深度学习：搜索推荐

逻辑回归的介绍和应用

虽然现在深度学习相对于这些传统方法更为火热，但实则这些传统方法由于其独特的优势依然广泛应用于各个领域中。而对于逻辑回归而且，最为突出的两点就是其模型简单和模型的可解释性强。
小森( ﹡ˆoˆ﹡ )·2023-12-18 22:55

深度学习笔记_6经典预训练网络LeNet-18解决FashionMNIST数据集

1、调用模型库，定义参数，做数据预处理importnumpyasnpimporttorchfromtorchvision.datasetsimportFashionMNISTimporttorchvision.transformsastransformsfromtorch.utils.dataimportDataLoaderimporttorch.nn.functionalasFimporttor
Element_南笙·2023-12-18 20:23

深度学习-激活函数总结

激活函数是在人工神经网络中用来加入非线性特性的一种数学函数。它接受神经网络的输入并输出一个非线性信号。常见的激活函数有以下几种：1、sigmoid函数sigmoid函数：将输入的值转换成0和1之间的值，并且具有良好的可视化性，但是在函数级别变化较大时，梯度会迅速逼近于0，使得训练速度大大降低。defsigmoid(x):return1/(1+np.exp(-x))2、tanh函数tanh函数：将输
Element_南笙·2023-12-18 20:52

机器学习-深度学习服务器推荐

大学生、研究生未免找不到还有的GPU服务器，这边博主推荐https://featurize.cn?s=3d13789cb8184f16bb6133b20c353207方便，便宜，不会自动删除上传项目文件，支持VScode、pycharm、SSH链接，上传文件速度快。强烈推荐，快冲！
Element_南笙·2023-12-18 20:52

深度学习笔记_7经典网络模型LSTM解决FashionMNIST分类问题

1、调用模型库，定义参数，做数据预处理importnumpyasnpimporttorchfromtorchvision.datasetsimportFashionMNISTimporttorchvision.transformsastransformsfromtorch.utils.dataimportDataLoaderimporttorch.nn.functionalasFimporttor
Element_南笙·2023-12-18 20:51

【火炉炼AI】深度学习004-Elman循环神经网络

【火炉炼AI】深度学习004-Elman循环神经网络(本文所使用的Python库和版本号:Python3.6,Numpy1.14,scikit-learn0.19,matplotlib2.2)Elman
科技老丁哥·2023-12-18 19:53

深度学习_Softmax简洁实现(Gluon实现)

Softmax多分类简洁实现（Gluon实现）导入必要的包importd2lzhasd2lfrommxnetimportndfrommxnet.gluonimportdataasgdata,lossasgloss,nnfrommxnetimportgluon,init获取和读取数据batch_size=256train_iter,test_iter=d2l.load_data_fashion_mn
VictorHong·2023-12-18 19:01

【机器学习 | 基于实例学习】经典算法—KDD算法详解

希望大佬带带）【深度学习|核心概念】那些深度学习路上必经的核心概念，确定不来看看？（一）作者：计算机魔术师版本：1.0（2023.8.27）摘要：
计算机魔术师·2023-12-18 19:43

【深度学习/机器学习】为什么要归一化？归一化方法详解

【深度学习/机器学习】为什么要归一化？
笃℃·2023-12-18 19:13

注意力机制：一种解决深度学习中的选择问题的方法

目录一、注意力机制基本概念二、不同类型注意力机制介绍1、自底向上的注意力机制2、自顶向下的注意力机制3、基于通道的注意力机制三、注意力机制优缺点四、总结一、注意力机制基本概念注意力机制（AttentionMechanism）是一种数据处理方法，广泛应用于自然语言处理、图像识别及语音识别等各种不同类型的机器学习任务中。它通过神经网络的操作生成一个掩码mask，mask上的值代表对输入序列中每个元素的
AI_dataloads·2023-12-18 18:12

【深度学习】一文搞懂卷积神经网络（CNN）的原理（超详细）

目录引言：一、图像原理二、为什么要学习卷积神经网络？三、什么是卷积？一张图带你了解卷积计算过程：卷积需要注意哪些问题？为什么要进行数据填充：卷积神经网络的模型是什么样的？四、卷积神经网络的构造1输入层2卷积和激活3池化层4多层堆叠5全连接和输出编辑编辑五、图片经过卷积后的样子引言：卷积神经网络（ConvolutionalNeuralNetwork，CNN）是一种在计算机视觉领域取得了巨大成功的深度
AI_dataloads·2023-12-18 18:42

【深度学习】绘制模型训练曲线（epoch-accuracy），寻找最佳epoch值

在深度学习中，正确设置"epoch"的数量是一个重要的超参数，需要根据具体问题和数据集来调整。Epoch设置过大：过拟合风险：如果epoch设置过大，模型有可能过度拟合训练数据，
AI_dataloads·2023-12-18 18:42

和AI对话学习数据科学、深度学习

您还使用过许多深度学习模型，尤其是音频和情感分析。在该领域工作了40多年后，您希望退休。现在教像我这样的年轻人。您教授一门完整的课程，从基础知识开始，并以2个令人惊叹的项目结束，逐步完成完整的细节。
知识铺·2023-12-18 18:10

图像识别的精度与效率优化研究

基于深度学习的图像识别算法研究摘要：随着深度学习技术的快速发展，基于深度学习的图像识别算法已经成为计算机视觉领域的研究热点。
matlabgoodboy·2023-12-18 18:39

图像识别在安防领域的应用与创新

通过深度学习算法，人工智能能够实现目标检测、目标追踪和行为分析等功能，从而提高了视频监控的准确性和效果。
matlabgoodboy·2023-12-18 18:09

图像配准 CVPRW21 - 深度特征匹配 DFM

本文转自：【图像配准】CVPRW21-深度特征匹配DFM_深度学习图像配准-CSDN博客github地址：https://github.com/ufukefe/DFM相识图像配准(ImageRegistration
AI视觉网奇·2023-12-18 18:13

序列生成模型（一）：序列概率模型

文章目录前言1.序列数据2.序列数据的潜在规律3.序列概率模型的两个基本问题一、序列概率模型1.理论基础序列的概率分解自回归生成模型2.序列生成前言  深度学习在处理序列数据方面取得了巨大的成功，尤其是在自然语言处理领域
QomolangmaH·2023-12-18 18:05

无代码，零基础！手把手教你掌握Stable Diffusion，创作出惊艳AI插画！

关于StableDiffusionStableDiffusion（简称SD）是2022年发布的一个深度学习文本到图像生成模型，由慕尼黑大学的CompVis研究团体首先提出，并与初创公司StabilityAI
哈哈屋社·2023-12-18 17:56

写好ChatGPT提示词原则之：清晰且具体（clear & specific）

ChatGPT的优势在于它允许用户跨越机器学习和深度学习的复杂门槛，直接利用已经训练好的模型。然而，即便是这些先进的大型语言模型也面临着上下文理解和模型固有局限性的挑战。
(_Marvin_)·2023-12-18 17:54

ReLU（Rectified Linear Unit）和Sigmoid激活函数

ReLU在许多深度学习模型中被广泛使用，因为它在梯度下降中的计算上相对简单，且有效防止了梯度消失问题。Sigmoid函数将输入映射到（0，1）之间的范围，常用于二分类问题。
LeapMay·2023-12-18 17:36

让深度学习发生的课堂

听《贾素艳之深度学习》有想法：就二年级数学《时间的初步认识》，其目标是①会认识钟表显示的整点或几时半的时针和分针的位置及关系。②会拨整时或几时半。
会宁248南有亮·2023-12-18 17:22

visio画深度学习网络立方体

开启visio开发工具功能！1文件→选项→自定义功能区→开发工具/绘图都打个勾2绘制矩形框，填充设为无填充3，复制上面步骤的矩形框4用线条工具链接矩形框，成为立方体结构5绘图工具-选择，去掉多于的线6，开发工具-组合7开发工具-操作-连接8开发工具-操作-拆分9填充颜色图片摘选自大神博客visio绘制立方体
kelly1250230225·2023-12-18 17:53

深度学习14—注意力机制与自注意力机制

注：以下均为个人学习笔记，发布只为方便学习阅读，若觉侵权，请联系删除！！1.李沐老师课堂学习理解笔记1.1随意线索和不随意线索1.2注意力机制通过注意力池化层来有偏向性的选择某些输入。1.3注意力池化层1.3.1非参数化注意力机制理解：Q（query）即为随意线索，可以通过对值V(value)做重要性加权得到。在这里，值V（value）和不随意线索K（key）是一个对。（对应关系）。1.3.2参数
Top Secret·2023-12-18 16:06

深度学习 | 前馈神经网络与反向传播算法

目录一、Logistic函数二、前馈神经网络（FNN）三、反向传播算法（BP算法）四、基于前馈神经网络的手写体数字识别一、Logistic函数Logistic函数是学习前馈神经网络的基础。所以在介绍前馈神经网络之前，我们首先来看一看Logistic函数。Logistic函数定义为：Logistic函数可以看成是一个“挤压”函数，把一个实数域的输入“挤压”到(0,1)。当输入值在0附近时。Sigmo
天下弈星~·2023-12-18 16:31

深度学习的课堂实践

今天看《生长数学》的第19~41页，重点学习了案例1，“从问题到方程”的教学设计及分析。我们都知道鸡兔同笼问题得到的方程是2x+4×(35-X)=94，没想到老师利用秋游活动设计了一系列的问题，让学生来列方程，而且每一个问题所对应的答案都是2x+4×(35-X)=94。问题1，学校组织七年级94名学生到玄武湖划船秋游，共用船35条，若每条大船可以坐4人，每条小船可以坐2人，如果小船有X条，那么怎样
感恩遇见0331·2023-12-18 16:36

最新PyTorch机器学习与深度学习实践技术应用

尤其是深度学习技术，在许多行业都取得了颠覆性的成果。另外，近年来，Pytorch深度学习框架受到越来越多科研人员的关注和喜爱。
asyxchenchong888·2023-12-18 15:48

探索人工智能中的语言模型：原理、应用与未来发展

神经网络语言模型：利用深度学习技术，如循环神经网络（RNN）、长短时记忆网络（LSTM）、和最新的Transformer模型。2.应用领域及典型案例自然语言处理：语言
鳗小鱼·2023-12-18 14:48

动手学深度学习-注意力机制

10.1注意力提示自主性注意力机制有意识的注意力机制。非自主性注意力机制无意识的注意力机制。小结:人类的注意力是有限的，有价值和稀缺的资源。受试者使用非自主性和自主性提示有选择的引导注意力，前者基于突出性，后者则依赖于意识。注意力机制与全连接层或者汇聚层的区别源于增加的自主提示。由于包含了自主性提示，注意力机制与全连接的层或汇聚层不同。注意力机制通过注意力汇聚使选择偏向于值（感官输入），其中包含查
jieHeEternity·2023-12-18 14:09

动手学深度学习-自然语言处理：应用

自然语言处理中的应用主要有哪些？自然语言处理：应用情感分析及数据集情感分析研究人们在文本中的情感，这被认为是一个文本分类问题，它将可变长度的文本序列进行转换为固定长度的文本类别。经过预处理后，我们可以使用词表将IMDb评论数据集加载到数据迭代器中。情感分析：使用循环神经网络预训练的词向量可以表示文本序列中的各个词元。双向循环神经网络可以表示文本序列。例如通过连结初始和最终时间步的隐状态，可以使用全
jieHeEternity·2023-12-18 14:09

动手学习深度学习-现代循环神经网络

门控循环单元(GRU)重置门和更新门重置门（ResetGate）和更新门（UpdateGate）是循环神经网络（RecurrentNeuralNetwork,RNN）的变体之一，门控循环单元（GatedRecurrentUnit,GRU）中的两个关键概念。GRU被设计用来解决传统RNN在处理长序列数据时的梯度消失问题。这两个“门”的主要功能是控制信息的流动，即决定在序列数据处理中保留多少旧信息（如
jieHeEternity·2023-12-18 14:08

动手学深度学习-自然语言处理-预训练

词嵌入模型将单词映射到实向量的技术称为词嵌入。为什么独热向量不能表达词之间的相似性？自监督的word2vec。word2vec将每个词映射到一个固定长度的向量，这些向量能更好的表达不同词之间的相似性和类比关系。word2vec分为两类，两类模型都是自监督模型。跳元模型(SKip-Gram)。连续词袋(CBOW)模型。小结词向量是用于表示单词意义的向量，也可以看作词的特征向量。将词映射到实向量的技术
jieHeEternity·2023-12-18 14:36

pytorch深度学习入门（13）之-模型剪枝

概述模型剪枝是一种用于神经网络压缩的技术，其主要目的是减少模型的计算复杂性和存储需求，同时尽量保持模型的预测能力。这通常通过删除模型中的冗余信息或减少模型的大小来实现。剪枝技术主要有以下几种：重要性剪枝：这种方法首先确定模型中每个权重的重要性，例如可以使用梯度或激活值来判断。然后，删除重要性低的权重，并重新训练模型以调整剩余的权重。全局剪枝：全局剪枝方法通过对整个网络应用某种全局标准（例如，阈值）
码农呆呆·2023-12-18 14:30

pytorch2.0训练报错：Could not load library libcudnn_cnn_train.so.8，Unable to register cuDNN factory解决办法

1.主要问题：最近服务器挂掉了，涉及到了深度学习环境的重新搭建，现在的pytorch版本已经更新到2.0以上了，以前还是用的1.9，安装完成后遇到了这个问题，无法训练模型。
四平先森·2023-12-18 13:10

解决Python中cuBLAS插件无法注册问题

解决Python中cuBLAS插件无法注册问题在使用TensorFlow进行深度学习模型训练时，有时候会遇到"UnabletoregistercuBLASfactoryAttemptingtoregisterfactoryforplugincuBLAS
完美代码·2023-12-18 13:07

YOLOv5-7.0实例分割+TensorRT部署

而TensorRT作为一种高性能的深度学习推理引擎，能够显著加速模型的推理过程，为实时应用提供了强大的支持。在本文中，我们将探
Mr Dinosaur·2023-12-18 13:58

YOLOv5改进 | 卷积篇 | SPD-Conv空间深度转换卷积（高效空间编码技术）

SPD-Conv是一种创新的空间编码技术，它通过更有效地处理图像数据来改善深度学习模型的表现。
Snu77·2023-12-18 13:05

深度学习中的高斯分布

1高斯分布数学表达1.1什么是高斯分布高斯分布(GaussianDistribution)又称正态分布(NormalDistribution)。高斯分布是一种重要的模型，其广泛应用于连续型随机变量的分布中，在数据分析领域中高斯分布占有重要地位。由于中心极限定理(CentralLimitTheorem)的广泛应用，高斯分布在统计学上非常重要。中心极限定理表明，由一组独立同分布，并且具有有限的数学期望
智慧医疗探索者·2023-12-18 12:52

深度强化学习之：PPO训练红白机1942

本系列将从原理和代码来循序渐进讲解强化深度学习。
人工智能与算法学习·2023-12-18 12:19

GPT / GPT-2 / GPT-3 / InstructGPT 进化之路

‍知乎：AaronWu（已获作者授权，勿随意转载）链接：https://zhuanlan.zhihu.com/p/609716668编辑：深度学习自然语言处理公众号引言近期，ChatGPT火遍圈内外，连微博热搜都出现了它的身影
zenRRan·2023-12-18 12:47

使用 Python 集成 ChatGPT API

ChatGPT是一种基于深度学习的自然语言生成技术，可以用于构建智能对话系统。
傻啦嘿哟·2023-12-18 11:43

基于YOLOv8深度学习的路面标志线检测与识别系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战

《博主简介》小伙伴们好，我是阿旭。专注于人工智能、AIGC、python、计算机视觉相关分享研究。✌更多学习资源，可关注公-仲-hao:【阿旭算法与机器学习】，共同学习交流~感谢小伙伴们点赞、关注！《------往期经典推荐------》一、AI应用软件开发实战专栏【链接】项目名称项目名称1.【人脸识别与管理系统开发】2.【车牌识别与自动收费管理系统开发】3.【手势识别系统开发】4.【人脸面部活体
阿_旭·2023-12-18 11:35

计算机基础知识总结：线程、linux、Docker、网络协议

【一】深度学习中常用的Linux命令汇总1.man：mancommand，可以查看某个命令的帮助文档，按q退出帮助文档2.cd：用于切换目录，cd-可以在最近两次目录之间来回切换3.touch：touchfile
是Dream呀·2023-12-18 11:15

Pytorch学习概述

目录学习目标人工智能1.智能（Intelligence）1.1人类智能1.2机器学习（人工智能）1.3深度学习1.4学习系统的发展历程传统的机器学习策略2.传统机器学习算法的一些挑战3.神经网络的简要历史
chairon·2023-12-18 11:33

Windows11环境下配置深度学习环境（Pytorch）

目录1.下载安装Miniconda2.新建Python3.9虚拟环境3.下载英伟达驱动4.安装CUDA版Pytorch5.CPU版本pytorch安装1.下载安装Miniconda下载安装包：镜像文件地址将Miniconda相关路径添加至系统变量的路径中。打开AnacondaPowershellPrompt，输入conda--version2.新建Python3.9虚拟环境新建虚拟环境命令：con
chairon·2023-12-18 11:01

人工智能超分辨率重建：揭秘图像的高清奇迹

1.超分辨率重建的基本原理单图超分辨率：利用深度学习模型，通过学习低分辨率图像与高分辨率图像的映射关系，实现对单张图像的重建。多图融合：结合多个视角或时间点的图像信息，进一步提升图像的清晰度。
鳗小鱼·2023-12-18 10:58

深入探讨人工智能目标检测：算法、应用与未来趋势

深度学习算法：基于深度神经网络，如RCNN系列、YOLO系列、SSD等。2.应用领域及典型案例自动驾驶：目标检测在自动驾驶中起到关
鳗小鱼·2023-12-18 10:58

人工智能数据挖掘：发掘信息的新境界

模型构建：利用机器学习、深度学习等技术建立预测或分类模型。模型评估：通过评估模型的性能，优化算法以提高挖掘效果。2.应用领域
鳗小鱼·2023-12-18 10:58

早期的OCR是怎么识别图片上的文字的？

现在的OCR技术融合了人工智能技术，通过深度学习，无论是识别的准确率还是效果都非常不错，那您知道在早期的OCR是通过什么技术来实现的吗？
金鸣识别·2023-12-18 10:54

【机器学习】简单认识监督学习

经历了暑假期间短暂的接触机器学习的一些算法，之后又对深度学习、yolo系列有些了解，还尝试着去学习完成one-stage目标检测，但是由于基础知识的不扎实，很多时候都在补窟窿。
釉色清风·2023-12-18 10:21

浅谈基于深度学习的手写体纸质文档识别OCR软件

在众多的OCR（OpticalCharacterRecognition）软件中，基于深度学习的手写体纸质文档识别OCR软件成为了关注焦点。本文将探讨这种软件的特点、功能以及应用前景。
金鸣识别·2023-12-18 10:21
上一页 88 89 90 91 92 93 94 95 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他