深度学习：搜索推荐第72页

yolo v7支持的设备

将一个深度学习模型（在这里是YOLOv7，一个目标检测模型）从PyTorch导出到不同的格式，以便在不同平台上进行推理（inference）。

AlphaFinance·2024-01-04 08:53

AI：116-基于深度学习的视频行为识别与分析

欢迎订阅支持，正在不断更新中~一.基于深度学习的视频行为识别与分析随着人工智能技术的迅猛发展，深度学习成为视频行为识别与分析领域的重要推动

一见已难忘·2024-01-04 08:42

NNDL 作业12-优化算法2D可视化 [HBU]

老师作业原博客地址：【23-24秋学期】NNDL作业12优化算法2D可视化-CSDN博客目录简要介绍图中的优化算法，编程实现并2D可视化1.被优化函数编辑深度学习中的优化算法总结-ZingpLiu-博客园

洛杉矶县牛肉板面·2024-01-04 07:23

Halcon深度学习，语义分割，预处理和部署过程

halcon在深度学习中提供了7种学习方式和例子。其中最为常见的为语义分割，一般使用与在需要标注显示的缺陷检测项目中。几乎所有的2D缺陷检测都可以使用语义分割作为项目部署。

爱炸薯条的小朋友·2024-01-04 07:15

龙芯loongarch64服务器编译安装tensorflow

前言TensorFlow是一个由Google开发的开源机器学习框架，旨在实现深度学习模型的开发、训练和部署。它提供了丰富的工具和库，以支持各种机器学习任务和模型的构建。

番茄小能手·2024-01-04 07:27

AIGC/机器学习/深度学习/卷积神经网络/地球科学/AI绘图等模块

2023年随着OpenAI开发者大会的召开，最重磅更新当属GPTs，多模态API，未来自定义专属的GPT。微软创始人比尔盖茨称ChatGPT的出现有着重大历史意义，不亚于互联网和个人电脑的问世。360创始人周鸿祎认为未来各行各业如果不能搭上这班车，就有可能被淘汰在这个数字化时代，如何能高效地处理文本、文献查阅、PPT编辑、编程、绘图和论文写作已经成为您成功的关键。而ChatGPT，作为一种强大的自

Teacher.chenchong·2024-01-04 06:37

深度学习-双精度

浮点数据类型主要分为双精度（Fp64）、单精度（Fp32）、半精度（FP16）。首先来看看为什么需要混合精度。使用FP16训练神经网络，相对比使用FP32带来的优点有：减少内存占用：FP16的位宽是FP32的一半，因此权重等参数所占用的内存也是原来的一半，节省下来的内存可以放更大的网络模型或者使用更多的数据进行训练。加快通讯效率：针对分布式训练，特别是在大模型训练的过程中，通讯的开销制约了网络模型

alstonlou·2024-01-04 06:36

深度学习-PyTorch：02-基于BERT-base打造AI芯片高效 - 简易版压力测试工具

历史攻略：深度学习：win10安装PyTorch深度学习-PyTorch：01-使用gpu进行运算范例安装依赖：由于网络问题，建议使用国内源pipinstall-ihttps://mirrors.aliyun.com

玩转测试开发·2024-01-04 06:02

大创项目推荐深度学习人脸表情识别算法 - opencv python 机器视觉

文章目录0前言1技术介绍1.1技术概括1.2目前表情识别实现技术2实现效果3深度学习表情识别实现过程3.1网络架构3.2数据3.3实现流程3.4部分实现代码4最后0前言优质竞赛项目系列，今天要分享的是深度学习人脸表情识别系统该项目较为新颖

laafeer·2024-01-04 06:02

【深度学习】02--框架

文章导读：•机器学习框架：•Scikit-Learn•SparkMLlib•深度学习框架•Theano蒙特利尔理工学院•TensorFlow谷歌•PytorchFacebook•Deeplearning4j

创造new_world·2024-01-04 06:55

【深度学习】AlexNet网络实现猫狗分类

【深度学习】AlexNet网络实现猫狗分类AlexNet简介AlexNet是一种卷积神经网络（ConvolutionalNeuralNetwork，CNN）模型，它在2012年的ImageNet图像分类挑战赛中取得了重大突破

the_coco·2024-01-04 06:51

如何使用Tensorflow保存或者加载模型(三) -- Keras

1.背景Keras是一个非常易于上手，好用的深度学习框架。不仅容易构建模型，而且容易保存模型。

Alex_Cen·2024-01-04 05:52

Deep Inception Generative Network for Cognitive Image Inpainting

风之羁绊·2024-01-04 05:14

深度学习框架解读—Yolov5/Yolov7/Halcon对比分析

作为一名机器视觉深度学习算法工程师，我从技术实现、性能、适用场景和易用性等方面来评价YOLOv5、YOLOv7和Halcon中的深度学习框架。

机器视觉知识推荐、就业指导·2024-01-04 03:48

02-深度学习基础知识

然而，tensor提供GPU计算和自动求梯度等更多功能，这些使tensor更加适合深度学习。

洛八斗·2024-01-04 01:51

百度CTO王海峰：飞桨开发者已达1070万

12月28日，百度首席技术官、深度学习技术及应用国家工程研究中心主任王海峰在第十届WAVESUMMIT深度学习开发者大会上宣布。

程序员洲洲·2024-01-04 00:48

【好书推荐-第一期】《一书读懂物联网：基础知识+运行机制+工程实现》

欢迎大家关注本专栏~专栏一键跳转同时欢迎大家关注其他专栏，我将分享Web前后端开发、人工智能、机器学习、深度学习从0

程序员洲洲·2024-01-04 00:44

【吴恩达】深度学习

参考资料：deeplearning_ai_bookdeeplearning.ai_JupyterNotebooksGitHub另一个仓库二、神经网络的编程基础(BasicsofNeuralNetworkprogramming)2.1二分类（BinaryClassification）例子：图片中是否有猫？如果图片的大小为64x64像素，则nx=64∗64∗3=12288n_x=64*64*3=122

Ziy.·2024-01-03 23:21

深度学习｜2.11 向量化vectorization

2.11向量化的作用向量化可以使得向量中的每一个维度的数据进行并行计算，从而加快了神经网络的计算速度。验证其他

晓源Galois·2024-01-03 23:13

大模型增量预训练经验总结（1）

1、训练数据类型选择混合精度已经成为训练大型深度学习模型的必要条件，但也带来了许多挑战。目前在我的实践过程中增量预训练采用的都是BF16。

GUANYX~·2024-01-03 22:24

2024三掌柜赠书活动第一期：TVM编译器原理与实践

为了更好地满足这些需求，许多深度学习框架被开发出来，其中TVM（TVirtualMachine）是一种优秀的编译器，能够将深度学习模型编译为高效的机器码。而且TVM编译器的核

三掌柜666·2024-01-03 22:22

2019个人目标

培养良好的运动习惯：羽毛球坚持每周12次或跑步12次；小家庭旅游一趟；坚持写点东西：每周输出个小想法，每月博客更新一篇技术文章；工作上深度学习图像的深入学习，工程能力k8s深入学习及实践，及时总结经验；

ehocchen·2024-01-03 21:47

人工智能、神经网络，pytorch的功能介绍和部分示例代码

PyTorch是一个用于科学计算的基于Python的开源机器学习库，它具有动态计算图的特性，可以有效地支持深度学习项目。

亦旧sea·2024-01-03 21:06

《认知觉醒》第1-2章 - 草稿

这本书将通过大脑的构造潜意识源于认知等思维规律，看清自己，了解认知世界里的基础设施，从刻意练习，深度学习，关联反馈等事物的规律中看清世界，提升自控力，专注力，学习力，行动力和情绪力，从此豁然开朗，内化出真正的认知驱动力

周永梅·2024-01-03 21:21

深度学习知识点汇总-机器学习基础（3）

数据收集获取数据及其对应标签将数据集划分为训练数据集和验证数据集考虑样本不均衡的问题，并基于此使用交叉验证的方法（2）数据预处理去除错误数据和标签缺失的数据数据增强（3）特征工程传统机器学习方法中对特征进行选择、组合和优化深度学习

深度学习模型优化·2024-01-03 20:55

Deep Q-Network (DQN)理解

DQN（DeepQ-Network）是深度强化学习（DeepReinforcementLearning）的开山之作，将深度学习引入强化学习中，构建了Perception到Decision的End-to-end

兔兔爱学习兔兔爱学习·2024-01-03 20:59

《动手学深度学习》学习笔记第7章现代卷积神经网络

本系列为《动手学深度学习》学习笔记书籍链接：动手学深度学习笔记是从第四章开始，前面三章为基础知识，有需要的可以自己去看看关于本系列笔记：书里为了让读者更好的理解，有大篇幅的描述性的文字，内容很多，笔记只保留主要内容

北方骑马的萝卜·2024-01-03 20:58

《动手学深度学习》学习笔记第4章多层感知机

本系列为《动手学深度学习》学习笔记书籍链接：动手学深度学习笔记是从第四章开始，前面三章为基础知道，有需要的可以自己去看看关于本系列笔记：书里为了让读者更好的理解，有大篇幅的描述性的文字，内容很多，笔记只保留主要内容

北方骑马的萝卜·2024-01-03 20:58

《动手学深度学习》学习笔记第6章卷积神经网络

本系列为《动手学深度学习》学习笔记书籍链接：动手学深度学习笔记是从第四章开始，前面三章为基础知道，有需要的可以自己去看看关于本系列笔记：书里为了让读者更好的理解，有大篇幅的描述性的文字，内容很多，笔记只保留主要内容

北方骑马的萝卜·2024-01-03 20:24

小知识点系列(三) 本文(3万字) | PAN与代码复现 | Backbone之FPN与代码复现 | SPP / SPPF / SimSPPF / ASPP / RFB / SPPCSPC |

小酒馆燃着灯·2024-01-03 20:46

【操作系统xv6】学习记录3-Wsl2 Ubuntu18.04图形化界面

不知道为啥，wls2和windows用vscodessh的方式连接识别，既然如此，那就装一个桌面版的，其实2年多前装过一次，后来pc机跑深度学习的任务，硬盘坏了~开干前再试一次ref：https://zhuanlan.zhihu.com

weixin_40293999·2024-01-03 20:16

AI：103-基于深度学习的海上牧场鱼群识别技术

欢迎订阅支持，正在不断更新中~基于深度学习的海上牧场鱼群识别技术随着人工智能技术的不断发展，深度学习在各个领域展现了强大的应用潜力。本文将聚

一见已难忘·2024-01-03 19:11

Transformer

1.1注意力机制注意力机制（AttentionMechanism）是深度学习中一种模拟人类视觉或听觉系统的工作方式的技术。它的灵感来自于人类的感知过程，即根据输入的信息，有选择性地关注或聚焦于

STRUGGLE_xlf·2024-01-03 19:35

【深度学习-基础学习】Transformer 笔记

本篇文章学习总结李宏毅2021Spring课程中关于Transformer相关的内容。课程链接以及PPT：李宏毅Spring2021ML这篇Blog需要Self-Attention为前置知识。Transfomer简介Transfomer架构主要是用来解决Seq2Seq问题的，也就是SequencetoSequence问题。输入是一个长度不确定的Sequence。输出是一个长度不确定，由机器自动决定

CarNong_Blog·2024-01-03 18:11

深度学习识别手势

Assignment3SignLanguageImageClassificationusingDeepLearningScenarioAclientisinterestedinhavingyou(orratherthecompanythatyouworkfor)investigatewhetheritispossibletodevelopanappthatwouldenableAmericansi

xingxiliang·2024-01-03 18:10

深度学习｜5.2 偏差和方差

偏差和方差Bias（偏差）：偏差是指对样本点的估计值和实际值的偏离程度。偏差越大，样本点越不符合实际值。偏差衡量单个数据点的偏离程度，如下图的第二行。Variance（方差）：方差能代表对样本点的估计值的范围，衡量的是数据的聚散程度，如下图的第二列。二维图在二维图表上，可以直观感受到决策边界的存在，而到了高维，决策边界就没有那么容易观察得到。偏差和方差在训练集和验证集的应用。Trainseterr

晓源Galois·2024-01-03 18:10

深度学习|Keras识别MNIST手写数字（一）

数据和方法MNIST数据集是收集的手写字体，为单色图像，共有训练集60000项，测试数据集10000项。建模方法我们使用最简单的神经网络模型，多层感知器（MLP）。数据下载和处理数据下载Keras已经提供了模块用于下载数据，通过一下代码即可完成下载。###首先导入程序所需要的库importnumpyasnpimportpandasaspdfromkeras.utilsimportnp_utilsn

罗罗攀·2024-01-03 18:45

尝试使用深度学习识别百度旋转验证码

最近研究了一下图像识别，一直找到很好的应用场景，今天我就发现可以用百度的旋转验证码来做一个实验。没想到效果还挺好，下面就是实际的识别效果。1、效果演示2、如何识别2.1准备数据集首先需要使用爬虫，对验证码图片进行采集，尽量每一种类型都要采集到。2.2图像矫正接下来对采集的数据进行人工校正2.3数据清洗（1）对数据进行进行旋转，达到增加数据量的目的。（2）对数据进行灰度化处理，将三维图片降为二维。（

Dxy1239310216·2024-01-03 17:40

互联网加竞赛基于GRU的电影评论情感分析 - python 深度学习情感分类

文章目录1前言1.1项目介绍2情感分类介绍3数据集4实现4.1数据预处理4.2构建网络4.3训练模型4.4模型评估4.5模型预测5最后1前言优质竞赛项目系列，今天要分享的是基于GRU的电影评论情感分析该项目较为新颖，适合作为竞赛课题方向，学长非常推荐！更多资料,项目分享：https://gitee.com/dancheng-senior/postgraduate1.1项目介绍其实，很明显这个项目和

Mr.D学长·2024-01-03 17:52

人工智能在法务领域的未来趋势

智合同-采用深度学习、自然语言处理技术、知识图谱等人工智能技术，为企业提供专业的合同相关的智能服务。

智合同（小智）·2024-01-03 16:57

智合同是怎么审合同的？

#智合同#审合同#AI#深度学习#自然语言处理#知识图谱智合同采用深度学习、自然语言处理、知识图谱等人工智能技术，为企业提供专业的合同相关的智能服务。

智合同（小智）·2024-01-03 16:56

AI发展将来对人力市场有什么影响

、合同智能起草、文本一致性对比、广告审查、合同范本库人工智能的发展对人们的日常生活起到至关重要的作用，智能发展也是涉猎众多领域，人工智能技术对于企业法务管理、合同审查工作也有突出贡献，比如智合同-采用深度学习

智合同（小智）·2024-01-03 16:55

[动手学深度学习-PyTorch版]-7.2优化算法-梯度下降和随机梯度下降

虽然梯度下降在深度学习中很少被直接使用，但理解梯度的意义以及沿着梯度反方向更新自变量可能降低目标函数值的原因是学习后续优化算法的基础。

蒸饺与白茶·2024-01-03 15:47

小白学 PyTorch 系列：54个超强 pytorch 操作

在工业界，虽然仍有一些项目在延续使用之前的深度学习框架，但PyTorch的影响力也在逐渐渗透。对于昨天为什么没发文，原因很心酸。

Python数据挖掘·2024-01-03 14:55

基于 Python+Django 构建智能互动拍照系统

目标检测，图像风格迁移，以及自己设计实现的熊猫分割PandaSeg，动作识别PoseRecognition等算法，依托Django框架搭建的Web应用，在服务器端使用tensorflow、pytorch等深度学习框架搭建的智能图像处理模块处理前端通过单目相机捕获的图片并实时返回处理结果

Python数据开发·2024-01-03 13:44

【深度学习-基础学习】Self-Attention 自注意力机制笔记

本篇文章学习总结李宏毅2021Spring课程中关于Self-Attention自注意力机制相关的内容。课程链接以及PPT：李宏毅Spring2021ML关于Self-Attention机制想要解决的问题通常来说，我们的模型的输入会是一个vector，然后输出可能是一个数值（Scalar）或者是一个类别（Class）。但是，在机器学习中会碰到输入是一堆vector，并且这些vector的具体的格数

CarNong_Blog·2024-01-03 13:15

python 深度学习记录遇到的报错问题10

本篇继python深度学习解决遇到的报错问题9_module'd2l.torch'hasnoattribute'train_ch3-CSDN博客一、CUDAerror:nokernelimageisavailableforexecutiononthedeviceCUDAkernelerrorsmightbeasynchronouslyreportedatsomeotherAPIcall

水w·2024-01-03 13:15

【深度学习：SENet】信道注意力和挤压激励网络（SENet）：图像识别的新突破

【深度学习：SENet】信道注意力和挤压激励网络（SENet）：图像识别的新突破为什么有效如何实现工作原理应用案例挤压和激励网络（SENets）为卷积神经网络（CNN）引入了一个新的构建模块，该模块能在几乎不增加计算成本的情况下

jcfszxc·2024-01-03 13:44

【深度学习：Domain Adversarial Neural Networks (DANN) 】领域对抗神经网络简介

【深度学习：DomainAdversarialNeuralNetworks】领域对抗神经网络简介前言领域对抗神经网络DANN模型架构DANN训练流程DANN示例GPT示例前言领域适应（DA）指的是当不同数据集的输入分布发生变化

jcfszxc·2024-01-03 13:12

机器学习与深度学习——使用paddle实现随机梯度下降算法SGD对波士顿房价数据进行线性回归和预测

文章目录机器学习与深度学习——使用paddle实现随机梯度下降算法SGD对波士顿房价数据进行线性回归和预测一、任务二、流程三、完整代码四、代码解析五、效果截图机器学习与深度学习——使用paddle实现随机梯度下降算法

星川皆无恙·2024-01-03 12:12

推荐频道

深度学习：搜索推荐