神经网络结构解读

机器学习，深度学习，神经网络，深度神经网络

深度学习源自于人工神经网络的研究，但是并不完全等于传统神经网络。神经网络与深度神经网络的区别在于隐藏层级，通常两层或两层以上隐藏层的网络叫做深度神经网络。一般隐藏层越多，精确度越高。
武昌库里写JAVA·2025-02-05 12:52

关于大模型 AGI 应知应会＿生在AI发展的时代

一、大模型的核心概念与特点（一）什么是大模型大模型（LargeLanguageModels，LLMs）是指具有大规模参数和复杂计算结构的深度学习模型，通常由深度神经网络构建而成，拥有数十亿甚至数千亿个参数
森焱森·2025-02-05 10:38

【产品经理修炼之道】-如何准确定义一款AR产品？

本文作者就进行了解读，不妨来看一下。一、为什么需要AR产品？乔布斯的iPhone开启了智能机时代，随着手机产业链成熟，智能手机的同质化日趋严重，差异化创新的实现路径亦越长、成本亦越高、创新空间亦越小。
xiaoli8748_软件开发·2025-02-05 10:04

SyntaxError: (unicode error) ‘unicodeescape‘ codec can‘t decode bytes in position 2-4: truncated \uX

目录一.问题描述0.问题背景1.源代码展示2.错误类型展示3.错误类型解读二.解决办法1.源代码修改2.修改后运行展示三.问题解析四.博客反思一.问题描述0.问题背景笔者出现问题是在windows10系统下运用
Terabithia_leslie·2025-02-05 05:31

B/S架构与C/S架构

id=1630321059488708362&wfr=spider&for=pcB/S和C/S都是随着互联网的发展而出现的一种网络结构模式，而其用的非常广泛，在我们生活中都很常见。那它们到底是什么呢？
clover小洪爱网络·2025-02-05 04:24

nnunetv2网络结构详解

如下图其中29是分类数，即label数量。stackedconvblocks是两层的标准卷基结构，每层都是conv，instancenorm，leaklyreludcloss：是（2，28，128，128，128）（去了背景的维度），label的onehot也是（2，28，128，128，128），最终loss公式是其中sum()是指按轴求和，sum后的维度是28（label数），除此之外还有分子
lzworld·2025-02-05 02:42

DeepSeek-R1全面超越OpenAI o1：开源大模型训练范式革新

CSS技巧与案例详解vue2与vue3技巧合集VueUse源码解读人工智能在过去十年中的发展令人惊叹。
·2025-02-05 02:16

python 量化回测框架生成器

虽然#python#的安装非常简单，但是总有一些神经网络CSDN真的非常白，雪白雪白的……以至于我常看见这种帖子：所以，我还是写一个安装指南吧，专供给神经网络CSDN学习PHP从入门到精通：我的个人时间线
2401_85969422·2025-02-05 02:40

计算范式的变革：从图灵机到神经网络

图灵机，神经网络，计算范式，深度学习，机器学习，人工智能，算法，模型1.背景介绍自20世纪中叶以来，计算机科学经历了飞速发展，计算范式也经历了深刻的变革。
AI架构设计之禅·2025-02-04 23:49

GRU是门控循环单元是什么？

GRU是门控循环单元（GatedRecurrentUnit）的简称，它是循环神经网络（RNN）的一种变体。GRU旨在解决传统RNN中存在的长期依赖问题和反向传播中的梯度消失或梯度爆炸问题。
无限进步呀·2025-02-04 22:13

[Windows] DeepSeek R1 本地部署 web-ui 可以断网

它现在不但比OpenAI开放，也比它有活力它的功能堪称全能，日常写作、翻译、问答轻松拿捏，独特的“深度思考”模式加上联网搜索，在编程、解题、文献解读等复杂任务里也游刃有余
私人珍藏库·2025-02-04 21:35

深度学习｜表示学习｜卷积神经网络｜输出维度公式｜15

如是我闻：在卷积和池化操作中，计算输出维度的公式是关键，它们分别可以帮助我们计算卷积操作和池化操作后的输出大小。下面分别总结公式，并结合解释它们的意义：1.卷积操作的输出维度公式当我们对输入图像进行卷积时，输出的宽度和高度可以通过以下公式计算：输出大小=输入大小−卷积核大小+2⋅填充大小步长+1\text{输出大小}=\frac{\text{输入大小}-\text{卷积核大小}+2\cdot\te
漂亮_大男孩·2025-02-04 19:52

深度学习｜表示学习｜卷积神经网络｜输出维度公式如何理解？｜16

如是我闻：当我们对输入图像进行卷积时，输出的宽度和高度可以通过以下公式计算：输出大小=输入大小−卷积核大小+2⋅填充大小步长+1\text{输出大小}=\frac{\text{输入大小}-\text{卷积核大小}+2\cdot\text{填充大小}}{\text{步长}}+1输出大小=步长输入大小−卷积核大小+2⋅填充大小+1池化（Pooling）的输出大小公式类似卷积，但更加简单：输出大小=输入
漂亮_大男孩·2025-02-04 19:21

PyTorch中的In-place操作是什么？为什么要避免使用这种操作？

如今的高级深度神经网络拥有数百万个可训练参数，训练它们通常会导致GPU内存耗尽。
小白学视觉·2025-02-04 19:49

Kimi k1.5 ： OpenAI-o1 级多模态模型

阅读时长：15分钟发布时间：2025-02-04近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文
·2025-02-04 18:36

OC isa结构、消息传递、Method Swizzling

参考Objective-CRuntime1小时入门教程Objective-C特性：RuntimeObjc对象的今生今世神经病院Objective-CRuntime入院第一天——isa和Class深入解析
weixin_34268610·2025-02-04 18:41

iOS 进阶必读 - 收藏集 - 掘金

一句话来形容Blocks，带有自动变量（局...神经病院Objective-CRuntime住院第二天—消息发送与转发-掘金前言现在越来越
weixin_33743880·2025-02-04 18:11

Kimi k1.5 ： OpenAI-o1 级多模态模型

阅读时长：15分钟发布时间：2025-02-04近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文
·2025-02-04 18:32

OpenAI 模型与 DeepSeek 模型使用的强化学习有何不同

OpenAI模型与DeepSeek模型使用的强化学习有何不同阅读时长：15分钟发布时间：2025-02-04近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容LLM
·2025-02-04 18:02

基于 FPGA 的 CNN 卷积神经网络整体实现

基于FPGA的CNN卷积神经网络整体实现介绍卷积神经网络（CNN）是一种强大的深度学习架构，广泛用于图像识别、物体检测和自然语言处理等领域。
鱼弦·2025-02-04 18:37

YOLOv3在工业生产中产品瑕疵检测的可行性分析

图像中瑕疵检测1.概述瑕疵检测是机器视觉任务中的一条分支，在技术发展的过程中对于图片处理的方式往往使用CNN（卷积神经网络）作为处理模型，毫无疑问CNN的在处理图像方面有着独特的优势，通过设置卷积核我们可以使得计算机提取图像的特征数据
Y.C.~·2025-02-04 16:59

门控循环单元（GRU）

门控循环单元（GRU）门控循环单元（GRU）是一种循环神经网络（RNN）的变体，旨在解决传统RNN在处理长序列时的梯度消失问题，并且相比于长短期记忆（LSTM），它具有更简洁的结构。
彬彬侠·2025-02-04 15:23

数学与经济学：数学模型在经济预测中的应用

数学与经济学：数学模型在经济预测中的应用关键词：数学模型、经济学、经济预测、数据分析、算法、神经网络、回归分析、供需模型、消费行为模型、投资决策模型、经济增长模型。
AI天才研究院·2025-02-04 15:47

生成对抗网络(Generative Adversarial Network)原理与代码实战案例讲解

ZenandtheArtofComputerProgramming1.背景介绍1.1问题的由来生成对抗网络（GenerativeAdversarialNetwork，简称GAN）是由IanGoodfellow等人在2014年提出的一种新型神经网络架构
AI大模型应用之禅·2025-02-04 14:41

利用 OpenAI GPT、LangChain 和 Streamlit 创建自己的 PDF 问答系统

每日推荐一篇专注于解决实际问题的外文，精准翻译并深入解读其要点，助力读者培养实际问题解决和代码动手的能力。
hj_caas·2025-02-04 13:01

【声音场景分类--论文阅读】

在此阶段，主要重点是建立一个神经网络具有较大的感受野，同时保持较低的复杂性。可以将网络分解为两个主块
繁华落尽，寻一世真情·2025-02-04 12:21

torch.nn.RNN: PyTorch 中的循环神经网络（RNN）模块

torch.nn.RNN:PyTorch中的循环神经网络（RNN）模块1.概述在PyTorch中，torch.nn.RNN是一个用于构建循环神经网络（RNN）的模块。
彬彬侠·2025-02-04 10:40

PyTorch动态计算图:如何灵活构建复杂模型

PyTorch动态计算图:如何灵活构建复杂模型关键词：PyTorch、动态计算图、自动微分、反向传播、神经网络、模型构建、计算图优化文章目录PyTorch动态计算图:如何灵活构建复杂模型1.背景介绍1.1
AI天才研究院·2025-02-04 07:47

深度学习框架PyTorch原理与实践

禅与计算机程序设计艺术文章目录1.简介2.背景介绍3.基本概念和术语3.1PyTorch简介3.2PyTorch的特点1）自动求导机制2）GPU加速3）模型部署4）数据管道5）代码阅读友好4.核心算法原理4.1神经网络结构
AI天才研究院·2025-02-04 07:47

冯·诺依曼架构的局限性:AI时代的挑战

同时，本文还将介绍新型计算架构，如神经形态计算、量子计算等，以及它们在解决AI时代挑战中的应用。通过分析这些挑战与解决方案，本文旨在为未来AI技术的发展提供一些思考方向。
AI天才研究院·2025-02-04 06:30

python中keras_Python深度学习——keras（一）

神经网络的核心组件是层(layer)，它是一种数据处理模块，可以看成是一个数据过滤器。进去一些数据，出来的数据变得更加有用(吃进去的是草，挤出来的是奶)。
weixin_39534321·2025-02-04 04:48

基于BiGRU的预测模型及其Python和MATLAB实现

传统的机器学习算法往往无法很好地捕捉数据中的时序信息和上下文关系，因此深度学习中的循环神经网络（RNN）逐渐成为解决这一问题的重要工具。
追蜻蜓追累了·2025-02-04 03:10

Transformer预测模型及其Python和MATLAB实现

###一、背景在自然语言处理（NLP）领域，传统的序列到序列（Seq2Seq）模型大多依赖于循环神经网络（RNN）和长短期记忆（LSTM）网络。
追蜻蜓追累了·2025-02-04 03:10

基于深度学习的物体分割技术：从理论到实践

随着深度学习的迅猛发展，尤其是卷积神经网络（CNN）的应用，物体分割技术已取得了显著的进展。它被广泛应用于医学影像分析、自动驾驶、视频监控、机器人感知等领域。
人工智能_SYBH·2025-02-04 01:57

TensorFlow实现卷积神经网络CNN

一、卷积神经网络CNN简介卷积神经网络（ConvolutionalNeuralNetwork，CNN）最初是为解决图像识别等问题设计的，CNN现在的应用已经不限于图像和视频，也可用于时间序列信号，比如音频信号和文本数据等
红叶骑士之初·2025-02-03 23:40

python 图像特征提取_python实现LBP方法提取图像纹理特征实现分类的步骤

40张不同风格的纹理图片,大小为512*512,要求将每张图片分为大小相同的9块,利用其中的5块作为训练集,剩余的4块作为测试集,构建适当的模型实现图片的分类.图片如下图所示:分析:由于数据集太小,所以神经网络模型并不适合此类的图像处理
weixin_39969060·2025-02-03 22:28

从学龄前开始解读FFMPEG代码 之 avformat_find_stream_info函数三

从学龄前开始解读FFMPEG代码之avformat_find_stream_info函数三开始学习前想说的话函数实现4-EOF的情况和flush函数实现5-第四次循环结尾的话开始学习前想说的话鸽了许久，
zzyincsdn·2025-02-03 20:19

36.FFmpeg学习笔记 - ffplay源码解读4之解码线程

本篇说一下解码线程。在stream_component_open函数中，分别创建了一个视频解码线程和音频解码线程：staticintstream_component_open(VideoState*is,intstream_index){...switch(avctx->codec_type){caseAVMEDIA_TYPE_AUDIO:...if((ret=decoder_start(&is-
whoyouare888·2025-02-03 20:19

高通modem架构_高通神经网络处理引擎SNPE分析与评测

骁龙（SnapDragon）神经处理引擎（SNPE）是一个针对高通骁龙加速深层神经网络的运行时软件，高通在CSDN和其官网都提供了下载。
weixin_39811036·2025-02-03 20:18

Linux C++ 开发9 - 手把手教你使用gprof性能分析工具

2.gprof的用法2.1.编译程序2.2.运行程序2.3.生成分析报告2.4.gprof常用参数说明2.5.分析报告解读2.5.1.Flatprofile各个字段的含义2.5.2.Callgraph各个字段的含义
·2025-02-03 20:39

神经架构搜索：自动化设计神经网络的方法

神经架构搜索：自动化设计神经网络的方法一、引言在深度学习领域，神经网络架构的设计对模型的性能具有至关重要的影响。传统的神经网络设计依赖于专家经验和大量实验，这一过程繁琐且耗时。
俊星学长·2025-02-03 20:46

深度学习盛行，还记得哪些传统机器学习方法和模型？

而深度学习是一种机器学习技术，它通过深层神经网络从原始数据中学习特征表
硬件学长森哥·2025-02-03 19:11

【PyTorch】6.张量运算函数：一键开启！PyTorch 张量函数的宝藏工厂

它作为强大的深度学习框架，为构建和训练神经网络提供了高效且灵活的平台。神经网络作为人工智能的核心技术，能够处理复杂的数据模式。
Icomi_·2025-02-03 19:39

4、PyTorch 第一个神经网络，手写神经网络的基本部分组成

以下实例展示了如何使用神经网络完成简单的二分类任务，为更复杂的任务奠定了基础，通过PyTorch的模块化接口，神经网络的构建、训练和可视化都非常直观。
找个栗子·2025-02-03 19:35

数据资产管理实践白皮书（6.0版）解读

目录第一章数据资产管理概述(一)数据资产管理和数据要素的关系(二)数据资产与企业数字化转型的关系(三)数据资产管理架构和数据权属第二章数据资产管理活动职能(重点章节)(一)数据模型管理(二)数据标准管理(三)数据质量管理(四)主数据管理(五)数据安全管理(六)元数据管理(七)数据开发管理(八)数据资产流通(九)数据价值评估(十)数据资产运营第三章数据资产管理保障措施（重点章节）(一)战略管理(二)
BuckData·2025-02-03 18:24

HTML5 技术深度解读：本地存储与地理定位的最佳实践

系列文章目录01-从零开始学HTML：构建网页的基本框架与技巧02-HTML常见文本标签解析：从基础到进阶的全面指南03-HTML从入门到精通：链接与图像标签全解析04-HTML列表标签全解析：无序与有序列表的深度应用05-HTML表格标签全面解析：从基础到高级优化技巧06-HTML表单深度解析：GET和POST提交方法07-HTML表单控件类型大全：文本框、密码框、文件上传全掌握08-前端表单验
吴师兄大模型·2025-02-03 17:15

一文读懂自动编码器：类型、原理与应用

一文读懂自动编码器：类型、原理与应用近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】目录自动编码器稀疏自动编码器
·2025-02-03 16:03

智能优化算法应用：天鹰算法优化脉冲耦合神经网络的图像自动分割

智能优化算法应用：天鹰算法优化脉冲耦合神经网络的图像自动分割文章目录智能优化算法应用：天鹰算法优化脉冲耦合神经网络的图像自动分割1.天鹰算法2.PCNN网络3.实验结果4.参考文献5.Matlab代码摘要
智能算法研学社（Jack旭）·2025-02-03 16:10

【论文笔记】基于图神经网络的多视角视觉重定位 GRNet CVPR 2020 论文笔记

LearningMulti-viewCameraRelocalizationwithGraphNeuralNetworks驭势科技,北京大学机器感知重点实验室,北京长城航空测控技术研究所本文提出了一种使用多视角图像进行相机重定位的图神经网络
phy12321·2025-02-03 14:26

【单层神经网络】基于MXNet库简化实现线性回归

写在前面同最开始的两篇文章完整程序及注释'''导入使用的库'''#基本frommxnetimportautograd,nd,gluon#模型、网络frommxnet.gluonimportnnfrommxnetimportinit#学习frommxnet.gluonimportlossasgloss#数据集frommxnet.gluonimportdataasgdata'''生成测试数据集'''#
辰尘_星启·2025-02-03 14:55
上一页 3 4 5 6 7 8 9 10 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他