TensorFlow深度学习第24页

阅读宋立恒《AI制胜：机器学习极简入门》第1章：机器学习概述

）AI时代首选Python（二）PyCharm可视化编辑器和Anaconda大礼包1、PyCharm可视化编辑器2、Anaconda大礼包（三）掌握算法原理与掌握机器学习软件库同等重要（四）机器学习与深度学习的区别四

酒城译痴无心剑·2025-05-28 00:50

零基础入门：MinerU 和 PyTorch、CUDA的关系

官网安装教程（可根据系统情况选择不同版本：https://pytorch.org/get-started/locally/）一张图看清楚它们的关系：01先解释一些名词在MinerU中的作用：PyTorch：是跑深度学习模型的库

OpenDataLab·2025-05-28 00:50

一步步教你在本地部署DeepSeek R1并搭建Web-UI，快速上手指南！

DeepSeekR1是一款基于深度学习的智能搜索引擎，因其强大的数据处理和智能搜索能力，广泛应用于企业搜索、推荐系统以及信息检索等领域。

威哥说编程·2025-05-28 00:17

机器学习在代谢组学、蛋白质组学、微生物组学、基因组学研究中的应用

如果您在从事生物医学方面的研究并且有发顶刊的想法下面这篇内容会给你思路和方法四大专题内容专题一：机器学习在蛋白质组学实践应用专题线上培训专题二：机器学习在代谢组学实践应用专题线上培训专题三：深度学习在基因组学实践应用专题线上培训专题四

MR_WCJ·2025-05-27 23:38

数据科学进阶：SHAP值与模型解释——从理论到实践

2024深度学习发论文&模型涨点之——SHAP可解释学习SHAP（SHapleyAdditiveexPlanations）是一种用于解释机器学习模型预测结果的方法，它基于Shapley值理论，通过将预测结果分解为每个特征的影响

Ai墨芯111·2025-05-27 23:38

干货分享 | 关于 UNet 架构的8个热门面试问题

前言UNet架构是专门为图像分割任务设计的深度学习模型。由于其能够处理高分辨率图像并生成准确的分割图，因此广泛应用于各种应用，例如医学图像分割、卫星图像分析和自动驾驶车辆中的目标检测。

老唐777·2025-05-27 22:00

TensorFlow深度学习实战（17）——主成分分析详解

TensorFlow深度学习实战（17）——主成分分析详解0.前言1.主成分分析2.使用TensorFlow实现PCA3.TensorFlow嵌入API小结系列链接0.前言主成分分析(PrincipalComponentAnalysis

盼小辉丶·2025-05-27 20:18

注意力机制 | 深度学习

在深度学习的发展中，注意力机制的引入曾被誉为一次划时代的技术飞跃。

concisedistinct·2025-05-27 17:55

深入浅出：PyTorch 计算图的奇妙世界

你可能已经听说过深度学习、神经网络和人工智能，但是你是否曾好奇过它们的背后发生了什么？本篇博客将带你深入浅出地探索PyTorch计算图，这是深度学习中的一项神奇技术。

洞深视界·2025-05-27 17:25

深度学习中的卷积和反卷积

深度学习中的卷积和反卷积一、引言：为什么需要卷积和反卷积？

思绪漂移·2025-05-27 16:22

A24a_昇腾算子开发异构编程基础

昇腾芯片是华为专为AI设计的处理器，能高效运行深度学习模型，

jieph01·2025-05-27 16:21

深度学习-126-LangGraph之基础知识(三)添加记忆和Human_in_the_loop的聊天机器人

文章目录1聊天机器人(基于内置工具节点)1.1百度搜索工具1.2绑定工具的聊天模型1.3创建图(基于内置节点)1.4调用图2聊天机器人(添加记忆)2.1创建MemorySaver2.2创建图2.3编译图(带记忆)2.4调用图(带线程)3Human-in-the-loop3.1工具节点human_assistance3.2绑定工具的聊天模型3.3聊天机器人3.4调用图3.5恢复执行3.5.1invo

皮皮冰燃·2025-05-27 15:16

AI时代新词-零样本学习（Zero-Shot Learning）：AI的未来趋势

在传统的机器学习和深度学习中，模型的性能通常依赖于大量标注数据的训练，而零样本学习则试图突破这一限制，使模型能够通过已有的知识泛化到未见过的类别上。

明似水·2025-05-27 14:12

【Python】已解决：（Pycharm切换Python版本后报错）No Python at “C:\Program Files\Python39\python.exe”

不定期更新IT图书，并在评论区抽取随机粉丝，书籍免费包邮到家AI前沿点我跳转探讨人工智能技术领域的最新发展和创新，涵盖机器学习、深度学习、自然

屿小夏·2025-05-27 12:57

《职场AI应用师》发展方向

Y371595101·2025-05-27 12:27

【深度学习新浪潮】什么是MCP？

1.什么是MCP？MCP（ModelContextProtocol，模型上下文协议）是由Anthropic于2024年11月开源的标准化协议，旨在统一AI模型与外部工具、数据源的交互方式，解决传统集成中的碎片化问题。其核心设计类似于USB-C接口，通过客户端-服务器架构（Host/Client/Server）实现模型与外部资源的“即插即用”，使AI应用能够高效调用数据库、API、文件系统等资源，同

小米玄戒Andrew·2025-05-27 11:23

深入浅出对抗学习：概念、攻击、防御与代码实践

深入浅出对抗学习：概念、攻击、防御与代码实践近年来，深度学习在图像识别、自然语言处理等领域取得了巨大成功。

Undoom·2025-05-27 09:42

用深度学习提升DOM解析——自动提取页面关键区块

一、时间轴：一次“抓不到重点”的二手车数据爬虫事故2025/03/1809:00产品经理希望抓取懂车帝平台上“北京地区二手车报价”作为竞品监测数据源。我们初步使用传统XPath方案，试图提取车型、年限、里程、价格等数据。2025/03/1810:00初版脚本运行失败，返回的数据全是空值，XPath定位的路径在页面中根本不存在。2025/03/1811:00检查HTML源代码发现，页面由**前端异步

亿牛云爬虫专家·2025-05-27 06:24

【Python正则-驯化】一文学会通过Python中的正则表达式提取文本中的日期

算法驯化师·2025-05-27 00:17

Mamba-YOLO 精度、速度超越所有YOLO系列模型？

2025深度学习发论文&模型涨点之——Mamba-YOLOMamba-YOLO是一种结合了状态空间模型（SSM）和YOLO系列算法的目标检测模型。

Ai多利·2025-05-26 23:43

自然语言处理 (NLP) 学习路线

自然语言处理学习路线1.基础准备（可参考mooc学习）2.学习基础NLP技术（可参考mooc学习）3.经典机器学习算法在NLP中的应用（可参考吴恩达机器学习课程）4.深度学习基础（基础参考吴恩达、工具看

我喝AD钙·2025-05-26 23:43

NLP学习路线（自用）

学习路线总览阶段1（基础）-计算机科学&机器学习基础阶段2（核心）-传统NLP技术&深度学习NLP阶段3（进阶）-Transformer&预训练模型（

�猫薄荷武士�·2025-05-26 23:42

基于AOD-Net与GAN的深度学习去雾算法开发

基于AOD-Net与GAN的深度学习去雾算法开发1.引言1.1图像去雾研究意义大气散射现象导致的图像质量退化对计算机视觉应用产生严重影响…2.理论基础2.1大气散射物理模型经典模型描述为：I(x)=J(

pk_xz123456·2025-05-26 22:08

【深度学习】5. 正则化方法：从 Weight Decay 到 BatchNorm、GroupNorm, Dropout、DropConnect, Early Stopping 与归一化技术

深度学习中的正则化方法全解析：从WeightDecay到BatchNorm、Dropout、EarlyStopping与归一化技术本文系统梳理了深度学习中各类正则化方法，包括：显式正则化：L1/L2正则

pen-ai·2025-05-26 20:25

2024最新全流程Python编程、机器学习与深度学习

科研的力量·2025-05-26 19:51

【TVM 教程】开发环境中加入 microTVM

ApacheTVM是一个深度的深度学习编译框架，适用于CPU、GPU和各种机器学习加速芯片。

·2025-05-26 19:40

MONAI 高级开发者研究教程专栏：从精通到引领医学影像AI创新

专栏导语：本专栏旨在为已有深度学习基础并希望在医学影像AI领域进行深入研究的高级开发者提供一套系统性的MONAI学习与实践指南。

LIUDAN'S WORLD·2025-05-26 19:50

人工智能、机器学习与深度学习：全面介绍与对比分析

2.2人工智能的主要分支2.3人工智能的应用领域2.4人工智能的现状与未来趋势机器学习(ML)详解3.1机器学习的基本概念3.2机器学习的核心算法分类3.3机器学习的工作流程3.4机器学习的优势与局限性深度学习

山顶望月川·2025-05-26 18:17

数据转换与增强的进阶与定制：MONAI Transforms 的核心算法与实践

在医疗影像处理领域，数据转换与增强是提升深度学习模型性能的关键环节。

LIUDAN'S WORLD·2025-05-26 16:36

深度学习面试八股简略速览

在准备深度学习面试时，你可能会感到有些不知所措。毕竟，深度学习是一个庞大且不断发展的领域，涉及众多复杂的技术和概念。

石去皿·2025-05-26 16:03

Pytorch最新保姆级安装教程！

PyTorch是一个广泛使用的深度学习框架，它提供了强大的工具和功能，便于开发和训练深度神经网络模型。本教程诗人将详细介绍如何安装最新版本的PyTorch，并提供详细的代码配置。

二进制吟游诗人·2025-05-26 15:57

第39节：模型压缩技术：剪枝与量化

引言在人工智能和深度学习领域，模型规模的快速增长已成为一个显著趋势。

点我头像干啥·2025-05-26 14:24

AI人工智能与自动驾驶的融合创新实践

AI人工智能与自动驾驶的融合创新实践关键词：人工智能、自动驾驶、深度学习、计算机视觉、传感器融合、路径规划、强化学习摘要：本文深入探讨了人工智能技术在自动驾驶领域的创新应用与实践。

AI智能探索者·2025-05-26 11:34

深度学习实战108-基于通义千问Qwen2.5-Omni的智能数字人实时对话系统实现

大家好，我是微学AI，今天给大家介绍一下深度学习实战108-基于通义千问Qwen2.5-Omni的智能数字人实时对话系统实现。

微学AI·2025-05-26 04:23

Transformer大模型实战针对下游任务进行微调

Transformer,微调,下游任务,自然语言处理,预训练模型,迁移学习,计算机视觉1.背景介绍近年来，深度学习在人工智能领域取得了突破性进展，其中Transformer模型凭借其强大的序列建模能力，

AI大模型应用之禅·2025-05-26 04:21

pytorch深度学习框架基本介绍

目录1.PyTorch简介1.1什么是PyTorch1.2PyTorch的特点2.安装与配置2.1安装PyTorch2.2配置CUDA环境3.基础概念3.1张量(Tensor)3.1.1创建张量3.1.2张量的类型转换3.2自动微分(Autograd)4.构建神经网络4.1定义网络结构4.2使用nn.Module5.数据加载与处理5.1使用DataLoader5.2数据预处理6.训练与评估6.1训

一九11111·2025-05-26 04:19

北斗导航｜北斗卫星导航单点定位与深度学习结合提升精度

以下是北斗卫星导航单点定位（SPP）与深度学习结合提升精度的关键方法总结，综合了误差建模、信号识别、动态环境适应等技术方向：一、非直射信号（NLOS）抑制与权重修正1.双自注意力网络（DualSelf-AttentionNetwork

单北斗SLAMer·2025-05-26 03:16

AI人工智能深度学习算法：在高精地图构建中的应用

1.2AI在高精地图构建中的应用AI人工智能，特别是深度学习算法，在高精地图构建中发挥着重要作用。传统的地图构建方法通常需要大量的人工参与，而且

AI天才研究院·2025-05-26 03:16

第十天高精地图与定位（SLAM、RTK技术）多传感器融合（Kalman滤波、深度学习）

前言在自动驾驶技术快速发展的今天，高精地图与多传感器融合已成为实现L4/L5级自动驾驶的核心支柱。本文将从零基础角度，通过具体场景案例，深入解析SLAM、RTK、Kalman滤波等关键技术原理，并附MATLAB/Python代码实例演示，帮助读者构建完整知识体系。一、自动驾驶的"数字视网膜"：高精地图1.1高精地图的核心特征高精地图与传统导航地图的本质区别体现在三个维度：厘米级精度：误差范围＜20

MarkHD·2025-05-26 02:40

【动手学深度学习】1.1~1.2 机器学习及其关键组件

目录一、引言1.1.日常生活中的机器学习1.2.机器学习中的关键组件1）数据2）模型3）目标函数4）优化算法一、引言1.1.日常生活中的机器学习应用场景：以智能语音助手（如Siri、Alexa）的唤醒词识别为例，麦克风采集的音频数据（每秒约4.4万次采样）无法通过传统编程直接关联到特定指令。机器学习通过分析大量标记数据（含/不含唤醒词的音频），自动构建输入（音频）到输出（是否触发）的映射关系。图1

XiaoJ1234567·2025-05-26 01:04

全球首套10米分辨率全球梯田分布图

尽管近年来深度学习架构发展迅速，但它们在提取梯田地图方面的表现仍需进一步研究。

做科研的周师兄·2025-05-26 01:58

python打卡训练营打卡记录day24

元组元组的特点：1.有序，可以重复，这一点和列表一样2.元组中的元素不能修改，这一点非常重要，深度学习场景中很多参数、形状定义好了确保后续不能被修改。

yorushika_·2025-05-26 00:52

day33 python深度学习入门

目录深度学习入门：PyTorch实现鸢尾花分类一、环境搭建1.创建Python环境2.安装必要的库3.检查CUDA环境二、数据准备1.加载数据集2.数据预处理3.转换为PyTorch张量三、模型构建1.

xiaohanbao09·2025-05-25 20:26

机器学习算法与Python学习 | 黑匣子被打开了？能玩的Transformer可视化解释工具！

2017年，谷歌在论文《Attentionisallyouneed》中提出了Transformer，成为了深度学习领域的

双木的木·2025-05-25 20:52

图深度学习

（1）GraphSAGE（graphsampleandaggregate）图采样和聚合，GraphSAGE的目标是学习一个函数，该函数通过从节点的局部邻域中采样和聚合特征来生成节点嵌入。当学习完全未知的节点时，利用学习到的函数即可对这些未知节点的特征进行学习，graphSAGE适合处理大规模图。（2）图自监督学习。

wintercoming111·2025-05-25 17:37

【C语言进阶】系统测试与调试

1.引言在开始本教程的深度学习之前，我们需要了解整个教程的目标及其结构，以及为何进阶学习是提升C语言技能的关键。

长天一色·2025-05-25 17:34

PyTorchviz 和 Graphviz：可视化 PyTorch 模型的利器

GraphvizWindowsAnaconda环境下的安装指南1.安装Graphviz2.安装PyTorchviz使用示例基本用法高级用法常见问题解决工具简介：PyTorchviz+Graphviz在深度学习模型开发过程中

缘友一世·2025-05-25 16:00

聚焦AI人工智能在自动驾驶的关键技术点

聚焦AI人工智能在自动驾驶的关键技术点关键词：自动驾驶、人工智能、感知算法、决策规划、深度学习、强化学习、多模态融合摘要：本文系统解析人工智能在自动驾驶中的核心技术体系，深度剖析环境感知、决策规划、控制执行三大核心模块的关键技术点

AI天才研究院·2025-05-25 15:53

深入详解线性代数基础知识：理解矩阵与向量运算、特征值与特征向量，以及矩阵分解方法（如奇异值分解SVD和主成分分析PCA）在人工智能中的应用

深入详解线性代数基础知识在人工智能中的应用线性代数是人工智能，尤其是机器学习和深度学习领域的基石。

猿享天开·2025-05-25 14:19

深入详解人工智能入门数学基础：理解向量、矩阵及导数的概念

人工智能入门数学基础详解数学是人工智能的基石，理解数学基础对于掌握机器学习和深度学习算法至关重要。本篇文章将详细探讨线性代数和微积分中的基础概念，涵盖向量、矩阵及其运算，以及导数的基本概念。