jbpm4.4学习入门

深度学习入门：基于Python的理论与实现【笔记】

深度学习入门：基于Python的理论与实现这本数的阅读笔记根据自己的情况总结的，可能有些简单的就没做笔记。
辉小歌·2023-10-08 07:12

RK3568笔记二：部署手写数字识别模型

Lenet是我们的深度学习入门的必学模型，是深度学习领域中的经典卷积神经网络（CNN）架构之一。过程分为：训练，导出ONNX，转化RKNN，测试二、训练数据集训练我是在AutoDL上训练的，
殷忆枫·2023-10-08 06:25

机器学习入门（六）——特征工程（上）

1.0whatis特征工程？关于特征工程比较官方的定义为：特征工程是利用数据领域的相关知识来创建能够使机器学习算法达到最佳性能的特征的过程。下面讲讲个人理解：“数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。”这句话在机器学习领域内流传非常广泛。实施上，对于所有基于信息的分析类工作，数据本身决定着分析的结果。前些年大谈特谈的“数据质量”、“Garbagein,garbageout
yyoung0510·2023-10-08 01:02

Python 机器学习入门之线性回归

系列文章目录第一章Python机器学习入门之线性回归线性回归系列文章目录前言一、线性回归1.线性回归是什么2.线性回归的分类二、实现线性回归1.步骤2.代价函数3.梯度下降总结前言最近在上机器学习的课程
bug别找我·2023-10-07 10:19

python机器学习之梯度下降法

系列文章目录第一章Python机器学习入门之线性回归第一章Python机器学习入门之梯度下降法梯度下降法系列文章目录前言一、梯度下降法1.梯度下降法简介2.基本原理梯度下降函数效果展示前言上一篇文章里面说到了用梯度下降法来对最小化代价函数和模型参数进行求解
bug别找我·2023-10-07 10:17

深度学习入门：梯度下降算法

梯度下降可以简单理解为你人站在山上，想要最快下山，那么这个时候你要做的就是在一步一步下山的同时保证向下走的每一步都是最陡的。梯度下降就是上述的这么简单。要完成上述最快下山的第一个问题就是，你站在山上，可以朝着因为圆心360°的方向前进，如何确定朝着那个方向走就是最陡的呢？这就引出了梯度以及导数（对于三维空间，涉及到的就是方向导数）。1.导数（1）二维空间对应到现实生活，就是滑滑梯，只要你在滑梯上往
DADALalalala123·2023-10-07 10:07

深度学习入门01 - 回归

文章目录线性回归生成随机数据设置batch设置网络方法01-快速搭建方法02-继承类的方式拟合非线性函数线性回归目标：拟合出一条直线y=w⊤x+by=\mathbf{w}^\top\mathbf{x}+b
HDU_Ang·2023-10-07 02:22

Go语言中的gin框架学习入门（一）

gin简介gin是用Go语言写的后端web框架，简洁、轻量、支持高并发1.官方网站：gin中文文档2.Github地址：下载1.goversion（1.7.0以前）goget-ugithub.com/gin-gonic/gin2.goversion(1.7.0以后)goinstallgithub.com/gin-gonic/gin@latestgomodinitxxx(项目名称）用这个管理项目依赖
匠造一知识·2023-10-06 22:45

玩转人工智能中的机器学习之著名教材

书籍20机器学习入门教材推荐：(a)机器学习方法(李航);(b)机器学习(周志华);(c)TheElementsofStatisticalLearning:DataMining,Inference
audyxiao001·2023-10-05 07:57

《世说新语》:一把文言文学习入门的钥匙

文言文学习是现在语文学习的重要部分，但进入初中阶段，许多孩子的文言文阅读积累很少，如何让孩子文言文学习快速入门？和孩子一起读《世说新语》吧。《世说新语》，是南朝宋刘义庆主持编纂的一部笔记小说，主要记载的是魏晋时期的各种趣闻逸事。刘义庆将这些故事分类整理共分为三十六门包括德行，言语，政事等，被鲁迅先生称为一部“名士底教科书”，在我们的传统文化中已经成了一个象征性的文化符号，代表了一种典型的文化人格。
菜园小记·2023-10-04 07:56

LLVM学习入门(3):生成 LLVM 中间代码 IR

3.3FunctionCodeGeneration函数代码生成3.4DriverChangesandClosingThoughts驱动程序和思路总结本文是使用LLVM开发新语言Kaleidoscope教程第三篇文章，本文承接上篇LLVM学习入门
会做饭的好同学·2023-10-03 23:45

机器学习入门 - 动态规划

文章目录从一个案例开始动态规划Hi,你好。我是茶桁。咱们之前的课程就给大家讲了什么是人工智能，也说了每个人的定义都不太一样。关于人工智能的不同观点和方法，其实是一个很复杂的领域，我们无法用一个或者两个概念确定什么是人工智能，无法具体化。我也是要给大家讲两个重要的概念，要成为一个良好的AI工作者，需要了解两个概念，一个是什么是优化问题，第二个呢就是什么是继续学习。这一节开始，我们要开始进入机器学习的
茶桁·2023-10-03 07:25

Python Appium 安卓自动化测试 基本使用 - Phone Spider

PythonAppium安卓自动化测试基本使用提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用文章目录PythonAppium安卓自动化测试基本使用前言一
EXI-小洲·2023-10-01 23:04

深度学习入门05-感知机的实现

上一篇我们学习了感知机的基本知识，之后利用感知机模型表示了简单逻辑电路：与门、与非门、或门。简单来说，感知机可以看做一个数学模型，通过调整该模型中的各个参数，我们可以实现不同的逻辑功能，从而解决一些现实问题。在理解感知机基本原理的基础上，我们的目标是使用Python实现感知机的功能。下面，我们就朝着这个目标前进吧。1与门逻辑功能实现我们先定义一个输入参数为x1和x2的二输入与门函数AND。代码如下
MotherBoard·2023-10-01 21:52

test111

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一
一方山人·2023-10-01 11:19

标准化、逻辑回归、随机梯度参数估计

机器学习入门数据预处理：将？替换为缺失值data=data.replace(to_replace="?"
别狗了·2023-09-30 22:36

《深度学习入门：基于Python的理论与实现》源代码

我提供的源代码：https://github.com/ZhangXinNan/deep_learning_from_scratch
张欣-男·2023-09-30 15:21

深度学习入门：从Python开始

近年来，深度学习已成为机器学习领域的热门话题之一，其应用范围也越来越广泛。作为一名人工智能专家，程序员，软件架构师和CTO，我想通过这篇文章为读者介绍深度学习的入门知识，以便他们能够更好地理解和掌握深度学习技术。一、引言深度学习是一种基于神经网络的机器学习方法，它能够通过模拟人类大脑的结构和运作方式，实现对大量数据的自动学习和分类。深度学习技术在图像识别、语音识别、自然语言处理、机器人控制等领域都
禅与计算机程序设计艺术·2023-09-30 15:50

《机器学习入门》笔记 - 决策树

决策树计算香农熵defcalcShannonEnt(dataSet):numEntries=len(dataSet)labelCounts={}forfeatVecindataSet:currentLabel=featVec[-1]ifcurrentLabelnotinlabelCounts.keys():labelCounts[currentLabel]=0labelCounts[current
一个认真学代码的pm·2023-09-30 14:32

告别我的小木工坊

搬进新家之后，就开始筹划我的木工坊，因为有一个空余的小书房，所以有一个不大不小的空间可以使用，先是购买木工理论书籍，学习入门知识，然后去看手机上老木匠发的视频，以为自己已经懂了一点，开始购买各种工具，锤子
羊一山·2023-09-29 23:15

中移OneOS开发板学习入门

中移OneOS开发板学习入门做为一个专业的点灯爱好者，学习任何开发板开始前都是先找好学习资料，然后在学习OneOS的内核部分，外设部分，系统组件等.OneOSOneOS是物联网领域推出的轻量级操作系统，
End-ING·2023-09-29 01:25

深度学习入门笔记（二）梯度下降法

如愚见指月，观指不观月。目录上节回顾——logistic回归模型和成本函数梯度下降梯度下降法的执行过程计算图logistic模型中的梯度下降算法上节回顾——logistic回归模型和成本函数是在条件下，的概率。。如果想要让我们的模型更加精确的话，就要让尽可能的接近。所以，我们定义了损失函数和成本函数，用于评估与的接近程度，以及模型的准确率。损失函数是对单个样本来说的。成本函数是对整个数据集来说的。
_CyberAngel·2023-09-28 13:07

基于FPGA的呼叫设备verilog开发

欢迎订阅《FPGA学习入门100例教程》、《MATLAB学习入门100例教程》目录一、理论基础二、核心程序三、测试结果一、理论基础随着集成电路技术的发展，电子设计自动化（EDA）逐渐成为重要的设计手段，
fpga和matlab·2023-09-28 07:53

Python学习入门基础 -- 第二章 注释、变量基本使用、变量的命名

Python基础入门知识点总结传送门第一章认识Python、Python常用集成开发环境PyCharm第二章注释、变量基本使用、变量的命名第三章运算符、判断if语句、while和for循环第四章列表、元组、字典、字符串变量使用、变量进阶第五章函数基础、函数进阶第六章面向对象基础第七章面向对象三大特性、单例设计模式第八章文件读写操作、模块和包、异常一、注释注释的作用单行注释（行注释）多行注释（块注释
Dragon少年·2023-09-28 01:27

前端开发之ES6（ECMAscript6）语法以及ES6++快速学习入门（前端必备了解知识）

ES6++（ES6----ES9）什么是ECMA//中文名称是欧洲计算机制造商协会，这个组织的目的是评估，开发和认可电信和计算机标准。1994年后该组织改名为ECMA国际什么是ECMAscript//ECMAscript是由ECMA国际通过ECMA-262标准化的脚本程序设计语言1，ES61.1let变量声明以及声明特性//变量不能重复声明letstar='zll';letstar='wxl';/
ANii_Aini·2023-09-27 08:20

【自学记录】深度学习入门——基于Python的理论与实现（第4章 神经网络的学习）

4.2损失函数#损失函数#均方误差defmean_squared_error(y,t):return0.5*np.sum((y-t)**2)#交叉熵误差def_cross_entropy_error(y,t):delta=1e-7return-np.sum(t*np.log(y+delta))#交叉熵损失函数defcross_entropy_error(y,t):ify.ndim==1:t=t.r
__0077·2023-09-27 08:22

关闭IO流

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一
gys9895·2023-09-27 03:03

深度学习入门教学——对抗攻击和防御

目录一、对抗样本二、对抗攻击三、对抗防御一、对抗样本对抗样本是指对机器学习模型的输入做微小的故意扰动,导致模型输出结果出现错误的样本。深度神经网络在经过大量数据训练后，可以实现非常复杂的功能。在语音识别、图像识别、自然语言处理等任务上被广泛运用。然而，研究表明一个人类无法察觉的噪声可能让机器产生错判。例如，给出一张熊猫的图片，神经网络可以正确地将它识别出来。如果我们给这张图片加入一些噪声，生成一副
恣睢s·2023-09-26 21:08

最易懂的机器学习入门文章

1.什么是深度学习?深度学习是机器学习领域中一个新的研究方向，它被引入机器学习使其更接近于人工智能。原文：【科普&实践】超详细！一文带你玩转深度学习-飞桨AIStudio星河社区深度学习是机器学习领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标
gridlayout·2023-09-26 10:44

机器学习总结

最易懂的机器学习入门文章-CSDN博客人工智能和机器学习之间的关系人工智能是一个最宽泛的概念，是一个研究领域，同时也是一个实现目标，而机器学习则是实现这一目标的一类方法。
gridlayout·2023-09-26 10:13

FileNotFoundError: [Errno 2] No such file or directory: ‘sample_weight.pkl‘《深度学习入门》3.6.2节解决方案

最近在学习这本书，我筛选了很久才找到这本书，对新手小白很友好，代码讲解详细，本文提出有关3.6.2节有关FileNotFoundError:[Errno2]Nosuchfileordirectory:'sample_weight.pkl'报错的解决方案报错的意思是没有找到“sample_weight.pkl”这个文件的地址或者路径原因主要是该书配套的程序有一个地方需要进行修改，如下：红色圈圈的地方
weixin_45686106·2023-09-26 10:50

【自学记录】深度学习入门——基于Python的理论与实现（第3章 神经网络）

3.4.33层神经网络Python实现实现的是这个网络**init_network()**函数会进行权重和偏置的初始化，并将它们保存在字典变量network中。这个字典变量network中保存了每一层所需的参数(权重和偏置)。**forward()**函数中则封装了将输入信号转换为输出信号的处理过程。另外，这里出现了forward(前向)一词，它表示的是从输入到输出方向的传递处理。后面在进行神经网
__0077·2023-09-26 10:16

深度学习入门

一、应用场景1.内容优化根据用户习惯和当前热点推荐感兴趣的内容，包含：游戏推荐列表优化，广告内容优化，活动列表优化等等。2.环境监控拦截反社会，不健康的评论，包含:语音内容，游戏评论。3.安全和防护在支付场景中的应用，包含:刷脸支付，语音登陆等二、基础知识首先先认识一下，人工智能、机器学习和深度学习者三者的关系，如下图。可以看出深度学习知识人工智能的子集。image目前深度学习在it领域应用的最成
陈道乐·2023-09-25 22:49

Python深度学习入门 - - 卷积神经网络学习笔记

文章目录一、卷积神经网络简介二、卷积神经网络的数学原理1、卷积层2、池化层3、感受野三、Python实战卷积神经网络1、LetNet-5网络2、Resnet残差网络3、VGGNet迁移学习总结一、卷积神经网络简介卷积神经网络（ConvolutionalNeuralNetworks，简称CNN）是一种具有局部连接、权值共享等特点的深层前馈神经网络（FeedforwardNeuralNetworks）
szu_ljm·2023-09-25 20:26

Python深度学习入门 - - 人工神经网络学习笔记

文章目录前言一、神经网络原理1、输入层2、全连接层3、激活函数4、损失函数5、前向传播6、反向传播二、Python实战神经网络1.权重初始化技巧2.梯度问题技巧3.模型泛化技巧总结前言如果说机器学习是人工智能的皇冠，深度学习就是这顶皇冠上的明珠，深度学习的出现为人工智能领域的发展拉开了新的序幕。与常见的机器学习模型不同的是，深度学习的数据量更大，特征参数更多，但更重要的是深度学习不需要人为准备特征
szu_ljm·2023-09-25 20:55

Python深度学习入门 - - Transformers网络学习笔记

前言一、Transformers架构原理Transformer架构与传统循环神经网络RNN、LSTM相比具有并行计算、自注意力机制、位置编码和多头注意力等方面的差异。这些差异使得Transformer在处理长序列、建模上下文关系和并行计算方面表现出更强的能力，成为自然语言处理和其他序列任务中的重要架构。编码器由6个相同的层堆叠组成。每一层都有两个子层。第一个是多头自注意机制，第二个是简单的位置全连
szu_ljm·2023-09-25 20:53

python列表学习入门

Python是一个非常强大且易于学习的编程语言，而列表（list）是Python中最常用的数据结构之一。无论你是初学者还是经验丰富的开发者，理解和掌握Python列表的使用都是非常重要的。1.什么是列表？列表是一个有序的元素集合，可以容纳多个值，这些值可以是任何数据类型。#定义一个空列表empty_list=[]#定义一个包含整数的列表numbers=[1,2,3,4,5]#定义一个包含多种数据类
·2023-09-24 22:51

python三维重建代码_三维重建怎么入门？

3D重建涉及的知识体系还是挺多的，我当时是看书+项目实操这样进行的，书我当时看的是SLAM十四讲，关于slam的学习入门资源：https://zhuanlan.zhihu.com/p/137761414
weixin_39627405·2023-09-24 16:16

40天python入门教程_Python学习入门基础教程（非常详细）

Python类库(模块)极其丰富，这使得Python几乎无所不能，不管是传统的Web开发、PC软件开发、Linux运维，还是当下火热的机器学习、大数据分析、网络爬虫，Python都能胜任。这套Python基础教程不是教科书，不会玩弄概念，而是力求口语化和通俗化，让读者尽快入门。如果有小朋友出于兴趣学习Python，请引导他阅读本教程的前半部分，这是基础，可以降低学习成本；如果你想全面掌握Pytho
李自盛·2023-09-24 15:32

深度学习入门：使用CMSIS-NN在微控制器上部署模型的完整指南与Python Jupyter实践

1.引言随着深度学习技术的日益成熟，其应用领域也在不断扩展。从大型数据中心到边缘设备，深度学习模型已经渗透到我们日常生活的各个方面。特别是在嵌入式领域，如微控制器，深度学习的应用为各种设备带来了前所未有的智能化能力。但是，微控制器的计算能力和存储空间都相对有限，如何在这样的设备上运行深度学习模型成为了一个挑战。CMSIS-NN就是为此而生的一个库，它为ARMCortex-M系列微控制器提供了一套高
m0_57781768·2023-09-24 14:47

二、机器学习入门术语

一、线性回归算法简介m：训练样本的个数x：输入特征y：输出变量，也就是要预测的目标变量(x,y)：表示一个训练样本()：表示一个特定的训练样本，即第i个训练样本，上标i是第i个的意思h是hypothesis的意思，在此处是假设函数，即引导从x得到y的函数h(x)=y。当我们设计一个学习算法的时候，需要考虑怎么表示这个假设函数h，在线性回归算法中，我们通常使用如下的假设函数：，有时会简写为h(x)。
并不傻的狍子·2023-09-23 13:50

搜索学习入门--使用LuceneHighlighter高亮显示Lucene检索结果的关键词

在上一篇文章搜索学习入门--Lucene初体验（Lucene索引的增删改查）的基础上，我们进行对Lucene检索结果的高亮显示。
_时间海·2023-09-23 09:02

vue打包优化

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一
gys9895·2023-09-22 23:00

Rust学习入门--【19】Rust 枚举类

Rust学习入门–【1】引言Rust学习入门–【2】Rust开发环境配置Rust学习入门–【3】Cargo介绍Rust学习入门–【4】Rust输出到命令行Rust学习入门–【5】源代码文件结构简介Rust
文斗士·2023-09-22 02:30

机器学习入门教学——损失函数（交叉熵法）

如果不知道什么是梯度下降的，可以看一下这篇文章：机器学习入门教学——梯度下降、梯度上升_恣睢s的博客-CSDN博客损失函数其实就是神经网络里的标准和期望的标准相差多少的定量表达。
恣睢s·2023-09-22 01:26

深度学习入门---多层感知机，过拟合和欠拟合，梯度消失和梯度爆炸

1.多层感知机多层感知机（MLP，MultilayerPerceptron）也叫人工神经网络（ANN，ArtificialNeuralNetwork），除了输入输出层，它中间可以有多个隐层，最简单的MLP只含一个隐层，即三层的结构，如下图：ImageName激活函数需要具备以下几点性质:1.连续并可导（允许少数点上不可导）的非线性函数。可导的激活函数可以直接利用数值优化的方法来学习网络参数。2.激
一只当归·2023-09-21 11:39

机器学习入门（十五）——决策树（4）

决策树是完全利用现有数据信息的分类拟合，为了避免过拟合、提高模型泛化能力，需要对建立好的树进行剪枝。尤其是当训练数据量大、特征数量较多时，所构建的决策树可能很庞大且复杂，剪枝可以同时达到降低复杂度，解决过拟合的目的。这一篇就结合sklearn来看一下决策树的剪枝操作。决策树的剪枝操作主要分为两种：预剪枝（Pre-Pruning），后剪枝（Post-Pruning）。1.0预剪枝预剪枝是指在决策树生
yyoung0510·2023-09-21 11:18

PyTorch深度学习入门笔记（一）PyTorch环境配置及安装

@[Toc]OS：ubuntu20.04（虚拟机）一、工具安装1.1Anaconda安装首先安装Anaconda,我是去清华大学镜像站下载，版本为Anaconda3-5.2.0-Linux-x86_64.sh参考这篇CSDN博客安装好。安装成功测试：在这里插入图片描述首先创建一个虚拟环境：condacreate-npytorchpython=3.6在这里插入图片描述输入sourceactivate
雪天鱼·2023-09-21 05:47

【笔记】简单算法查找、排序的思路和优化

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一
苗老八·2023-09-21 02:45

机器学习入门教学——损失函数（极大似然估计法）

如果不知道什么是梯度下降的，可以看一下这篇文章：机器学习入门教学——梯度下降、梯度上升_恣睢s的博客-CSDN博客损失函数其实就是神经网络里的标准和期望的标准相差多少的定量表达。
恣睢s·2023-09-21 02:10
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他