神经网络奥秘：深度学习原理解析

Anaconda配置tensorflow-gpu教程

最近在入门tensorflow深度学习，配置环境吃了不少苦头，写个完整的教程首先得在自己主机上装cuda（我之前就是主机上没装cuda,只在虚拟环境里面装了，结果jupyter里面怎么调都识别不到GPU
rubisco214·2025-02-28 22:19

PyTorch 常见的损失函数：从基础到大模型的应用

PyTorch常见的损失函数：从基础到大模型的应用在用PyTorch训练神经网络时，损失函数（LossFunction）是不可或缺的“裁判”。
阿正的梦工坊·2025-02-28 22:19

深入剖析 Vue 的响应式原理：构建高效 Web 应用的基石

今天，就让我们深入探究Vue响应式原理背后的奥秘。一、什么是响应式编程在前端领域，响应式编程是一种编程范式，它赋予程序对数据变化做出自动反应的
东锋1.3·2025-02-28 22:49

深入了解 NAT 模式：网络地址转换的奥秘

深入了解NAT模式：网络地址转换的奥秘在计算机网络的世界里，NAT模式（NetworkAddressTranslation，网络地址转换）扮演着至关重要的角色。
东锋1.3·2025-02-28 21:13

Python从0到100（六十八）：Python OpenCV-图像边缘检测及图像融合

想做这件事情很久了，这次我更新了自己所写过的所有博客，汇集成了Python从0到100，共一百节课，帮助大家一个月时间里从零基础到学习Python基础语法、Python爬虫、Web开发、计算机视觉、机器学习、神经网络以及人工智能相关知识
是Dream呀·2025-02-28 19:58

LSTM：解决梯度消失问题

1.背景介绍在深度学习领域，循环神经网络（RNN）是一种处理序列数据的强大工具。然而，RNN在处理长序列时面临着梯度消失的问题。
AI天才研究院·2025-02-28 19:57

基于深度学习的SSD口罩识别项目完整资料版（视频教程+课件+源码+数据）

基于深度学习的SSD口罩识别项目完整资料版，包含视频教程、PPT课件和源码.01项目介绍.mp402SSD算法原理回顾.mp403数据集收集.mp404自定义数据集.mp405生成anchors.mp406
AI方案2025·2025-02-28 18:54

55、深度学习-自学之路-自己搭建深度学习框架-16、使用LSTM解决RNN梯度消失和梯度爆炸的问题，重写莎士比亚风格文章。

importnumpyasnpclassTensor(object):def__init__(self,data,autograd=False,creators=None,creation_op=None,id=None):self.data=np.array(data)self.autograd=autogradself.grad=Noneif(idisNone):self.id=np.rand
小宇爱·2025-02-28 18:18

【高级篇】第6章 Elasticsearch 高级查询与搜索优化

本章将带你深入探索Elasticsearch的高级查询特性，揭示搜索性能优化的奥秘，以及如何利用高亮与建议API增强用户体验。
JAVA和人工智能·2025-02-28 17:12

自然语言处理入门：从基础概念到实战项目

随着大数据和深度学习的发展，NLP技术在文本分类、机器翻译、问答系统、情感分析等领域得到了广泛应用。
范范0825·2025-02-28 14:22

Python深度学习实践：使用TensorFlow构建图像分类器

摘要随着深度学习技术的飞速发展，图像识别已成为AI领域的热点应用之一。本篇文章将引导读者使用Python和Google的TensorFlow框架，从零开始构建一个简单的图像分类器。
Evaporator Core·2025-02-28 13:42

深度学习进阶：构建多层神经网络

在上一篇文章中，我们从零开始构建了一个简单的两层神经网络，并通过异或问题（XOR）展示了神经网络的强大能力。
孤寂大仙v·2025-02-28 12:37

pytorch基础-layernormal 与 batchnormal

nn.LayerNorm（层归一化）和nn.BatchNorm（批量归一化）是深度学习中常用的两种归一化方法，都有助于提高模型的训练效率和稳定性，但它们在归一化维度、应用场景、计算方式等方面存在明显区别
yuweififi·2025-02-28 10:49

通过TensorFlow实现简单深度学习模型（2）

前文我们已经实现了对每批数据的训练，下面继续实现一轮完整的训练。完整的训练循环一轮训练就是对训练数据的每个批量都重复上述训练步骤，而完整的训练循环就是重复多轮训练。deffit(model,images,labels,epochs,batch_size=128):forepoch_counterinrange(epochs):print(f"Epoch{epoch_counter}")batch_
yyc_audio·2025-02-28 10:47

阿里巴巴DIN模型原理与Python实现

阿里巴巴的DeepInterestNetwork(DIN)是一种用于点击率预测（CTR）的深度学习模型，特别针对电商场景中用户兴趣多样化和动态变化的特性设计。
eso1983·2025-02-28 09:08

神经网络中的Adam

Adam（AdaptiveMomentEstimation）是一种广泛使用的优化算法，结合了RMSprop和动量（Momentum）的优点。它通过计算梯度的一阶矩估计（mean）和二阶矩估计（uncenteredvariance），为每个参数提供自适应学习率。Adam由DiederikP.Kingma和JimmyBa在2014年的论文《Adam:AMethodforStochasticOptimi
化作星辰·2025-02-28 08:01

神经网络中的Nesterov Momentum

NesterovAcceleratedGradient(NAG)，也称为NesterovMomentum，是一种改进版的动量优化算法，旨在加速梯度下降过程中的收敛速度，并提高对最优解的逼近效率。它由YuriiNesterov在1983年提出，是对传统动量方法的一种增强。###传统动量法回顾在传统的动量方法中，更新规则不仅考虑当前的梯度，还包含了之前所有梯度的方向和大小的累积（即“动量”），以帮助克
化作星辰·2025-02-28 08:31

神经网络中的Adagrad

Adagrad（AdaptiveGradient）是一种自适应学习率的优化算法，专门设计用于在训练过程中自动调整每个参数的学习率。这种方法对于处理稀疏数据特别有效，并且非常适合那些需要频繁更新但很少使用的参数的学习任务。###Adagrad的核心思想Adagrad通过累积过去所有梯度平方的和来调整每个权重的学习率。具体来说，它为网络中的每个参数维护一个历史梯度平方和，然后用这个累积值来缩放当前的学
化作星辰·2025-02-28 07:53

月之暗面改进并开源了 Muon 优化算法，对行业有哪些影响？

互联网各领域资料分享专区(不定期更新)：Sheet正文月之暗面团队改进并开源的Muon优化算法在深度学习和大模型训练领域引发了广泛关注，其核心创新在于显著降低算力需求（相比AdamW减少48%的FLOPs
互联网之路.·2025-02-28 05:11

使用 Microsoft OneDrive 加载文档的指南

核心原理解析为了能够从OneDrive加载文档，需要进行以下几个步骤：注册应用程序以获取客户端ID和密钥。获取OneDrive的DriveI
shuoac·2025-02-28 05:09

Spring Boot 动态配置数据源全解析

亲爱的小伙伴们，在求知的漫漫旅途中，若你对深度学习的奥秘、Java与Python的奇妙世界，亦或是读研论文的撰写攻略有所探寻，那不妨给我一个小小的关注吧。
♢.＊·2025-02-28 05:39

深入解析：如何编写 Mapper 文件

亲爱的小伙伴们，在求知的漫漫旅途中，若你对深度学习的奥秘、Java与Python的奇妙世界，亦或是读研论文的撰写攻略有所探寻，那不妨给我一个小小的关注吧。
♢.＊·2025-02-28 05:39

Spring Boot 中 @Transactional 注解全面解析

亲爱的小伙伴们，在求知的漫漫旅途中，若你对深度学习的奥秘、Java与Python的奇妙世界，亦或是读研论文的撰写攻略有所探寻，那不妨给我一个小小的关注吧。
♢.＊·2025-02-28 04:03

使用LangChain与GPT4All模型进行交互

核心原理解析GPT4All是基于大型语言模型（LLMs）的开源项目，通过训练大量干净的数据，能够生成高质量的对话和回答。LangChain是一种用于简化与
bavDHAUO·2025-02-28 04:28

【微信小程序】uni-app开发微信小程序，7步轻松搞定，你也能成为跨平台大神

关注墨瑾轩，带你探索编程的奥秘！
墨瑾轩·2025-02-28 04:56

大模型专栏博文汇总和索引

大模型专栏主要是汇总了我在学习大模型相关技术期间所做的一些总结和笔记，主要包括以下几个子专栏：DeepSeek-R1AIGC大模型实践Transformer多模态系统视频理解对比学习目标检测目标跟踪图神经网络大模型专栏汇总了以上所有子专栏的论文
Donvink·2025-02-28 03:53

使用GitPython和GitLoader进行版本控制与文档加载

核心原理解析GitPython是一个Python库，它允许你通过
vaidfl·2025-02-28 02:45

深度学习模型优化与医疗诊断应用突破

内容概要近年来，深度学习技术的迭代演进正在重塑医疗诊断领域的实践范式。随着PyTorch与TensorFlow等开源框架的持续优化，模型开发效率显著提升，为医疗场景下的复杂数据处理提供了技术基座。
智能计算研究中心·2025-02-28 02:44

金融风控与医疗影像算法创新前沿

医疗影像诊断领域则依托三维卷积神经网络（3D-CNN）架构，实现了对CT、MRI等多模态影像的精准病灶分割，诊断准确率较传统方法提升23.6%。
智能计算研究中心·2025-02-28 02:44

阿里云服务器的作用

阿里云服务器网来详细说下使用阿里云服务器常见的玩法以及企业或个人用户常见的使用场景：玩转阿里云服务器使用阿里云服务器最常见的应用就是用来搭建网站，例如个人博客、企业网站等；除了搭建网站还可以利用阿里云GPU服务器搭建机器学习和深度学习等
腾云服务器·2025-02-28 00:59

阿里云 人工智能与机器学习

以下是阿里云在人工智能和机器学习方面的主要产品与服务：1.云上机器学习平台—PaaS服务PAI(PlatformforAI)PAI是阿里云推出的人工智能平台，提供一系列机器学习与深度学习工具和
HaoHao_010·2025-02-28 00:25

AI探索笔记：浅谈人工智能算法分类

这张图片通过三个同心圆展示了人工智能、机器学习和深度学习之间的包含关系，其中人工智能是最广泛的范畴，机器学习是其子集，专注于数据驱动的算法改进，而深度学习则是机器学习中利用多层神经网络进行学习的特定方法
安意诚Matrix·2025-02-28 00:52

VQ-Diffusion 深度解析与实战指南

深度解析与实战指南VQ-Diffusion项目地址:https://gitcode.com/gh_mirrors/vqd/VQ-Diffusion1.项目介绍VQ-Diffusion是一个用于文本到图像合成的深度学习模型
晏灵昀Odette·2025-02-27 23:45

pytorch阶段性总结2

nn神经网络functional当中卷积的使用importtorchimporttorch.nn.functionalasF#数据input=torch.tensor([[1,2,0,3,1],[0,1,2,3,1
Colinnian·2025-02-27 23:41

【模块】AKConv卷积模块

论文《AKConv:ConvolutionalKernelwithArbitrarySampledShapesandArbitraryNumberofParameters》1、作用AKConv旨在解决深度学习中标准卷积操作的两个固有限制
dearr__·2025-02-27 22:10

AI探索笔记：线性回归

下面分别用传统方法（sklearn）和神经网络（pytorch）来解决线性回归问题。
安意诚Matrix·2025-02-27 22:37

DCMNet一种用于目标检测的轻量级骨干结构模型详解及代码复现

模型背景在深度学习技术快速发展的背景下，目标检测领域取得了显著进展。
清风AI·2025-02-27 21:03

UNet：UNet在自然环境监测中的应用案例_2024-07-24_09-14-11.Tex

UNet：UNet在自然环境监测中的应用案例UNet模型概述UNet是一种广泛应用于图像分割任务的卷积神经网络模型，由OlafRonneberger、PhilippFischer和ThomasBrox在
chenjj4003·2025-02-27 21:29

神经网络参数量计算

算一个只有两层的神经网络的参数量，我们需要考虑两层之间的连接权重和偏置项。以下是详细的计算步骤：网络结构输入层（第一层）：有2个神经元。输出层（第二层）：有3个神经元。
坠金·2025-02-27 20:49

注意力机制（Attention Mechanism）详细分类与介绍

注意力机制（AttentionMechanism）是近年来在深度学习中非常流行的一种技术，特别是在自然语言处理（NLP）、计算机视觉等任务中，具有显著的效果。
Jason_Orton·2025-02-27 20:46

图神经网络：拓扑数据分析的新时代

随着图数据的广泛应用，图神经网络（GraphNeuralNetwork,GNN）作为一种强大的深度学习工具，逐渐成为机器学习领域中的一颗新星。
Jason_Orton·2025-02-27 19:44

智算中心的核心硬件是什么？

当前主流的AI加速计算芯片包括：1、GPU（图形处理器）GPU是智算中心的算力担当，其强大的并行计算能力使其在深度学习领域大放异彩。GPU芯片
Imagination官方博客·2025-02-27 19:42

TensorFlow基础架构

处理结构计算图纸Tensorflow首先要定义神经网络的结构,然后再把数据放入结构当中去运算和training.处理结构因为TensorFlow是采用数据流图（dataflowgraphs）来计算,所以首先我们得创建一个数据流流图
humbinal·2025-02-27 19:40

AI之DeepSeek

DeepSeek是一个开源的基于深度学习的搜索引擎，用于在大规模数据中进行高效的内容检索和相似度搜索。
james二次元·2025-02-27 18:01

解锁观察者模式：Java编程中的高效事件管理之道

系列文章目录后续补充~~~文章目录一、引言：探索观察者模式的奥秘二、观察者模式的核心原理2.1模式定义与概念2.2关键角色剖析2.3工作机制深度解析三、观察者模式在Java中的实现3.1手动实现观察者模式
编程巫师·2025-02-27 18:58

[AI] [ComfyUI]理解ComyUI的基本原理及其图像生成技术

ComyUI作为一种图像生成框架，其背后的核心技术基于潜在空间的概念，并通过各种深度学习模块实现高效的图像生成与本地部署。
技术小甜甜·2025-02-27 17:27

深度学习重要论文阅读笔记 ResNet （2025.2.26）

文章目录问题背景数据预处理神经网络模型模型性能知识点积累英语单词积累问题背景随着神经网络变得更深（层数变多），模型的训练过程也会变得更加困难。
北岛寒沫·2025-02-27 16:50

大模型最新面试题系列：深度学习基础（二）

21.解释模型容量与过拟合的关系，如何在理论上平衡两者？模型容量与过拟合的关系模型容量指的是模型能够学习的复杂模式的能力，通常与模型的参数数量、网络结构的复杂度等相关。过拟合是指模型在训练数据上表现很好，但在未见过的测试数据上表现不佳。当模型容量较低时，模型可能无法学习到数据中的复杂模式，导致欠拟合，即在训练集和测试集上的表现都较差。随着模型容量的增加，模型能够学习到更复杂的模式，在训练集上的表现
人肉推土机·2025-02-27 15:08

深度学习-自学手册

人工智能机器学习神经网络前馈神经网络：没有回路的反馈神经网络：有回路的DNN深度神经网络CNN卷积神经网络RNN循环神经网络LSTM是RNN的一种，长短期记忆网络自然语言处理神经网络神经元-分类器Hebb
谁用了尧哥这个昵称·2025-02-27 15:37

53、深度学习-自学之路-自己搭建深度学习框架-14、使用自己的架构搭建一个通过学习模仿莎士比亚风格的2000次的文章。并且在关键层配有详细解释。

importnumpyasnpclassTensor(object):def__init__(self,data,autograd=False,creators=None,creation_op=None,id=None):self.data=np.array(data)self.autograd=autogradself.grad=Noneif(idisNone):self.id=np.rand
小宇爱·2025-02-27 15:05
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他