Android基础知识学习系列第24页

机器学习（正在更新）

目录自己疑问-----容易错误的点：训练集、验证集、测试集训练集验证集测试集以下视频地址：[中英字幕]吴恩达机器学习系列课程_哔哩哔哩_bilibili第二章2.1线性回归2-2代价函数（类似误差一样）

小小怪将军！·2023-01-15 11:23

重学深度学习系列-- CNN猫狗分类(TensorFlow2)

重学深度学习系列--CNN猫狗分类(TensorFlow2)文章目录重学深度学习系列--CNN猫狗分类(TensorFlow2)一、我的环境二、工程结构三、训练3.1导入库3.2导入数据集3.3进行数据增强

三个臭皮姜·2023-01-15 10:43

cnn池化层输入通道数_（pytorch-深度学习系列）CNN中的池化层-学习笔记

CNN中的池化层首先，池化(pooling)层的提出是为了缓解卷积层对位置的过度敏感性。什么意思？比如在图像边缘检测问题中，实际图像里，我们的目标物体不会总出现在固定位置，即使我们连续拍摄同一个物体也极有可能出现像素位置上的偏移。这会导致同一个边缘对应的输出可能出现在卷积输出的边缘的不同位置，从而对模式识别造成影响。与卷积层类似，池化层每次也是对输入数据的一个固定窗口内的元素计算输出但是池化层不同

weixin_39996478·2023-01-15 07:30

计算机视觉OpenCv学习系列：第一部分、绪论

第一部分、绪论第一节、计算机视觉发展历程1.计算机视觉发展历史2.计算机视觉的主要任务3.计算机视觉的应用场景第二节、计算机视觉框架1.早期计算机视觉框架概述2.当前主流的框架与路线3.计算机视觉框架的未来趋势第三节、OpenCV框架1.OpenCV的发展历史2.OpenCV模块架构3.OpenCV安装与支持学习参考第一节、计算机视觉发展历程1.计算机视觉发展历史计算机视觉的发展从古代小孔成像，到

Liuyc-Code boy·2023-01-15 06:21

计算机视觉OpenCv学习系列：第二部分、图像操作

第二部分、图像操作第一节、图像读取与显示1.图像理解2.图像读取与显示3.代码练习与测试第二节、图像色彩空间转换1.图像色彩空间2.函数说明与解释3.代码练习与测试第三节、图像对象的创建与赋值1.图像对象属性2.图像对象创建与赋值3.代码练习与测试第四节、图像像素的读写操作1.图像像素（1）**像素与分辨率**（2）OpenCV中的像素2.像素遍历（1）像素遍历（2）像素读写3.代码练习与测试第五

Liuyc-Code boy·2023-01-15 06:14

日志库EasyLogging++学习系列（11）—— 共享日志库

在前面的学习系列文章中，我们都是在单独的一个应用程序中使用Easylogging++日志库。其实Easylogging++日志库是可以共享给动态库、静态库以及应用程序共同使用的。

samenmoer·2023-01-14 19:12

日志库EasyLogging++学习系列（1）—— 简要介绍

日志库EasyLogging++学习系列（1）——简要介绍对于有开发经验的程序员来说，记录程序执行日志是一件必不可少的事情。

samenmoer·2023-01-14 19:42

日志库EasyLogging++学习系列（10）—— 日志文件滚动

在很多应用场合，我们是需要实现日志文件滚动的，特别是在一些长期运行的服务器程序中，如果把所有的日志都记录在一个文件之中，势必会造成日志文件越来越大。当日志内容很多的时候，万一哪天突然需要查询某个日志信息就会显得十分不便。所以，支持日志文件滚动是很多日志库都支持的功能，而文件滚动又可以分为按大小滚动和按时间滚动。按大小滚动文件在Easylogging++中，已经实现了按照日志文件大小来滚动日志记录。

samenmoer·2023-01-14 19:42

C++日志库EasyLogging++ 使用大全

C++日志库EasyLogging++使用大全github下载链接https://github.com/amrayn/easyloggingpp参考链接日志库EasyLogging++学习系列（1）——

samenmoer·2023-01-14 19:11

日志库EasyLogging++学习系列（2）—— 日志级别

在很多的C++日志库中，日志信息会根据严重性来划分级别，使用者可以设置严重性级别门阀值来控制日志的输出，即严重性级别在该门阀值以上的日志信息才进行记录。以此不同，在Easylogging++日志库中，故意默认采用了不划分级别的日志记录，以便使用者可以完全自主地启用或者禁止某个级别的日志记录。不过实际上，Easylogging++同样也支持划分级别的日志记录，只是需要额外设置一个标记：Logging

samenmoer·2023-01-14 19:11

强化学习系列之一:马尔科夫决策过程

文章目录[隐藏]1.马尔科夫决策过程2.策略和价值3.最优策略存在性和贝尔曼等式强化学习系列系列文章机器学习一共有三个分支，有监督学习、无监督学习和强化学习。

张博208·2023-01-14 12:06

吴恩达深度学习系列课程随记——Course4Week1

1.计算机视觉任务：图片分类/识别：图片是不是猫目标检测：图片中所有车的位置图片风格迁移：让一张图看起来像毕加索画的挑战：数据可能很大，如1k*1k的图片有300万维输入，如果有1000个隐藏单元，一层W会有30亿个参数因此，需要卷积2.边缘检测示例滑动窗口对位相乘，称为卷积运算，小的那个矩阵称为核或者过滤器图中这个过滤器，用来检测垂直边缘。将它反转一下，可以检测水平边缘。（这是从结果看出的，中间

Asteries·2023-01-14 11:03

吴恩达深度学习系列课程随记——Course2Week1

1.训练、验证、测试集训练集：用来训练验证集：用来找出最好模型测试集：无偏评估算法的运行状态（没有也不要紧）小数据时代：70%训练30%测试/60%训练20%训练20%测试大数据时代：99%（或者更多）训练1%验证%1%测试尽量保证验证集和测试集来自同一分布（网页抓取：牺牲了这一点来获取大量数据）没有测试集：这时验证集常常被称作测试集2.偏差、方差两者的平衡很少考虑欠拟合：高偏差（训练集误差高）过

Asteries·2023-01-14 11:32

数值优化（Numerical Optimization）学习系列-计算导数（Calculating Derivatives）

概述最优化问题中很多算法，包括非线性最优化、非线性等式等都需要计算导数。简单函数可以直接进行人工计算或者编码实现，对于复杂的情况，需要寻找一些方法进行计算或者近似。本节主要内容包括1.常见导数求解方法2.有限差分方法3.自动微分方法4.总结常见导数求解方法有限差分方法（FiniteDifferencing）根据导数的定义，导数表示函数在给定点x处，给定无限小的涉动后函数值的改动。因此我们可以根据定

下一步·2023-01-14 10:40

【Active Learning - 10】图像分类技术和主动学习方法概述

主动学习系列博文：【ActiveLearning-00】主动学习重要资源总结、分享（提供源码的论文、一些AL相关的研究者）：https://blog.csdn.net/Houchaoqun_XMU/article

Houchaoqun_XMU·2023-01-14 09:08

技术干货 | 如何用MindSpore优化器加速收敛高度逼近最优值？

深度概率学习系列已经介绍完啦，接下来给大家分享下高阶优化器系列，想要看前一个系列的小伙伴们戳下面的地址哦☟技术干货｜MindSpore贝叶斯应用工具箱详细讲解本文先跟大家分享下常用的一二阶优化器。

昇思MindSpore·2023-01-14 03:22

剖析Android开发未来的出路在哪里，附面试题答案

第一阶段：Android基础知识回顾：回顾Android开发编程，深入理解Android系统原理和层次结构，深入分析Handler源码和原理；回顾Java，C/C++，Kotlin、dart在Android

普通网友·2023-01-13 12:41

typescript 学习系列-Symbol

介绍：ES6版本后Symbol出现了。symbol成为了一种新的原生类型，就像number和string一样Symbol符号：表示独一无二的值symbol类型的值是通过Symbol构造函数创建的letsym1=Symbol();console.log((typeofsym1))//symbolletsym2=Sybmol('key');//可选的字符串keyconsole.log(sym2)//S

Eason_0316·2023-01-13 07:57

LightGBM+OPTUNA超参数自动调优教程（附代码框架）

原创系列持续更新，欢迎微信搜一搜「Python数据科学」阅读机器学习系列文章。最近在kaggle上有一个调参神器非常热门，在top方案中频频出现，它就是OPTUNA。

Python数据科学·2023-01-12 21:11

机器学习系列-- 异常检测(Anomaly Detection)

目录1、问题的动机2、高斯分布3、异常检测算法4、开发和评价一个异常检测系统5、异常检测与监督学习对比6、特征选择1、问题的动机这一部分介绍异常检测(Anomalydetection)问题。这是机器学习算法的一个常见应用。这种算法的一个有趣之处在于：它虽然主要用于非监督学习问题，但从某些角度看，它又类似于一些监督学习问题。什么是异常检测呢？为了解释这个概念，举一个例子吧：假想你是一个飞机引擎制造商

已退游，勿扰·2023-01-12 20:49

跟着MindSpore一起学习深度概率

首先想和大家分享的是深度概率学习系列，名字中包含“深度”和“概率”两个词，其分别对应的就是深度学习和贝叶斯理论，也叫贝叶斯深度学习，深度概率学习简单来说

昇思MindSpore·2023-01-12 14:16

【机器学习系列】EM算法第一讲：EM算法相关概述及收敛性证明

作者：CHEONG公众号：AI机器学习与知识图谱研究方向：自然语言处理与知识图谱阅读本文之前，首先注意以下两点：1、机器学习系列文章常含有大量公式推导证明，为了更好理解，文章在最开始会给出本文的重要结论

CHEONG_KG·2023-01-11 20:03

【最优化算法】基于【MATLAB】的牛顿法【Newton Method】计算与推导

个人主页：欢迎访问Ali.S主页最近更新：2022年7月7日⛽Java框架学习系列：Mybatis框架⛳Java基础学习系列：面向对象飞机大战通信仿真学习系列：【硬件】【通信】【MATLAB】【最优化】

Ali.s·2023-01-11 17:50

Deep Learning（深度学习）学习笔记整理系列之（二）

深度学习）学习笔记整理系列[email protected]://blog.csdn.net/zouxy09作者：Zouxyversion1.02013-04-08声明：1）该DeepLearning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的

wangchaoqi1985·2023-01-11 11:37

(转载)Deep Learning（深度学习）学习笔记整理系列之（二）

深度学习）学习笔记整理系列[email protected]://blog.csdn.net/zouxy09作者：Zouxyversion1.02013-04-08声明：1）该DeepLearning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的

xiaowei_nbu·2023-01-11 11:36

Deep Learning（深度学习）学习系列之（二）

DeepLearning（深度学习）学习笔记整理系列声明：1）该DeepLearning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的。具体引用的资料请看参考文献。

Jackery_Shh·2023-01-11 11:36

机器学习笔记（继续更新）

学习内容跟随“吴恩达机器学习系列课程”。

M有在认真学习·2023-01-11 09:00

吴恩达---机器学习的流程（持续更新）

参考：吴恩达机器学习的视频视频链接：[中英字幕]吴恩达机器学习系列课程_哔哩哔哩_bilibili本文用于我自己的内容总结以及层次理解。

M有在认真学习·2023-01-11 09:30

机器学习系列（2）——CART算法

本文主要介绍CART算法，包括CART分类树/回归树的详细步骤和在sklearn中的参数等。0x01、CART算法简介CART（ClassificationandRegressionTree，分类与回归树）算法是决策树的一种实现，既可用于分类也可用于回归。它是一种二分递归分割技术，即把当前样本划分为两个子样本（即使特征有多个取值，也把数据分为两部分，当前被划分进同一部分的特征在之后的分割过程中将有

陌简宁·2023-01-11 01:49

机器学习系列（14）——K均值聚类

本文介绍K均值（KMeans）聚类算法。0x01、k均值聚类简介K均值聚类是基于样本集合划分的聚类算法。K均值聚类将样本集合划分为K个子集，构成K个类，将n个样本分到K个类中，每个样本到其所属类的中心的距离最小。每个样本只能属于一个类，所以K均值聚类是硬聚类。1、模型给定个样本的集合，每个样本由一个特征向量表示，特征向量的维数是。均值聚类的目标是将个样本分到个不同的类或簇中，这里假设。个类形成对样

陌简宁·2023-01-11 01:18

【机器学习系列】概率图模型第四讲：变量消除法和Belief Propagation算法

作者：CHEONG公众号：AI机器学习与知识图谱研究方向：自然语言处理与知识图谱阅读本文之前，先注意一下两点：1、机器学习系列文章常含有大量公式推导证明，为了更好理解，文章在最开始会给出本文的重要结论，

CHEONG_KG·2023-01-10 11:08

minitab学习系列--DOE因子分析P值和F值均为星号

系列文章目录文章目录系列文章目录前言一、问题描述二、星号分析1.原因分析一2.原因分析二3.原因分析三总结前言以下DOE仅用于分析F值和P值的*号，模型的好坏不做分析一、问题描述DOE实验矩阵矩阵介绍：7因子、2水平、3中心点、部分因子(1/8)、19次实验DOE实验数据响应为：水迹比例DOE分析问题如下：F值和P值均为星号直到模型中包含项的阶数减少到2阶，F值和P值才计算出来二、星号分析DF（d

用余生去守护·2023-01-10 08:48

Dense神经网络可以做什么【深度学习系列之-Dense神经网络可以做什么】

本文通过假设，理论说明，实践输出，来演示dense神经网络的作用。例子采用keras编程。假设特征向量如：[a,b,c]特征维度为3,a,b,c为特征值，特征值可取离散的整数。例如输入特征向量为[1,2,4]，输出特征为0或者1.我们的目标是，查找哪些逻辑关系可以学习到。如：我们将a+b=3的特征向量的输出设置为1，如果神经网络Q可以通过训练，预测输入向量为[2，1，4]的输出为1.那么则说，a+

weixin_39862845·2023-01-09 17:58

【机器学习系列】浙大机器学习课程-第一章概述

文章目录机器学习的定义监督学习机器学习入门机器学习的定义机器学习是一种非显著式编程。显著式编程是程序固定了程序的输入输出，但是非显著式编程可以让机器进行不断学习。以机器人路径规划为例，机器人根据经验E来提升性能指标P的过程。在人脸识别任务中，经验E往往指训练样本以及对应标签的集合。这些输入的数据都是人为手动添加标签，被称为监督学习。在自动驾驶任务中，经验E往往需要计算机和环境互动获得，计算机产生行

lrchang·2023-01-09 15:15

【机器学习系列】浙大机器学习课程-第二章支持向量机

文章目录1.支持向量机线性可分情况1.1线性可分的定义1.2线性可分下的优化问题2.支持向量机算法2.1核函数的定义2.2原问题和对偶问题3.度量系统性能的标准3.1识别率3.2混淆矩阵3.3ROC曲线4.支持向量机的多分类问题1.支持向量机线性可分情况1.1线性可分的定义线性可分指的是可以使用一条直线分开两个不同的类别，否则为线性不可分。二维特征空间中可视化的例子：三维特征空间可视化的例子：1.

lrchang·2023-01-09 15:15

【深度学习系列】反向传播推导+损失函数+激活函数原理

这是我的学习笔记，若有不足和错误之处，欢迎交流和指正，谢谢！联系方式：[email protected]文章目录1.推导反向传播过程2.常见的损失函数2.1基于距离的损失函数2.2基于概率分布的损失函数3.常见的激活函数3.1Sigmoid函数3.2tanh函数3.3ReLU函数3.4.LeakyReLU4.torch中常见的损失函数1.推导反向传播过程参考链接：https://blog.csdn.ne

lrchang·2023-01-09 15:45

《Machine Learning in Action》—— 剖析支持向量机，优化SMO

手撕机器学习系列文章就暂时更新到此吧，目前已经完成了支持向量机SVM、决策树、KNN、贝叶斯、线性回归、Logistic回归，其他算法还请允许Taoye在这里先赊个账，后期有机会有时间再给大家补上。

玩世不恭的Coder·2023-01-09 12:51

【逆强化学习-1】学徒学习（Apprenticeship Learning）

文章目录0.引言1.算法原理2.仿真环境3.运行4.补充（学徒学习+深度Q网络）本文为逆强化学习系列第1篇，没有看过逆强化学习介绍的那篇的朋友，可以看一下：InverseReinforcementLearning-Introduction

非线性光学元件·2023-01-09 10:17

机器学习系列（一）之算法相关数学符号

知行SUN·2023-01-09 08:17

海思SD3403开发板学习（四）

海思SD3403开发板学习系列：四模型转换文章目录海思SD3403开发板学习系列：四模型转换前言一、MindStudio二、模型转换步骤备注：前言就以目前正在研究的YOLOX系列作为模型转换的例子。

蘑菇炒辣椒·2023-01-09 03:38

海思SD3403开发板学习（五）

海思SD3403开发板学习系列：五模型初始化与反初始化文章目录海思SD3403开发板学习系列：五模型初始化与反初始化前言一、初始化二、反初始化前言本文使用yolox模型进行目标检测任务。

蘑菇炒辣椒·2023-01-09 03:38

海思SD3403开发板学习（一）

海思SD3403开发板学习系列：一简介文章目录海思SD3403开发板学习系列：一简介一、3403开发板二、性能介绍1.简介2.主要特点3.性能参数一、3403开发板SD3043标准开发板是常州海图电子科技有限公司推出的一款基于海思

蘑菇炒辣椒·2023-01-09 03:08

海思SD3403开发板学习（三）

海思SD3403开发板学习系列：三CANN和MindStudio安装文章目录海思SD3403开发板学习系列：三CANN和MindStudio安装前言一、CANN安装1.安装依赖项2.CANN安装二、MindStudio

蘑菇炒辣椒·2023-01-09 03:08

海思SD3403开发板学习（二）

海思SD3403开发板学习系列：二配置基础环境文章目录海思SD3403开发板学习系列：二配置基础环境前言一、交叉编译工具安装1.工具链名1.安装二、NFS挂载1.安装NFS2.挂载前言开发环境：VMware15.5.6

蘑菇炒辣椒·2023-01-09 03:37

Python数据分析学习四 NumPy基础：数组和矢量计算

Python数据分析学习系列四NumPy基础：数组和矢量计算资料转自（GitHub地址）：https://github.com/wesm/pydata-book有需要的朋友可以自行去github下载NumPy

天涯尽头黄鹤楼·2023-01-09 01:58

2022回顾&2023规划

文章目录2022回顾&2023规划平常心2022回顾1.填坑系列1.1强化学习系列1.2推荐系统系列1.3凸优化1.3图神经网络2.新的知识2.1Paper2.2数学类3.新的积累3.1博客类3.2模型类

哈喽十八子·2023-01-08 14:20

机器学习-半监督学习-思维导图

点击进入：机器学习系列目录其后附有清晰的pdf版本下载链接哦。整理不易，如果您觉得有用的话，请点个赞吧

DevilXiao-CVer·2023-01-08 10:48

paddlepaddle零基础入门深度学习系列之——波士顿房价预测

目录前言数据处理模型设计训练配置训练过程模型保存测试模型前言本人在此前是从未学习过深度学习相关内容的，只是对其听说的比较多，本系列文章是为了记录本人的学习历程，希望对其他想学习深度学习又没有经验的同学有所帮助。基于百度的飞桨工具对波士顿房价进行预测的步骤如下所示：波士顿房价的数据则是由这位无私奉献的程序员贡献，博文地址在正式开始之前需要先按照官方网站的安装教程安装飞桨数据处理第一步：读取数

HJHxHJH·2023-01-08 07:11

Rasa 3.x 学习系列-Rasa [3.4.0] - 2022-12-14新版本发布

Rasa3.x学习系列-Rasa[3.4.0]-2022-12-14新版本发布任何人都可以学习Rasa之优秀Rasa学习资源推荐欢迎同学们报名Gavin老师的Rasa系列课程，任何人都可以学习Rasa之优秀

段智华·2023-01-08 06:55

元学习系列（五）：GRU模型

之前提到的孪生网络那类模型，简单来说他们都是把训练集作为先验知识进行建模，而像LSTM、GRU、神经图灵机这一类模型则提供了另一个新思路，那就是引入外部记忆，在训练过程中通过训练集对外部记忆进行修改，从而在测试的时候利用外部记忆作为先验知识。LSTM和RNN相比，引入了长期记忆和门结构，缓解了长期依赖问题。所谓的门结构，就是sigmoid函数，通过sigmoid函数分析应该遗忘什么、记忆什么和输入

JessssseYule·2023-01-08 02:20

推荐频道

Android基础知识学习系列