深度学习-理论

2024年12月CCF-GESP编程能力等级认证C++编程四级真题解析

二、具体难度分析‌理论知识考察‌：单选题和判断题中，会涉及C++语言的理论基础知识，如数组的存储原理、函数的各种传参方式、指针、引用等。这些题目要求考生对C++语言有深入的理解。‌编程技能考察
前网易架构师-高司机·2025-03-16 15:09

AI笔记——语音识别

随着计算能力的提升和深度学习方法的出现，语
Yuki-^_^·2025-03-16 15:07

Manus（一种AI代理或自动化工具）与DeepSeek（一种强大的语言模型或AI能力）结合使用任务自动化和智能决策

其核心优势在于海量参数支持的深度学习和知识推理能力，例如撰写论文、润色法律合同、解答专业问题等。Manus则更强调从规划到交付的闭环能力。它通过工具链调用（如浏览器、代码编辑器）自主执行复杂任务，
zzlyx99·2025-03-16 15:01

深度学习处理时间序列（2）

在数据中寻找周期性在多个时间尺度上的周期性，是时间序列数据非常重要且常见的属性。无论是天气、商场停车位使用率、网站流量、杂货店销售额，还是健身追踪器记录的步数，你都会看到每日周期性和年度周期性（人类生成的数据通常还有每周的周期性）。探索数据时，一定要注意寻找这些模式。（让人想到波，想到傅里叶变换）对于这个数据集，如果你想根据前几个月的数据来预测下个月的平均温度，那么问题很简单，因为数据具有可靠的年
yyc_audio·2025-03-16 14:25

matlab 模糊pid实现温度控制

对于这样一个具有非线性、大滞后、大惯性、时变性、升温单向性等特点的控制对象，很难用数学方法建立精确的数学模型，因此用传统的控制理论和方法
studyer_爱啃鸡爪的小米·2025-03-16 14:54

大规模语言模型从理论到实践 开源指令数据集

大规模语言模型从理论到实践开源指令数据集1.背景介绍大规模语言模型（LargeLanguageModels,LLMs）近年来在自然语言处理（NLP）领域取得了显著的进展。
AI天才研究院·2025-03-16 13:17

机器视觉|手势识别：基于YOLOv5的手部检测与MediaPipe的关键点估计

本文将介绍一种基于深度学习的手势识别技术方案，通过结合YOLOv5物体检测网络和MediaPipe关键点检测框架，实现实时的手部定位与关键点提取。
RockLiu@805·2025-03-16 12:39

用 Verilog 实现 0 到 18 计数器：从原理到实践的全解析

一、实验目的理解计数器通用原理：全面掌握计数器的基本工作原理，包括计数的方式、状态的转换以及与外部信号的交互等，为设计特定功能的计数器奠定理论基础。运用组合逻辑控制计数范围：
君临天下.鑫·2025-03-16 11:05

7.探索XSS跨站脚本攻击

探索XSS跨站脚本攻击第一部分：XSS基础（理论）第二部分：XSS的手工测试（理论）第三部分：DVWA靶场实践XSS（实践）总结目标：•理解XSS的基本原理与类型•掌握XSS的手工测试方法•通过DVWA
早安TnT·2025-03-16 11:04

基于深度学习的个性化新闻推荐系统设计与实现计算机毕设

博主介绍：✌专注于VUE,小程序，安卓，Java,python,物联网专业，有17年开发经验，长年从事毕业指导，项目实战✌选取一个适合的毕业设计题目很重要。✌关注✌私信我✌具体的问题，我会尽力帮助你。研究的背景:随着互联网技术的发展和普及,人们越来越依赖互联网获取信息。然而,随着信息量的不断增加,用户在查找新闻时面临着信息过载的问题。为了解决这个问题,个性化新闻推荐系统被广泛应用。个性化新闻推荐系
sj52abcd·2025-03-16 11:32

23章9节：分层随机抽样及其在R语言中的实现与验证

本文旨在系统地阐述分层随机抽样的理论基础、抽样方法及其在R语言中的实现，
DAT｜R科学与人工智能·2025-03-16 11:01

Python 在人工智能领域的实际6大案例

从机器学习到深度学习，从自然语言处理到计算机视觉，Python提供了丰富的库和框架，使得开发者能够快速实现各种AI应用。本文将通过多个实际案例，展示Python在人工智能领域的强大功能和应用前景。
Solomon_肖哥弹架构·2025-03-16 10:00

深入探究YOLO系列的骨干网路

骨干网络是深度学习模型中的核心部分，负责提取图像的特征。如今常用的骨干网络有VGG、ResNet和MobileNet等。YOLO系列算法采用的是Darknet骨干
编码实践·2025-03-16 10:59

性能2-Docker 可能会减慢你的代码并扭曲基准测试结果

目录Docker可能会减慢你的代码并扭曲基准测试结果理论上，Docker容器没有性能开销。但实际上，它们可能会减慢你的代码并扭曲性能测量结果。
李星星BruceL·2025-03-16 10:57

《Python深度学习》第四讲：计算机视觉中的深度学习

计算机视觉是深度学习中最酷的应用之一，它让计算机能够像人类一样“看”和理解图像。想象一下，计算机可以自动识别照片中的物体、人脸，甚至可以读懂交通标志。这一切听起来是不是很神奇？
earthzhang2021·2025-03-16 10:56

基于人工智能的智能视频内容分析系统

基于人工智能的智能视频内容分析系统系统功能1.视频数据预处理降噪与滤波：去除视频画面中的噪点和干扰画质增强：调整亮度、对比度和色彩平衡关键帧提取：减少数据量，提取关键信息2.目标识别检测基于深度学习模型
小彭律师·2025-03-16 09:21

聚类分析算法理论：K均值聚类(KMeans Analysis)、KNN(K近邻分类)、均值漂移聚类(MeanShift)

喜欢的话别忘了点赞、收藏加关注哦（关注即可查看全文），对接下来的教程有兴趣的可以关注专栏。谢谢喵！(=･ω･=)2.2.1.K均值聚类(KMeansAnalysis)K均值算法是以空间中K个点为中心进行聚类，对最靠近他们的对象归类，是聚类算法中最为基础但也最为重要的算法。数学原理计算数据点与各簇中心点的距离：dist(xi,ujt){dist}(x_i,u_j^t)dist(xi,ujt)然后根据
SomeB1oody·2025-03-16 08:13

FastDVDnet：基于深度学习的视频去噪框架

FastDVDnet：基于深度学习的视频去噪框架项目地址:https://gitcode.com/gh_mirrors/fa/fastdvdnet项目介绍FastDVDnet是一个高效、开源的深度学习模型
陆可鹃Joey·2025-03-16 07:38

手撕multi-head self attention 代码

在深度学习和自然语言处理领域，多头自注意力（Multi-HeadSelf-Attention）机制是Transformer模型中的核心组件之一。
心若成风、·2025-03-16 07:07

深度学习 Deep Learning 第2章 线性代数

深度学习第2章线性代数线性代数是深度学习的语言。张量操作是神经网络计算的基石，矩阵乘法是前向传播的核心，范数约束模型复杂度，而生成空间理论揭示模型表达能力的本质。
odoo中国·2025-03-16 07:07

MATLAB算法实战应用案例精讲-【深度学习】归一化

目录为什么要做特征归一化/标准化？常用featurescaling方法计算方式上对比分析featurescaling需要还是不需要什么时候需要featurescaling？什么时候不需要FeatureScaling？归一化基础知识点1.什么是归一化2.为什么要归一化3.为什么归一化能提高求解最优解的速度4.归一化有哪些类型5.不同归一化的使用条件6.归一化和标准化的联系与区别层归一化综述提出背景概
林聪木·2025-03-16 06:59

数据结构-顺序栈详解（超基础的那种）

还是那句话，没有什么是操作一遍解决不了的，如果还有的话，那就再来一遍，嗯，请叫这句话为lanyan理论，哈哈嗝。2.代码部分主函数（主函数
FifthDesign·2025-03-16 03:05

JVM性能调优实战：从理论到线上问题排查

JVM性能调优实战：从理论到线上问题排查线上系统突然变慢，CPU飙升，内存告警，业务超时……面对这些危机时刻，你是束手无策还是胸有成竹？
SuperMale-zxq·2025-03-16 01:57

必看！一文读懂知识蒸馏技术

而知识蒸馏作为深度学习中一项重要的技术，也在背后默默地发挥着作用，今天就来给大家详细介绍一下知识蒸馏及其相关原理。
小天才学习机打游戏·2025-03-16 01:54

从零开始大模型开发与微调：PyTorch 2.0深度学习环境搭建

从零开始大模型开发与微调：PyTorch2.0深度学习环境搭建作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming1.背景介绍1.1问题的由来随着深度学习在各个领域的广泛应用
AI智能涌现深度研究·2025-03-16 01:54

AI大模型学习路线及相关资源推荐

本文为大家带来AI大模型学习路线及相关资源推荐，这对于学习掌握AI大模型很有帮助呦，希望大家多多点赞收藏～感谢～～1AI大模型的基础信息1.1什么是AI大模型AI大模型，即人工智能大型模型，是一种基于深度学习技术
python游乐园·2025-03-16 00:51

面向对象三大特性：封装、继承、多态深度解析

本文将通过理论解析+代码实战+设计思维，带您彻底吃透这三个核心概念。一、封装（Encapsulation）1.1核心思想将数据与操作数据的方法绑定，对外隐藏实现细节。
KBkongbaiKB·2025-03-16 00:47

HarmonyNext实战：基于ArkTS的高性能图像处理应用开发

我们将从理论基础出发，逐步构建一个完整的图像处理应用，并通过优化技巧提升性能。图像处理基础1.1图像表示在数字图像处理中，图像通常被表示为一个二维矩阵，每个元素代表一个像素的灰度值或颜色值。
·2025-03-16 00:16

【深度学习与大模型基础】第3章-张量

大家好！今天我们来聊聊张量（Tensor）。别被这个词吓到，其实它没那么复杂。什么是张量？简单来说，张量就是一个多维数组。你可以把它看作是一个装数据的容器，数据的维度可以是一维、二维，甚至更高。标量（0维张量）：就是一个单独的数字，比如3。向量（1维张量）：一串数字，比如[1,2,3]。矩阵（2维张量）：一个表格，比如[[1,2],[3,4]]。更高维张量：比如[[[1,2],[3,4]],[[5
lynn-66·2025-03-15 23:08

OpenCV 深度学习模块 cv2.dnn 与其他深度学习框架的优缺点对比及适用场景

OpenCV提供了一个深度学习模块cv2.dnn，让开发者能够在计算机视觉项目中轻松加载和推理深度学习模型。
白.夜·2025-03-15 21:26

深度学习中的 blob 格式：与普通 image 的区别及转换原因

在深度学习模型推理过程中，我们经常会用到cv2.dnn.blobFromImage函数将普通图像转换为blob格式。那么，blob格式到底是什么？它和普通image有什么区别？
白.夜·2025-03-15 21:25

TCP 采用三次握手建立连接的原因

两次握手无法满足这些需求，而四次握手虽然理论上可行，但会引入冗余和效率问题。
27xixi·2025-03-15 19:11

非对称加密算法——SIDH加密算法

JavaSIDH算法解析理论背景1.1后量子密码学随着量子计算机的发展，传统公钥密码体系（如RSA、ECC）面临被Shor算法破解的风险。
·2025-03-15 18:34

小狐狸AI数字人源码独立SAAS部署全开源+搭建环境教程

一.系统介绍小狐狸AI数字人分身系统源码独立部署支持PC端、小程序端、H5端，一键克隆真人形象+声音核心功能亮点：1:1真人级克隆技术声音克隆：上传3分钟音频，AI深度学习声纹特征，复刻语气、情感、方言形象克隆
kaui52066·2025-03-15 18:34

Java 和 Kotlin 实现 23 种设计模式：从理论到实践

设计模式是软件开发中解决常见问题的经典解决方案模板。它们帮助开发者编写可维护、可扩展和可重用的代码。本文详细介绍了23种经典设计模式，包括创建型、结构型和行为型模式，并提供了Java和Kotlin的完整实现示例。无论你是初学者还是有经验的开发者，本文都能帮助你深入理解设计模式的核心思想，并将其应用到实际项目中。Java和Kotlin实现23种设计模式设计模式是软件开发中常见问题的解决方案模板。它们
tangweiguo03051987·2025-03-15 18:03

【PyTorch】PyTorch 中改变张量形状的几种方法

PyTorch中改变张量形状的几种方法在深度学习领域，PyTorch是一个广泛使用的框架，它提供了丰富的API来处理张量（tensor）。在模型开发过程中，我们经常需要改变张量的形状以满足特定的需求。
shengchao0920·2025-03-15 17:27

html字段最大长度限制,html input 限制输入的长度并提示的方法

html中input标签的value值的长度理论上应该是2^32(数据来源于资料，没有测试过)，但为了防止一些input的输入数据过长来做一些限制，该如何实现呢？
朱佳顺·2025-03-15 16:21

OpenAI 团队组织架构和研发技术栈

目录OpenAI组织架构和研发技术栈概述1OpenAI团队的世界顶尖科学家IlyaSutskever：Ilya是OpenAI的联合创始人之一，也是深度学习领域的先驱。
AI天才研究院·2025-03-15 16:50

深度学习-服务器训练SparseDrive过程记录

1、cuda安装1.1卸载安装失败的cuda参考：https://blog.csdn.net/weixin_40826634/article/details/127493809注意：因为/usr/local/cuda-xx.x/bin/下没有卸载脚本，很可能是apt安装的，所以通过执行下面的命令删除：apt-get--purgeremove"cuda*"apt-getautoremove然后执行f
weixin_40826634·2025-03-15 15:41

机器学习_重要知识点整理

机器学习重要知识点整理一、数学与理论基础1.概率与统计术语作用使用场景概率分布描述随机变量的取值概率，如正态分布、二项分布。数据建模（如高斯分布假设）、生成模型（如贝叶斯网络）。
嘉羽很烦·2025-03-15 15:06

HarmonyNext实战：基于ArkTS的跨设备分布式数据同步应用开发

我们将从分布式数据管理的基础理论出发，逐步构建一个完整的应用，涵盖数
·2025-03-15 14:31

模型量化 (Model Quantization) 算法 (Model Quantization Algorithms)

1模型量化的必要性：降低模型大小、加速推理、减少资源消耗随着深度学习模型的日益复杂和庞大，其在资源受限的设备（如移动端、嵌入式设备）上的部署面临着巨大的挑战。
（initial）·2025-03-15 13:24

《探秘人工智能与鸿蒙系统集成开发的硬件基石》

对于模型训练任务，尤其是深度学习模型，其复杂的
程序猿阿伟·2025-03-15 12:43

USB 3.0、USB 5Gbps和USB 10Gbps区别

USB2.0模式时，接入的U盘无法在卷栏显示驱动问题U盘问题操作系统问题USB3.0、USB5Gbps和USB10Gbps区别标准规范与命名USB3.0：通常指USB3.1Gen1或USB3.2Gen1，理论数据传输速率为
Eternal-Student·2025-03-15 11:39

系统架构设计师【第5章】: 软件工程基础知识 (核心总结)

需求工程5.2.1需求获取5.2.2需求变更5.2.3需求追踪5.3系统分析与设计5.3.1结构化方法5.3.2面向对象方法5.4软件测试5.4.1测试方法5.4.2测试阶段5.5净室软件工程5.5.1理论基础
数据知道·2025-03-15 11:37

嵌入式AI必备技能2-模型的压缩与加速

由于嵌入式系统通常资源受限，传统的深度学习模型往往难以直接部署。因此，模型压缩和加速技术应运而生，旨在减少计算量、降低存储需求，同时尽可能保持模型的准确性。
奥德彪123·2025-03-15 10:30

HarmonyNext实战：基于ArkTS的高性能音视频处理应用开发

我们将从理论基础出发，逐步构建一个完整的应用，并通过优化技巧提升性能。1.音视
·2025-03-15 10:20

HarmonyNext实战：基于ArkTS的高性能图像处理应用开发

我们将从理论基础出发，逐步构建一个完整的图像处理应用，并通过优化技巧提升性能。1.图像处理基础1.1图像表示在数字图像处理中，图像通常被表示为一个
·2025-03-15 10:50

数据仓库有哪些建模方法？

以下是常见的建模方法及其特点：一、关系建模（规范化建模）基于关系型数据库的规范化理论，强调减少数据冗余，适合复杂的企业级数据仓库（EDW）。
BenBen尔·2025-03-15 09:21

cv君独家视角 | AI内幕系列七：EfficientViT模型：基于多尺度线性注意力模块，实现高效的高分辨率密集预测

通过一系列精心策划的文章，我们将带您深入了解AI的各个领域，从计算机视觉到文本语音等多模态领域，从基础理论到前沿技术，从行业应用到未来趋势。
cv君·2025-03-15 09:19
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他