存到本地三.完整代码四.首次运行结果五.学习率对结果的影响六.Dropout操作对结果的影响七.权重初始化对结果的影响7.1.RandomNormal7.2.TruncatedNormal（推荐）八.正则化对结果

GodFishhh·2024-01-27 13:06

【深度学习】【注意力机制】【自然语言处理】【图像识别】深度学习中的注意力机制详解、self-attention

1、深度学习的输入无论是我们的语言处理、还是图像处理等，我们的输入都可以看作是一个向量。通过Model最终输出结果。这里，我们的vector大小是不会改变的。

忘却的旋律dw·2024-01-27 13:35

【图像分割】【深度学习】UNet Pytorch代码-数据预处理模块解析

【图像分割】【深度学习】UNetPytorch代码-数据预处理模块解析文章目录【图像分割】【深度学习】UNetPytorch代码-数据预处理模块解析前言DRIVE数据集简介数据预处理模块自定义预处理操作随机尺寸调整

牙牙要健康·2024-01-27 12:23

NLP新手入门-第N2周：中文文本分类-Pytorch实现

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|接辅导、项目定制目录一、课题背景和开发环境二、数据预处理1.加载数据2.构建词典3.生成数据批次和迭代器三、模型构建1.搭建模型2.初始化模型

Oaix Nay·2024-01-27 12:19

linux深度学习开发基础命令——极简版

linux深度学习开发基础命令——极简版本博客只是阐述常用的部分shell命令，更为全面的内容请参考其他博客1.创建python虚拟环境默认使用conda创建condacreate-yourenv_namepyhton

Walt_像道光·2024-01-27 12:18

pytorch 实现中文文本分类

本文为[365天深度学习训练营学习记录博客参考文章：365天深度学习训练营原作者：[K同学啊|接辅导、项目定制]\n文章来源：[K同学的学习圈子](https://www.yuque.com/mingtian-fkmxf

风筝超冷·2024-01-27 12:44

【图像分割】【深度学习】Windows10下UNet代码Pytorch实现与源码讲解

【图像分割】【深度学习】Windows10下UNet代码Pytorch实现与源码讲解提示:最近开始在【医学图像分割】方面进行研究,记录相关知识点,分享学习中遇到的问题已经解决的方法。

牙牙要健康·2024-01-27 12:44

TensorFlow2实战-系列教程3：猫狗识别1

中进行本篇文章配套的代码资源已经上传1、项目介绍基本流程：数据预处理：图像数据处理，准备训练和验证数据集卷积网络模型：构建网络架构过拟合问题：观察训练和验证效果，针对过拟合问题提出解决方法数据增强：图像数据增强方法与效果迁移学习：深度学习必备训练策略在我们的数据中

机器学习杨卓越·2024-01-27 11:55

TensorFlow2实战-系列教程总目录

TensorFlow深度学习开发环境搭建全教程TensorFlow2实战-系列教程1：回归问题预测TensorFlow2实战-系列教程2：神经网络分类任务