深度学习--语义分割第47页

基于YOLOv8深度学习的100种蝴蝶智能识别系统【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·2024-01-22 07:36

深度学习和大数据技术推动自然语言处理迈向新高度

引言近年来，深度学习和大数据技术的不断进步，使得自然语言处理（NaturalLanguageProcessing，NLP）取得了显著的成果。

能力工场小马哥·2024-01-22 07:03

深度学习 pytorch的使用（张量1）

一、张量的创建PyTorch是一个Python深度学习框架，它将数据封装成张量（Tensor）来进行运算。PyTorch中的张量就是元素为同一种数据类型的多维矩阵。

在路上哟～·2024-01-22 07:33

深度学习数据预处理

首先掌握一个创建文件的方法：先导入os库（对文件进行操作）os.makedirs函数用于递归创建目录。其语法如下：os.makedirs(name,mode=0o777,exist_ok=False)name：要创建的目录的路径。mode：目录权限，默认为0o777，表示最大的访问权限。exist_ok：如果设置为True，则在目录已经存在的情况下不会抛出异常。os.makedirs函数会递归地创

丘小羽·2024-01-22 07:28

深度学习基础之数据操作

深度学习中最常用的数据是张量，对张量进行操作是进行深度学习的基础。以下是对张量进行的一些操作：首先我们需要先导入相关的张量库torch。

丘小羽·2024-01-22 07:27

imgaug库图像增强指南（34）：揭秘【iaa.Clouds】——打造梦幻般的云朵效果

引言在深度学习和计算机视觉的世界里，数据是模型训练的基石，其质量与数量直接影响着模型的性能。然而，获取大量高质量的标注数据往往需要耗费大量的时间和资源。

高斯小哥·2024-01-22 07:49

基于深度学习的细胞感染性识别与判定

基于深度学习的细胞感染性识别与判定基于深度学习的细胞感染性识别与判定引言项目背景项目意义项目实施数据采集与预处理模型选择与训练模型评估与优化结果与展望结论基于深度学习的细胞感染性识别与判定引言随着深度学习技术的不断发展

OverlordDuke·2024-01-22 06:08

2021-09-24:使用好闭环，去完成“猛”的事

深度学习又开始了。是的，给自己设定一个截止日期。对的，每项任务工作都给设定一个优先级和预估一个时间段吧。如果有拖拉的事情，是真心不想干的事情，就放下吧。最近晚上工作效率有点低，感觉累啊。

Keven_Ai·2024-01-22 06:21

基于BERT对中文邮件内容分类

系列的起源是《使用PaddleNLP识别垃圾邮件》项目，旨在解决企业面临的垃圾邮件问题，通过深度学习方法探索多语言垃圾邮件的内容、标题提取与分类识别。在本篇文章中，我们使

OverlordDuke·2024-01-22 06:04

【深度学习】详解利用Matlab和Python中 LSTM 网络实现序列分类

好久不见今天分享Matlab深度学习——LSTM网络实现序列分类<

左手の明天·2024-01-22 06:04

HNU-数据挖掘-实验3-图深度学习

数据挖掘课程实验实验3图深度学习计科210X甘晴void202108010XXX文章目录数据挖掘课程实验实验3图深度学习实验背景实验要求数据集解析实验内容（0）基础知识：基于图的深度学习方法浅识：图卷积网络

甘晴void·2024-01-22 06:36

所有情况下tensorflow2.0深度学习环境最快安装方法！

首先，你需要下载一个miniconda安装记得添加环境变量就是在安装过程中看到path这个单词的选项的时候就给勾选上就行然后启动CMD，不会启动CMD请百度在CMD内输入以下命令condalist如果有类似界面即代表环境正确添加如果未显示类似界面请重新安装（比手动path易懂）CMD然后就可以安装了输入condainstalltensorflow-gpu==2.0.0然后等待运行完成就行，如果不能

小火龙G·2024-01-22 06:36

仿真机器人-深度学习CV和激光雷达感知(项目2)day5【作业1与答案1】

文章目录前言作业1答案1前言你好，我是辰chen，本文旨在准备考研复试或就业本文内容是我为复试准备的第二个项目欢迎大家的关注，我的博客主要关注于考研408以及AIoT的内容预置知识：基本Python语法，基本linux命令行使用以下的几个专栏是本人比较满意的专栏(大部分专栏仍在持续更新)，欢迎大家的关注：ACM-ICPC算法汇总【基础篇】ACM-ICPC算法汇总【提高篇】AIoT(人工智能+物联网

辰chen·2024-01-22 06:03

【pytorch RuntimeError: expected scalar type Double but found Float】深度学习模型踩坑

错误：RuntimeError:expectedscalartypeDoublebutfoundFloat解决：pytorch使用gpu加速时，数据类型不支持double，也就是float64,需要将其数据类型变为float.32

求求你来BUG行不行·2024-01-22 05:15

自然语言处理的发展

自然语言处理技术的发展自然语言处理（NLP）作为人工智能领域的重要分支，在深度学习和大数据技术的推动下取得了显著的进步。

Java之弟·2024-01-22 05:27

从关键新闻和最新技术看AI行业发展（2023.12.18-12.31第十三期） |【WeThinkIn老实人报】

Rocky创办《WeThinkIn老实人报》主要有以下三个思考，分享给大家：AI行业目前核心方向有三个，分别是AIGC，传统深度学习

Rocky Ding*·2024-01-22 05:24

如何进行小学数学深度学习的教学

设计一、确定单元学习主题（一）单元学习主题的特点与的特点与类型小学数学深度学习基于核心内容本质理解的学习主题进行设计，不是完全打破原有学科课程内容与教材的逻辑框架，也不刻意超越数学学科知识前后的认知书序

讲坛论剑·2024-01-22 04:46

吴恩达-深度学习入门-第二周课后测验题

前情须知1、本文参考CSDN博主何宽老师的文章，仅用于个人学习使用，将答案部分单独摘出放在最后，方便进行自我检测。参考文章链接:https://blog.csdn.net/u013733326/article/details/798658582、第二周分为测验题和编程题两部分目录前情须知一、中文题目二、英文题目三、答案一、中文题目1、神经元节点计算什么？【】神经元节点先计算激活函数，再计算线性函

?LAST·2024-01-22 03:55

吴恩达-深度学习入门-第一周课后测验题

一、文章简介本篇文章主要内容为第一周课程结束后的十几道测试题，在其他大佬的文章中看到题目后，感觉因为有答案所以不太利于自己的思考，所以进行一下简单的编辑工作，将答案放在文章最后。文章参考:https://blog.csdn.net/u013733326/article/details/79862336仅做学习使用。二、题目题目分为中文版和英文版，根据自己喜好选择观看即可。英文版：Week1Quiz

?LAST·2024-01-22 03:25

imgaug库图像增强指南（32）：塑造【雪景】效果的视觉魔法

引言在深度学习和计算机视觉的世界里，数据是模型训练的基石，其质量与数量直接影响着模型的性能。然而，获取大量高质量的标注数据往往需要耗费大量的时间和资源。

高斯小哥·2024-01-22 03:32

基于Python TensorFlow keras.Sequential深度神经网络的深度学习回归

写在前面前期一篇博客（https://blog.csdn.net/zhebushibiaoshifu/article/details/114001720）详细介绍了基于TensorFlowtf.estimator接口的深度学习网络

疯狂学习GIS·2024-01-22 02:20

生成式语言大模型的工程实践

一、概述生成式语言大模型是指能够生成自然语言文本的深度学习模型。与传统的基于规则或模板的方法不同，生成式语言大模型通过对大量语料库的学习，自动地生成符合语法和语义规则的自然语言文本。这种模型的应用范围

百度_开发者中心·2024-01-22 02:30

《认知觉醒》1/7-3组-菀月-路露教练

原文：如何深度学习深度学习有以下3个步骤：（1)获取高质量的知识；（2)深度缝接新知识；（3)输出成果去教授。

菀月·2024-01-22 01:35

李沐深度学习-权重衰退文档

应对过拟合问题方法：权重衰减(weightdecay)1.方法：权重衰减等价于L2范数正则化（regularization）。正则化通过为模型损失函数添加惩罚项是血出的模型参数值较小，是应对过拟合常用手段。损失函数：l(w1,w2,b)L2范数正则化在模型原损失函数机基础上添加L2范数惩罚项，从而得到训练所需要最小化的函数。L2范数惩罚项指的是模型权重参数每个元素的平方和与一个正的常数的乘积（如λ

大小猫吃猫饼干·2024-01-22 00:22

李沐深度学习-权重衰退从零开始实验

importtorchimporttorch.nnasnnimportnumpyasnpimportsyssys.path.append("路径")importd2lzh_pytorchasd2l'''该实验为了验证权重衰退的作用，特地设置样本数小于权重数量样本特征维度=px1,x2....xp模型：y=0.05+Σ(i=1,p)0.01Xi+ε噪声服从均值0，标准差0.01正态分布为了观察过拟合

大小猫吃猫饼干·2024-01-22 00:51

李沐深度学习-权重衰退简洁实现

importtorchimporttorch.nnasnnimporttorch.utils.dataasDataimportnumpyasnpimportsyssys.path.append("路径")importd2lzh_pytorchasd2l'''---------------------------------------------------设计初始化样本数据'''batch_si

大小猫吃猫饼干·2024-01-22 00:51

李沐深度学习-多项式函数拟合试验

d2lzh_pytorch模块跳转连接importtorchimportnumpyasnpimportsyssys.path.append("路径")importd2lzh_pytorchasd2l'''-----------------------------生成人工数据集样本数n=200特征数=3三阶多项式y=1.2x-3.4x^2+5.6x^3+5+ε'''n_train,n_test,tr

大小猫吃猫饼干·2024-01-21 23:47

《学习共同体——走向深度学习》第2辑第一章“课堂观察：揭开学习的奥秘”品读有感

上一章节中讲道，要创设公平共赢的学习机会：均等机会。要放慢节奏，留给学生更多学习和思考的时间，留足学生独立学习的时间、协同学习的时间、公开发表的时间、修订反刍的时间，让学生可以以自己的步调与文本对话，与问题相遇；要建立每位学生平等的学习机制，每人一份学习材料，设计好学习任务每人一份学习任务单可以表达自己的观点、想法、解决问题的思路等，学生之间尽情交流互相倾听，全班交流轮流制无死角；要为弱势学生争取

翠言蜜语·2024-01-21 22:49

上位机图像处理和嵌入式模块（开篇）

工业上一般采用的是机器视觉，以传统算法和光源控制为主，部分采用了深度学习技术。而生活当中，则主要以二维码识别、人脸识别、车牌识别和ocr识别为主，这中间深度学习与AI扮演了很重要的角色。

嵌入式-老费·2024-01-21 22:31

【GitHub项目推荐--最简洁的人脸识别库】【转载】

本项目的人脸识别是基于业内领先的C++开源库dlib中的深度学习模型，用LabeledFacesintheWild人脸数据集进行测试，有高达99.38%的准确率。

旅之灵夫·2024-01-21 22:49

改进yolov7网络（从轻量化方面的8个方法）

当谈到目标检测领域时，YOLOv7（YouOnlyLookOncev7）是一种非常流行的深度学习网络模型。

qhchao·2024-01-21 21:30

YOLOv8改进 | Conv篇 | 在线重参数化卷积OREPA助力二次创新（提高推理速度 + FPS）

OREPA是通过在线卷积重参数化（OnlineConvolutionalRe-parameterization）来减少深度学习模型训练的成本和复杂性。

Snu77·2024-01-21 21:59

8、VAE:变分自编码器

目录一、背景与动机二、创新与卖点三、实现细节VAE模型架构损失函数VAE的背后的数学原理简易代码四、总结一、背景与动机在深度学习领域，数据的有效表示和生成模型一直是研究的重点。

O_meGa·2024-01-21 21:25

基于长短期神经网络的回归分析，基于LSTM的回归预测

的回归预测资源-CSDN文库https://download.csdn.net/download/abc991835105/88184633效果图结果分析展望参考论文背影LSTM神经网络是一种对时间序列比较敏感的深度学习网络

神经网络机器学习智能算法画图绘图·2024-01-21 20:52

有效提问推动深度学习

周二听了王老师执教的《认识钟表》这节课，让我对深度学习有了重新的认识。“钟表”在生活中学生已有接触，但是，王老师并没有想当然的认为这节课的知识对学生来说很容易。

李可英·2024-01-21 19:24

python高级(1): 迭代器详解

在深度学习的Dataset

@BangBang·2024-01-21 18:53

英伟达提出AdaViT：出于DeiT而又快于DeiT

CV案例精选·2024-01-21 18:32

Improving Deep Neural Network学习笔记

参数调整、正则化、优化1超参数2方差、偏差3正则化4归一化输入5Mini-batch梯度下降算法6Adam优化算法本周学习了深度学习（吴恩达老师的课程）中，提升深度神经网络的一些方法，包括超参数的调整、

佳雨初林·2024-01-21 17:42

requests用图鉴打码平台登录图鉴以及登录古诗文网

'''验证码处理：1.直接把浏览器里面的cookie拿出来直接用2.手动编写验证码识别的功能（深度学习）3.第三方打码平台（收费）超级鹰，图鉴等http://www.ttshitu.com/'''importbase64importjsonimportrequests

努力学习各种软件·2024-01-21 17:09

提升Stable Diffusion中用户提示词质量以改善图像生成结果

前言在使用StableDiffusion等深度学习模型进行图像生成时，用户提示词的质量对于最终生成的图像质量至关重要。

CCSBRIDGE·2024-01-21 16:26

【论文解读】模型即服务-MaaS中所涉及的关键技术

一、简要介绍由于预训练模型中参数和数据的数量超过一定水平，基础模型（如大型语言模型）可以显著提高下游任务性能，并出现一些新颖的特殊能力（如深度学习、复杂推理和人类对齐）。

合合技术团队·2024-01-21 15:23

深度学习Pytorch中计算图的概念及理解

标题0介绍0.1深度学习概览深度学习是机器学习的一个子领域，旨在模拟人类大脑的神经网络，使机器能够学习并做出明智的决策。

广东工商职业技术大学人工智能实验室·2024-01-21 14:17

深度学习中的优化算法

本文尝试通过一个框架来梳理深度学习中的常用优化算法，即从SGD到NAdam。整体框架我们设待学习参数为w,目标函数为f(w)，初始学习率为α。

小蛋子·2024-01-21 14:27

16.5 参考文献——深度学习定位

etal.AnEfficientandRobustFingerprintBasedLocalizationMethodforMultiFloorIndoorEnvironment[J].IEEEaInternetofThingsJournal,2023.2.相关工作B.基于深度学习的方法利用深度神经网络

weixin_42963026·2024-01-21 13:25

python深度学习—第6章（波斯美女）

第6章深度学习用于文本和序列6.1处理文本数据与其他所有神经网络一样，深度学习模型不会接收原始文本作为输入，它只能处理数值张量。文本向量化（vectorize）是指将文本转换为数值张量的过程。

weixin_42963026·2024-01-21 13:55

循环神经网络的变体模型-LSTM、GRU

一.LSTM（长短时记忆网络）1.1基本介绍长短时记忆网络（LongShort-TermMemory，LSTM）是一种深度学习模型，属于循环神经网络（RecurrentNeuralNetwork，RNN

Algorithm_Engineer_·2024-01-21 13:52

[错误记录]Could not load library libcudnn_cnn_infer.so.8.

运行深度学习脚本时出现报错:Couldnotloadlibrarylibcudnn_cnn_infer.so.8.运行环境：Windows11下WSL2的Ubuntu-22.04驱动版本：解决办法：安装

M·K·2024-01-21 13:51

5.2 基于深度学习和先验状态的实时指纹室内定位

GhorashiSA.Areal-timefingerprint-basedindoorpositioningusingdeeplearningandprecedingstates[J].ExpertSystemswithApplications,2023,213:118889.（5.2_基于指纹的实时室内定位，使用深度学习和前一状态

weixin_42963026·2024-01-21 13:20

有监督神经网络原理与实现

目录网络结构数学模型Python实现有监督神经网络是一种通过标注数据进行训练的深度学习模型，它可以学习输入和输出之间的映射关系，并用于分类和预测新数据。

10岁的小屁孩·2024-01-21 13:45

UCLA最新《深度学习统计理论》综述，详述近似、训练动力学和生成模型

在这篇文章中，我们从三个角度回顾了神经网络的统计理论文献。在第一部分中，我们回顾了非参数框架下关于神经网络的过度风险（excessrisks）的研究成果，这些成果适用于回归或分类。这些结果依赖于神经网络的显式构造，采用了近似理论的工具，导致过度风险的收敛速度较快。通过这些构造，可以根据样本大小、数据维度和函数平滑度来表达网络的宽度和深度。然而，它们的底层分析仅适用于深度神经网络高度非凸景观中的全局

AI知识图谱大本营·2024-01-21 13:39

推荐频道

深度学习--语义分割