TF2.0.keras深度学习第30页

深度学习模型试跑(二):YOLACT/YOLACT++

目录一.模型解读二.推理效果yolactyolact++三.模型训练#3.1数据集准备#3.2参数修改#3.3开始训练#3.4推理效果一.模型解读链接中的解读很通俗详细，在此不做赘述；而且YOLACT++在大前天也发布了，作为一个为数不多的在实时检测中可以用mask分割目标的方法，确实非常值得有兴趣的研究人员以及相关学者期待一下.详细解读官方代码YOLACT++解读二.推理效果yolact测试环境

(～o▔▽▔)～o o～(▔▽▔o～)·2024-02-02 15:28

榜单！高阶智驾冲刺10%搭载率，哪些玩家占据自研感知「高地」

尤其是过去几年时间，基于机器学习和深度学习，Transformer+BEV技术进一步提高对异常行为的预测准确性，为实现最终的端到端自动驾驶落地，奠定了坚实的基础。

高工智能汽车·2024-02-02 15:25

深度学习模型试跑(十七):Depth-Anything

和别人一起合作写的tensorrt版本，已发布在github上，欢迎点⭐https://github.com/spacewalk01/depth-anything-tensorrt根据项目的星标⭐数量，决定是否写这个模型的讲解。Depth-Anything的精华部分基本是在代码里面，论文只是做了相对简要的介绍，看了几篇公众号上的讲解，绝大部分就是照着论文里的内容翻译了一遍，很多比较牛的地方都没发掘

(～o▔▽▔)～o o～(▔▽▔o～)·2024-02-02 15:54

【好书推荐-第五期】《互联网大厂推荐算法实战》（异步图书出品）

欢迎大家关注本专栏~专栏一键跳转同时欢迎大家关注其他专栏，我将分享Web前后端开发、人工智能、机器学习、深度学习从0

程序员洲洲·2024-02-02 14:56

【好书推荐-第三期】《深入理解Java核心技术：写给Java工程师的干货笔记》全网阅读量千万的Java工程师成神之路学习笔记，Java基础知识点查漏补缺

欢迎大家关注本专栏~专栏一键跳转同时欢迎大家关注其他专栏，我将分享Web前后端开发、人工智能、机器学习、深度学习从0

程序员洲洲·2024-02-02 14:50

paper1:Wide & Deep Learning for Recommender Systems

论文创新点广义线性模型存在需要太多特征工程的工作；深度模型的embedding的过度概括化以至于推荐不太相关的物品当用户数据比较稀疏时；提出了一个结合使用了非线性特征的线性模型和一个用来embedding特征的深度学习

是黄小胖呀·2024-02-02 13:08

【吴恩达深度学习】— 参数、超参数、正则化

实际上深度学习有很多不同的超参数，

Sunflow007·2024-02-02 13:58

【深度学习】基于PyTorch架构神经网络学习总结（基础概念&基本网络搭建）

nn.Module的使用利用PyTorch架构使用神经网络模型时，一般是利用torch.nn函数自定义神经网络框架|官方示例：importtorch.nnasnnimporttorch.nn.functionalasFclassModel(nn.Module):def__init__(self):super().__init__()self.conv1=nn.Conv2d(1,20,5)self.

hi_ly_51·2024-02-02 13:25

深度学习入门资料整理

深度学习基础总结，无一句废话（附完整思维导图）深度学习如何入门？-知乎深度学习入门基础讲义_shuzfan的博客-CSDN博客_深度学习入门神经网络15分钟入门！

AI视觉网奇·2024-02-02 13:13

深度学习如何入门？

深度学习是一个广泛而深入的领域，入门可能看起来有些令人望而却步。然而，通过有条理地学习基础知识和逐步实践，您可以有效地掌握深度学习。

终将老去的穷苦程序员·2024-02-02 13:12

大创项目推荐题目：基于深度学习的手势识别实现

文章目录1前言2项目背景3任务描述4环境搭配5项目实现5.1准备数据5.2构建网络5.3开始训练5.4模型评估6识别效果7最后1前言优质竞赛项目系列，今天要分享的是基于深度学习的手势识别实现该项目较为新颖

laafeer·2024-02-02 13:38

大创项目推荐题目：基于深度学习的图像风格迁移 - [ 卷积神经网络机器视觉 ]

文章目录0简介1VGG网络2风格迁移3内容损失4风格损失5主代码实现6迁移模型实现7效果展示8最后0简介优质竞赛项目系列，今天要分享的是基于深度学习卷积神经网络的花卉识别该项目较为新颖，适合作为竞赛课题方向

laafeer·2024-02-02 13:06

深度学习Lecture 3 激活函数的选择(ReLu)、Softmax和多标签分类问题

一、ReLu、Leniaractivationfunction、Sigmoid激活函数Sigmoid（一般用于处理二分类问题的输出层）：也就是说，当输出是一个概率，这个概率拿来判断的结果只有0和1的时候才使用它。Linearactivationfunction（一般用于隐藏层或输入层或输出层）：当y可能有正有负的时候就要用它ReLU：当y只有正的情况的时候用它。大多数时候我们用这三个就够了，但是现

qq030928·2024-02-02 12:16

新书速览|PyTorch 2.0深度学习从零开始学

实战中文情感分类、拼音汉字转化、中文文本分类、拼音汉字翻译、强化学习、语音唤醒、人脸识别01本书简介本书以通俗易懂的方式介绍PyTorch深度学习基础理论，并以项目实战的形式详细介绍PyTorch框架的使用

全栈开发圈·2024-02-02 12:46

【深度学习】多卡训练__单机多GPU方法详解（torch.nn.DataParallel、torch.distributed）

【深度学习】多卡训练__单机多GPU详解（torch.nn.DataParallel、torch.distributed）文章目录【深度学习】多卡训练__单机多GPU详解（torch.nn.DataParallel

Casia_Dominic·2024-02-02 12:46

手写数字识别从训练到部署全流程详解——模型在Android端的部署

综述：目前深度学习模型在移动端的使用已越来越广泛，而移动端设备的性能表现自然无法与PC端相提并论，目前市面上基本所有的训练框架训练出来的模型都无法直接在移动端上使用和推理，尽管部分框架同时做了移动端部署功能

彧侠·2024-02-02 10:59

TensorFlow 的基本概念和使用场景

它是一个用于构建机器学习和深度学习模型的强大工具。TensorFlow的核心概念是计算图，它允许用户以符号方式定义数学计算操作。

数据科学与艺术的贺公子·2024-02-02 09:27

大数据知识图谱之深度学习——基于BERT+LSTM+CRF深度学习识别模型医疗知识图谱问答可视化系统

文章目录大数据知识图谱之深度学习——基于BERT+LSTM+CRF深度学习识别模型医疗知识图谱问答可视化系统一、项目概述二、系统实现基本流程三、项目工具所用的版本号四、所需要软件的安装和使用五、开发技术简介

星川皆无恙·2024-02-02 09:53

PyTorch 中神经网络库torch.nn的详细介绍

1.torch.nntorch.nn是PyTorch深度学习框架中的一个核心模块，它为构建和训练神经网络提供了丰富的类库。

科学禅道·2024-02-02 09:23

Pytorch从零开始实战18

Pytorch从零开始实战——人脸图像生成本系列来源于365天深度学习训练营原作者K同学文章目录Pytorch从零开始实战——人脸图像生成环境准备模型定义开始训练可视化总结环境准备本文基于Jupyternotebook

Liquor999·2024-02-02 09:53

还有些问题没有解决

深度学习刚上手复现论文还有些问题没解决1、代码只能在显存上跑还没办法放到英伟达的GPU上2、jupyternotebook还没有配置到pycharm里去

conch0329·2024-02-02 09:52

PyTorch与TensorFlow的安装与介绍

人工智能大模型的技术框架人工智能大模型，如OpenAI的GPT-4，涉及到的技术栈主要包括以下几个方面：深度学习框架：TensorFlow,PyTorch等，这些框架提供了构建和训练深度学习模型的必要工具

super_journey·2024-02-02 09:22

小白初探｜神经网络与深度学习

一、学习背景由于工作的原因，需要开展人工智能相关的研究，虽然不用参与实际研发，但在项目实施过程中发现，人工智能的项目和普通程序开发项目不一样，门槛比较高，没有相关基础没法搞清楚人力、财力如何投入，很难合理管控成本以及时间。为搞清楚情况，老年博主决定一步一个脚印，好好自学。在写本文时，博主已学到一定阶段了，趁有时间，通过博文记录下来，以免遗忘。二、学习准备常年的学习告诉我们，一门学科要快速入门，主流

神奇的代码在哪里·2024-02-02 09:17

深度学习与神经网络Pytorch版 3.2 线性回归从零开始实现 1.生成数据集 2.2. 读取数据集3. 初始化模型参数4. 定义模型5. 定义损失函数6. 定义优化算法7. 训练

线性回归从零开始实现目录线性回归从零开始实现1.实现步骤1.生成数据集2.读取数据集3.初始化模型参数3.1可视化w和b4.定义模型5.定义损失函数6.定义优化算法7.训练2.完整代码3.小结1.实现步骤我的上一篇文章深度学习与神经网络

砍树＋c＋v·2024-02-02 09:16

神经网络与深度学习Pytorch版 Softmax回归笔记

Softmax回归目录Softmax回归1.独热编码2.Softmax回归的网络架构是一个单层的全连接神经网络。3.Softmax回归模型概述及其在多分类问题中的应用4.Softmax运算在多分类问题中的应用及其数学原理5.小批量样本分类的矢量计算表达式6.交叉熵损失函数7.模型预测及评价8.小结Softmax回归，也称为多类逻辑回归，是一种用于解决多分类问题的机器学习算法。它与普通的logist

砍树＋c＋v·2024-02-02 09:14

基于QT C++封装微软开源的edge-TTS

该技术基于深度学习和人工智能技术，能够模拟人类语音的音调、语速、语调和情感，使得合成的语音听起来非常自然。

龙--技术总结分享·2024-02-02 09:44

特征选择＋深度学习：mRMR-CNN-BiGRU-Attention故障识别模型！特征按重要性排序！最大相关最小冗余！

适用平台：Matlab2023版及以上特征选择方法："最大相关最小冗余"（MaximalRelevanceandMinimalRedundancy，简称MRMR）是一种用于特征选择的方法。该方法旨在找到最相关的特征集，同时最小化特征之间的冗余，以提高模型的性能和泛化能力。我们将该特征选择方法应用于CNN-BiGRU-Attention故障识别模型上，构建的mRMR-CNN-BiGRU-Attent

预测及优化·2024-02-02 09:12

深度学习优化器

1、什么是优化器优化器用来寻找模型的最优解。2、常见优化器2.1.批量梯度下降法BGD(BatchGradientDescent)2.1.1、BGD表示BGD采用整个训练集的数据来计算costfunction对参数的梯度：假设要学习训练的模型参数为W，代价函数为J(W)，则代价函数关于模型参数的偏导数即相关梯度为ΔJ(W)，学习率为ηt，则使用梯度下降法更新参数为：Wt+1=Wt−ηtΔJ(Wt)

Maann·2024-02-02 09:42

【读点论文】A Survey of Deep Learning Approaches for OCR and Document Understanding

通过深度学习的发展，自然语言处理和计算机视觉领域已经取得了巨大的进步，这些方法已经开始融入当代文档理解系统。在这篇调查论文中，我们回顾

羞儿·2024-02-02 09:39

深度学习-基础过关

深度学习是机器学习的一

代码不行的搬运工·2024-02-02 09:38

互联网加竞赛基于深度学习的动物识别 - 卷积神经网络机器视觉图像识别

Mr.D学长·2024-02-02 09:38

深度学习的新前沿：突破、应用与挑战

引言深度学习的快速发展已经在人工智能领域引起了革命性的变化。作为模仿人脑结构和功能的强大工具，深度神经网络在图像识别、自然语言处理、医学诊断等多个领域取得了显著成就。

尘中928·2024-02-02 09:08

深度学习(10)-Keras项目详解(递归神经网络)

一.递归神经网络基础概念递归神经网络(RecursiveNeuralNetwork,RNN)可以解决有时间序列的问题，处理诸如树、图这样的递归结构。CNN主要应用在计算机视觉CV中，RNN主要应用在自然语言处理NLP中。1.h0，h1.....ht对应的是不同输入得到的中间结果。2.处理自然语言IamGodFishhhorAFish：则对应的输入为X0--I，X1--am，X2--GodFishh

GodFishhh·2024-02-02 09:07

深度学习(11)--PyTorch(GPU)安装

具体安装步骤可以参考博主的文章：深度学习(4)--Keras安装-CSDN博客https://blog.csdn.net/GodFishhh/article/details/135749563?

GodFishhh·2024-02-02 09:35

目标检测的发展史及关键技术概述

从早期的模板匹配到现代的深度学习方法，目标检测技术经历了多个发展阶段。本文将透过时间的迷雾，回顾目标检测技术的发展历程，并介绍其关键技术点与代表性成果。

kadog·2024-02-02 08:17

计算机视觉实战项目3（图像分类+目标检测+目标跟踪+姿态识别+车道线识别+车牌识别+无人机检测+A*路径规划+单目测距与测速+行人车辆计数等）

车辆跟踪及测距该项目一个基于深度学习和目标跟踪算法的项目，主要用于实现视频中的目标检测和跟踪。

毕设阿力·2024-02-02 08:45

操作系统复习总结——文件管理

博客主页：是dream系列专栏：深度学习环境搭建、环境配置问题解决、自然语言处理、语音信号处理、项目开发每日语录：但愿每次回忆，对生活都不感到负疚。

是dream·2024-02-02 08:35

技术科普 | 机器视觉5大关键技术及其常见应用

它是人工智能领域中的一个分支，涉及图像处理、模式识别、机器学习、深度学习等多个领域。

英码科技·2024-02-02 08:22

【技术科普】主流的深度学习模型有哪些？AI开发工程师必备！

深度学习在科学计算中获得了广泛的普及，其算法被广泛用于解决复杂问题的行业。所有深度学习算法都使用不同类型的神经网络来执行特定任务。

英码科技·2024-02-02 08:21

深度学习如何入门?

入门深度学习需要系统性的学习路径和实践经验。

dami_king·2024-02-02 07:45

千卡训练有效时间占比超过95%，蚂蚁集团AI Infra技术开源

（图：蚂蚁集团的自动化分布式深度学习系统DLRover现已全面开源）该技术框架名为DLRover，目标在于大规模分布式训练的智能化。

光锥智能·2024-02-02 07:09

【NLP】Datawhale-AI夏令营Day6-7打卡：大模型

⭐️最近参加了由Datawhale主办、联合科大讯飞、阿里云天池发起的AI夏令营（第三期），我参与了深度学习实践-NLP（自然语言处理）方向⭐️作为NLP小白，我希望能通过本次夏令营的学习实践，对NLP

不雨_亦潇潇·2024-02-02 07:51

计算机设计大赛深度学习 python opencv 火焰检测识别火灾检测

文章目录0前言1基于YOLO的火焰检测与识别2课题背景3卷积神经网络3.1卷积层3.2池化层3.3激活函数：3.4全连接层3.5使用tensorflow中keras模块实现卷积神经网络4YOLOV54.1网络架构图4.2输入端4.3基准网络4.4Neck网络4.5Head输出层5数据集准备5.1数据标注简介5.2数据保存6模型训练6.1修改数据配置文件6.2修改模型配置文件6.3开始训练模型7实现

iuerfee·2024-02-02 07:17

【动手学大模型】第一章大模型简介

之后引入了深度学习的思想，使用神经网络模型来更好的捕捉语言中的复杂关系。随着Transformer架构的神经网络模型引入，通过大量的文本数据训练，模型可以深入理解语言规则和模式。

Farah_Y·2024-02-02 07:44

【机器学习 & 深度学习】卷积神经网络简述

个人主页：为梦而生~关注我一起学习吧！专栏：机器学习欢迎订阅！相对完整的机器学习基础教学！⭐特别提醒：针对机器学习，特别开始专栏：机器学习python实战欢迎订阅！本专栏针对机器学习基础专栏的理论知识，利用python代码进行实际展示，真正做到从基础到实战！往期推荐：【机器学习基础】一元线性回归（适合初学者的保姆级文章）【机器学习基础】多元线性回归（适合初学者的保姆级文章）【机器学习基础】决策树（

为梦而生~·2024-02-02 05:02

【Python基础 & 机器学习】Python环境搭建（适合新手阅读的超详细教程）

机器学习python实战：用python带你感受真实的机器学习深度学习：现代人工智能的主流技术介绍python网络爬虫从基础到实战：Python的主流应用领域之一，也可以与人工智能领域相结合的技术往期推荐

为梦而生~·2024-02-02 05:00

第2章大模型的基础知识2.2 大模型的关键技术2.2.2 预训练与微调

背景介绍在深度学习中，我们通常需要大量的labeleddata来训练模型。然而，l

OpenChat·2024-02-02 05:09

AI绘画探索人工智能的未来

Aileen_0v0·2024-02-02 04:57

AGI实现思路重新整理

因此将图像识别、语音识别的深度学习网络（等其他识别网络）的特征值层，进行联结记忆。联结记忆的目的是形成记忆单元，模拟人脑中概念的基本结构。

vghjjgdfg·2024-02-02 04:02

深度学习Pytorch框架搭建

记录下安装anaconda并配置GPU版本的pytorch1.清华镜像安装anaconda1.1安装地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/1.2选择适宜版本：以Windows11为例，我下载的是3.5.3.1版本64位的，即图中最后一个。2.安装anaconda2.1直接打开安装好的文件，根据指示一步步安装。(我忘记截图了

不想学习的Lucy·2024-02-02 04:56

推荐频道

TF2.0.keras深度学习