语音识别-深度学习第47页

大模型的学习路线图推荐—多维度深度分析【云驻共创】

本文背景近年来，随着深度学习技术的迅猛发展，大模型已经成为学术界和工业界的热门话题。大模型具有数亿到数十亿的参数，这使得它们在处理复杂任务时表现得更为出色，但同时也对计算资源和数据量提出了更高的要求。

一见已难忘·2024-01-23 13:15

【AI军事竞赛】AI Chat Bot 的应用编辑平台

AI腾讯中国机器学习、语音和图像识别https://cloud.tencent.com3百度智能云百度中国机器学习、自然语言处理https://cloud.baidu.com4讯飞开放平台科大讯飞中国语音识别

临水逸·2024-01-23 13:39

基于深度学习的多目标跟踪算法

基于深度学习的多目标跟踪（MOT，Multi-ObjectTracking）算法在近年来取得了显著的进步。这些算法主要利用深度学习模型对视频中的多个目标进行检测和跟踪。

LittroInno·2024-01-23 12:54

tensorflow学习笔记-图像分类模型-AlexNet实现

参考之前引用的blog：深度学习AlexNet模型详细分析上代码吧。参照着模型看更好读一些。'''

飞天小小猫·2024-01-23 12:57

【深度学习】BasicSR训练过程记录，如何使用BasicSR训练GAN

文章目录两种灵活的使用场景项目结构概览简化的使用方式项目结构解读1.代码的入口和训练的准备工作2.data和model的创建2.1dataloader创建2.2model的创建3.训练过程动态实例化的历史演进1.If-else判断2.动态实例化3.REGISTER注册机制REGISTER注册机制的实现1.DATASET_REGISTRY2.ARCH_REGISTRY3.MODEL_REGISTRY

XD742971636·2024-01-23 12:05

如何在GpuMall智算云平台实现开发工具与远程实例无缝对接

随着大模型和深度学习框架的渐趋复杂，对高效、强大的计算资源的需求亦日益增长，这就催生了GPU云、AI云、智算云、云服务器、AI云服务器等高性能计算平台的出现。

GpuMall·2024-01-23 11:41

二维卷积的原理与手动编程实现

前言二维卷积的使用非常广泛，不论是出现处理还是深度学习都有涉及。但是目前网上大多罗列公式，把其实简单的二维卷积操作搞的很复杂。

胜负55开·2024-01-23 10:42

深度学习未来发展方向

新因果深度学习小模型深度学习小样本深度学习新编译指令架构新计算体系架构新多模态感知计算新多模态认知计算认知计算认知智能1、新因果深度学习2、小模型深度学习3、精简指令编译器4、计算机体系架构5、多模态感知计算计算

Ada's·2024-01-23 10:07

深度学习十年感悟，从入门到放弃

写这篇在此主要是对自己对未来的思考和探索，绝没有指导和影响大家意思，我要准备放弃深度学习算法应用和研究去从事下一代操作系统和模拟信号处理芯片方面工作，主要是为自己以后事业机器人领域做点储备。

Ada's·2024-01-23 10:37

Ada's·2024-01-23 10:06

量子计算与量子编程

百度确认在这个框架上很良心，个人一直关注国产深度学习框架（主要是底层架构和软硬件的结合方向）。最近学习了量子计算编程，发展微软和百度的相关项目里面，百度这个更有意思。快速学习方法量子编程

Ada's·2024-01-23 10:36

通用大模型研究重点之一：data embedding

随着深度学习发展，在图像，文本，语音领域分别取得了超越平均人类水平后，多模态数据的量随着互联网技术指数性增长，近两年自媒体更是推动了多模态数据处理的发展。

Ada's·2024-01-23 10:30

分布式深度学习中的数据并行和模型并行

前言对于深度学习模型的预训练阶段，海量的训练数据、超大规模的模型给深度学习带来了日益严峻的挑战，因此，经常需要使用多加速卡和多节点来并行化训练深度神经网络。

张小殊.·2024-01-23 10:29

[python]使用pyqt5搭建yolov8钢筋计数一次性钢材计数系统

【官方框架地址】github地址：https://github.com/ultralytics/ultralytics【算法介绍】Yolov8是一种先进的深度学习模型，用于目标检测和识别。

FL1623863129·2024-01-23 10:46

如何利用PyTorch？

它是一个强大且灵活的深度学习框架，以其动态计算图特性而广受欢迎，在人工智能领域的研究和开发中备受欢迎。PyTorch提供以下功能：动态计算图：PyTorch支持动

科学禅道·2024-01-23 10:45

Pytorch文本分类入门

本文为[365天深度学习训练营学习记录博客参考文章：365天深度学习训练营原作者：[K同学啊|接辅导、项目定制]\n文章来源：[K同学的学习圈子](https://www.yuque.com/mingtian-fkmxf

风筝超冷·2024-01-23 10:44

深度学习 pytorch的使用（张量2）

深度学习pytorch的使用（张量1）五、张量索引操作简单行、列索引、列表索引、范围索引、布尔索引、多维索引importtorch#数据data=torch.randint(0,10,[4,5])print

在路上哟～·2024-01-23 10:13

基于深度学习的声音事件定位与检测-SELD_net_questions

SELD-net实验问题梳理源代码调试时遇到的错误及解决seld-net原版代码：https://gitee.com/karas1/seld-net拿到源代码后，按照readme.md文件中的提示尝试运行，发现出现了很多问题，这里总结了一下解决方案。1、整型变量问题运行的时候提示DataType数据类型不匹配，原因是调用含整数参数的方法时，没有声明赋给的参数时整数值。解决：根据错误提示信息，定位到

Dijkstra's Monk-ey·2024-01-23 10:05

MiME: Multilevel Medical Embedding of Electronic Health Records for Predictive Healthcare

原文摘要使用电子病历的许多医学健康预测任务重，深度学习模型展示出了非常杰出的表现。但是这些模型大都需要大量的训练数据，以超过其他大多数医疗系统的能力。

稀里糊涂林老冷·2024-01-23 09:04

区块链技术能为人工智能做些什么？

区块链与人工智能被认为是改变整个互联网底层发展逻辑的两大技术力量，人工智能需海量大数据作为机器人深度学习的“饲料”，并要以不同领域的大数据来“训练”相应的人工智能。

的机会我会对·2024-01-23 09:34

如何利用chatgpt提升工作效率？教你chatGTP怎么提高效率

ChatGPT是一种基于深度学习技术的生成式AI系统，它能够根据输入的信息生成出合理的回答或者文章，实现了自然语言的生成和理解。与其他传统的

YG亲测源码屋·2024-01-23 09:32

自然语言处理中的查准率与查全率的关键技术，以及自然语言处理中的查准率与查全率具体实例与策略

自然语言处理涉及到许多子领域，如语音识别、机器翻译、情感分析、文本摘要、文本分类等。在这些任务中，查准率（Precision）和查全率（Rec

代码讲故事·2024-01-23 08:24

深入学习卷积神经网络（CNN）的原理知识

在深度学习领域中，已经经过验证的成熟算法，目前主要有深度卷积网络（DNN）和递归网络（RNN），在图像识别，视频识别，语音识别领域取得了巨大的成功，正是由于这些成功，能促成了当前深度学习的大热。

AAI机器之心·2024-01-23 08:20

深度学习与大数据技术的进步：自然语言处理的显著突破

引言：随着深度学习和大数据技术的迅速发展，自然语言处理（NaturalLanguageProcessing，简称NLP）在过去几年取得了令人瞩目的进步。

梓德原·2024-01-23 08:33

视频美颜SDK与人工智能的结合：技术突破与挑战

一、技术原理：人工智能在美颜中的应用视频美颜SDK通过整合深度学习和计算机视觉技术，能够更准确地识别人脸特征、肤色、表情等信息，从而实现更加精细的美颜效果。

美狐美颜sdk·2024-01-23 08:27

科技发展下的未来生活

科大讯飞在语音识别、深度算法等方面是一家非常优秀的公司，由18个中科大高材生在学生时代1999年组建并发展到今天，团队稳定，技术扎实，在语音识别、自然语音合成、语义理解、影像识别等很多方面有很深的沉淀，

nxzh·2024-01-23 08:58

四大深度学习框架：TensorFlow、PyTorch、Keras和Caffe的概述与应用

目前，基于Python的四大深度学习框架分别为TensorFlow、PyTorch、Keras和Caffe。然而，值得注意的是，深度学习领域在不断发展和演变，新的框架和库可能已经出现。

努力の小熊·2024-01-23 07:19

掌握未来的钥匙：深入探索注意力机制在深度学习中的革命性作用

文章目录一、引言二、基础知识回顾三、注意力机制的起源与发展四、理解注意力机制五、注意力在实践中的应用六、深度学习模型与注意力机制七、注意力机制的优势与挑战八、结语一、引言在深度学习和人工智能的迅速发展过程中

机智的小神仙儿·2024-01-23 07:49

Ubuntu 16.04 Server 安装深度学习环境(二)（Anaconda+Pytorch+TensorFlow+Caffe2）

Ubuntu16.04Server部署深度学习环境（二）（Anaconda+Pytorch+TensorFlow+Caffe2）前言深度学习框架介绍Anaconda（Python环境安装）TensorFlow

YeahHighly·2024-01-23 07:47

Caffe、Tensorflow和Pytorch通道维度顺序小结

目前世面上深度学习框架比较多，常用的有三大类：Caffe、Tensorflow和Pytorch，这三种深度学习框架都主要在英伟达显卡上面进行训练和测试，很奇怪的是，它们之间的通道维度顺序并没有保持一致，

天竺街潜水的八角·2024-01-23 07:15

2023-2024深度学习框架之争——选pytorch还是tensorflow？

深度学习是人工智能领域的一个重要分支，它利用多层神经网络来模拟人类的学习和推理能力，解决各种复杂的问题，如图像识别、自然语言处理、语音识别、推荐系统等。

NCHU-Net·2024-01-23 07:43

自然语言处理的崛起：从初步分析到深度理解

随着时间的推移，NLP经历了一系列革命性的变化，从简单的规则和模式匹配到如今的深度学习模型，它们使计算机的理解能力接近人类水平。早期的NLP：规则中的艺术早期的NLP系统基于一系列硬编码的语言规则。

一尘之中·2024-01-23 07:09

深度学习之目标检测Fast-RCNN模型算法流程详解说明（超详细理论篇）

1.Fast-RCNN论文背景2.Fast-RCNN算法流程3.FastR-CNN问题和缺点这篇以对比RCNN来说明，如果你对RCNN网络没太熟悉，可访问这链接，快速了解，点下面链接深度学习之目标检测R-CNN

Studying 开龙wu·2024-01-23 07:33

基于ChatGPT4+Python近红外光谱数据分析及机器学习与深度学习建模教程

详情点击链接：基于ChatGPT4+Python近红外光谱数据分析及机器学习与深度学习建模教程第一：GPT41、ChatGPT（GPT-1、GPT-2、GPT-3、GPT-3.5、GPT-4模型的演变）

夏日恋雨·2024-01-23 07:31

大创项目推荐疲劳驾驶检测系统 python

人脸数据库2.5人脸录入加识别效果3疲劳检测算法3.1眼睛检测算法3.2打哈欠检测算法3.3点头检测算法4PyQt54.1简介4.2相关界面代码5最后0前言优质竞赛项目系列，今天要分享的是机器视觉opencv深度学习驾驶人脸疲劳检测系统该项目较为新颖

laafeer·2024-01-23 07:00

每天五分钟计算机视觉：揭秘迁移学习

本文重点随着人工智能的迅速发展，深度学习已经成为了许多领域的关键技术。然而，深度学习模型的训练需要大量的标注数据，这在很多情况下是不现实的。

幻风_huanfeng·2024-01-23 07:59

竞赛保研机器视觉目标检测 - opencv 深度学习

基于区域提名的方法5.2.1R-CNN5.2.2SPP-net5.2.3FastR-CNN5.3端到端的方法YOLOSSD6人体检测结果7最后0前言优质竞赛项目系列，今天要分享的是机器视觉opencv深度学习目标检测该项目较为新颖

iuerfee·2024-01-23 07:54

每天五分钟计算机视觉：掌握迁移学习使用技巧

本文重点随着深度学习的发展，迁移学习已成为一种流行的机器学习方法，它能够将预训练模型应用于各种任务，从而实现快速模型训练和优化。然而，要想充分利用迁移学习的优势，我们需要掌握一些关键技巧。

幻风_huanfeng·2024-01-23 07:24

深度学习（5）---自注意力机制

文章目录1.输入与输出2.Self-attention2.1介绍2.2运作过程2.3矩阵相乘理解运作过程3.位置编码4.TruncatedSelf-attention4.1概述4.2和CNN对比4.3和RNN对比1.输入与输出 1.一般情况下在简单模型中我们输入一个向量，输出结果可能是一个数值或者一个类别。但是在复杂的模型中我们一般会输入一组向量，那么输出结果可能是一组数值或一组类别。 2.一句话

冒冒菜菜·2024-01-23 07:42

深度学习-多层感知器-建立MLP实现非线性二分类-MLP实现图像多分类

MLP实现非线性分类预测MLP模型框架MLP实现多分类预测实战准备KerasKeras是一个用Python编写的用于神经网络开发的应用接口，调用开接口可以实现神经网络、卷积神经网络、循环神经网络等常用深度学习算法的开发特点

小旺不正经·2024-01-23 07:05

day01 深度学习介绍

目录1.1深度学习介绍1.2神经网络NN1、概念：2、神经元3、（单层）神经网络4、感知机（两层）5、多层神经网络6、激活函数（1）饱和与非饱和激活函数（2）饱和激活函数①Sigmoid激活函数②tanh

柠檬不萌只是酸i·2024-01-23 06:55

TVM安装

为什么选择TVM为提升深度学习模型的推理效率，设备平台制造商针对自己的平台推出优化的推理引擎，例如NAVIDA的tensorRT，Intel的OpenVINO，Tencent针对移动端应用推出NCNN等

血_影·2024-01-23 06:20

深度学习-活体检测发展之背景篇（一）

掀起波澜·2024-01-23 06:32

【人工智能大脑】仿生学与人工智能交汇：基于MP神经网络的精准农业实践

MCP由来深度学习的历史可以追溯到1943年，当时WalterPitts(数学家)和WarrenMcCulloch(神经科学家)基于人类大脑的

德天老师·2024-01-23 06:40

pytorch、显卡、显卡驱动、cuda版本是如何对应的

背景做深度学习的小伙伴们可能都会在安装环境的时候经常遇到的cuda版本驱动版本以及和显卡是如何对应的，经常搞得特别糊涂，官网没有直接提供他们的对应关系，导致我们在升级显卡的时候发现原来的软件环境不兼容，

鱼游九天·2024-01-23 06:10

走向核心素养，开展深度学习——以三年级下册《面积》为例

小学数学深度学习是在教师引领下，学生围绕着具有挑战性的学习主题，全身心积极参与，体验成功，获得发展的有意义的数学学习过程。

A_thinker·2024-01-23 05:37

深度学习|RCNN&Fast-RCNN

1.RCNN2014年提出R-CNN网络，该网络不再使用暴力穷举的方法，而是使用候选区域方法（regionproposalmethod）创建目标检测的区域来完成目标检测的任务，R-CNN是以深度神经网络为基础的目标检测的模型，以R-CNN为基点，后续的FastR-CNN、FasterR-CNN模型都延续了这种目标检测思路。1.1RCNN算法流程RCNN的流程如下图所示：步骤是：候选区域生成：使用选

AI小白龙*·2024-01-23 04:18

人工智能第三版｜chap01｜task01

应用和方法搜索算法和拼图问题二人博弈【对抗性游戏】自动推理产生式规则和专家系统细胞自动机神经计算遗传算法【GA】知识表示不确定性推理人工智能早期历史逻辑学家与逻辑机器人工智能近期历史到现在新千年人工智能的发展名词集合机器人、语音识别

speoki·2024-01-23 04:09

Transformer 深度学习模型

文章目录Transformer是一种深度学习模型，最初由Vaswani等人在2017年的论文《AttentionisAllYouNeed》中提出。

JNU freshman·2024-01-23 03:44

李沐深度学习-多层感知机从零开始

！！！梯度的产生是由于反向传播，在自定义从零开始编写代码时，第一次反向传播前应该对params参数的梯度进行判断importtorchimportnumpyasnpimporttorch.utils.dataasDataimporttorchvision.datasetsimporttorchvision.transformsastransformsimportsyssys.path.append

大小猫吃猫饼干·2024-01-23 02:16

推荐频道

语音识别-深度学习