learning)深度学习第30页

Redis面试题43

深度学习和强化学习等技术将继续发展，以应对更高级的任务和挑战。自主决策和自主行动：人工智能系统将变得更加自主和灵活，能够进行自主决策和自主行动。这将有助于实现更智能的机器人和自动驾驶汽车等应用，

CrazyMax_zh·2024-02-06 13:17

Redis面试题41

医疗影像分析：人工智能可以利用深度学习网络，自动分析和解读医学影像，如CT扫描、X射线和病理切

CrazyMax_zh·2024-02-06 13:16

TensorFlow数据类型全解析：深入探索tf.dtypes.DType的强大功能及其在深度学习中的关键作用

引言TensorFlow是一个广泛使用的开源机器学习库，它为深度学习和数值计算提供了强大的工具和接口。

程序员Chino的日记·2024-02-06 13:05

大数据TensorFlow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(完整系统源码+PPT+详细开发文档+论文+源码解析)

文章目录大数据TensorFlow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(完整系统源码+PPT+详细开发文档+论文+源码解析)获取项目资料方式在文章末尾获取项目资料方式在文章末尾一

谁不学习揍谁！·2024-02-06 12:32

深度学习(13)--搭建神经网络进行气温预测

一.搭建神经网络进行气温预测流程详解1.1.导入所需的工具包importnumpyasnp#矩阵计算importpandasaspd#数据读取importmatplotlib.pyplotasplt#画图处理importtorch#构建神经网络importtorch.optimasoptim#设置优化器1.2.读取并处理数据引入数据并查看数据的格式#引入数据features=pd.read_csv

GodFishhh·2024-02-06 12:29

深度学习本科课程实验3 网络优化

一、在多分类任务实验中实现momentum、rmsprop、adam优化器1.1任务内容在手动实现多分类的任务中手动实现三种优化算法，并补全Adam中计算部分的内容在torch.nn实现多分类的任务中使用torch.nn实现各种优化器，并对比其效果1.2任务思路及代码importtorchimporttorch.nnasnnimporttorch.optimasoptimimportnumpyas

11egativ1ty·2024-02-06 12:20

DQN的理论研究回顾

DQN的理论研究回顾1.DQN简介强化学习（RL）（Reinforcementlearning:Anintroduction,2nd,ReinforcementLearningandOptimalControl

Jay Morein·2024-02-06 12:50

基于YoloV5的智能零售柜商品识别

下载yolov5：gitclonehttps://github.com/ultralytics/yolov5进入yolov5文件夹,下载依赖文件pipinstall-rrequirements.txt深度学习第一步准备好数据集

乔不思-·2024-02-06 11:20

基于Vercel和Flask部署API

它可以免费部署服务器和托管网站，与GithubPages只能托管静态网站不同，vercel可以部署的内容有很多，它支持python，go等多语言环境，这意味你可以创建动态的内容，甚至，你可以在上面部署一个深度学习模型

乔不思-·2024-02-06 11:49

知识图谱问答：构建人机自然交互的桥梁

1.3知识图谱问答1.4典型应用与系统2智能问答系统分类2.1问句类型分类2.2系统来源分类3实现知识图谱问答主要技术方法3.1基于问句模板的方法3.2基于语义解析的方法3.3基于检索排序的方法3.4基于深度学习的方法

cooldream2009·2024-02-06 11:41

【人工智能】Fine-tuning 微调：解析深度学习中的利器(7)

在深度学习领域，Fine-tuning微调是一项重要而强大的技术，它为我们提供了在特定任务上充分利用预训练模型的途径。

魔道不误砍柴功·2024-02-06 10:24

深度学习（生成式模型）—— Consistency Models

文章目录前言预备知识：SDE与ODEMethod实验结果前言Diffusionmodel需要多次推断才能生成最终的图像，这将耗费大量的计算资源。前几篇博客我们已经介绍了加速Diffusionmodel生成图像速率的DDIM和StableDiffusion，本节将介绍最近大火的ConsistencyModels（代表模型：Dalle-3），其允许Diffusionmodel仅经过一次推断就生成最终的

菜到怀疑人生·2024-02-06 10:23

基于pytorch深度学习遥感影像地物分类与目标识别、分割实践技术应用

基于PyTorch的深度学习遥感影像地物分类、目标识别与分割实践技术应用是一个涉及多个步骤的复杂过程。

数字化信息化智能化解决方案·2024-02-06 10:22

计算机设计大赛深度学习+opencv+python实现车道线检测 - 自动驾驶

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4YOLOV56数据集处理7模型训练8最后0前言优质竞赛项目系列，今天要分享的是**基于深度学习的自动驾驶车道线检测算法研究与实现

iuerfee·2024-02-06 09:19

计算机设计大赛深度学习+opencv+python实现昆虫识别 -图像识别昆虫识别

模块实现卷积神经网络4MobileNetV2网络5损失函数softmax交叉熵5.1softmax函数5.2交叉熵损失函数6优化器SGD7学习率衰减策略6最后0前言优质竞赛项目系列，今天要分享的是**基于深度学习的昆虫识别算法研究与实现

iuerfee·2024-02-06 09:17

Feature refinement 的阅读笔记

摘要：ThispaperproposesanovelFeatureRefinement(FR)withexpression-specificfeaturelearningandfusionformicro-expressionrecognition

pzb19841116·2024-02-06 09:13

STM32+WIFI+Django+MySQL+BIM实现数字孪生环境控制系统

CSDN主页：爱吃糖的猫我的博客：爱吃糖的猫Github主页:MilesChen支持我：点赞+收藏⭐️+留言介绍：ThemixtureofWEB+DeepLearning+Iot+anything简介水果冷库环境控制系统是基于物联网

爱吃糖的猫·2024-02-06 08:21

深度学习之numpy

1.numpy.mean（a，axis=None，dtype=None，out=None，keepdims=）沿指定轴计算算术平均值。返回数组元素的平均值。默认情况下，平均值取自展平的数组，否则取自指定的轴。float64中间值和返回值用于整数输入。参量array_like包含期望平均值的数字的数组。如果a不是数组，则尝试进行转换。轴无或整数或整数元组，可选计算平均值s的一个或多个轴。默认值是计算

zuoyou_yi·2024-02-06 08:21

机器学习与人工智能、深度学习有什么关系？终于有人讲明白了

导读：“机器学习”一词往往被与“人工智能”“深度学习”混用，也常与“大数据”一词一同出现。下面首先简要介绍它们的关系，然后讲述机器学习的基本概念和模式。

大数据v·2024-02-06 08:10

机器学习、深度学习所需掌握的数学知识全都在这里了！

人工智能的基石是数学，没有数学基础科学的支持，人工智能很难行稳至远。—中国科学院院士、西安交通大学教授徐宗入行人工智能，所谓的门槛和挑战本质是你对数学知识的掌握程度。数学基础知识蕴含着处理智能问题的基本思想与方法，也是理解复杂算法的必备要素。今天的种种人工智能技术归根到底都建立在数学模型之上，要了解人工智能，首先要掌握必备的数学基础知识，具体来说包括：线性代数：如何将研究对象形式化？微积分：如何深

算法channel·2024-02-06 08:09

挑战杯 python+opencv+深度学习实现二维码识别

0前言优质竞赛项目系列，今天要分享的是python+opencv+深度学习实现二维码识别学长这里给一个题目综合评分(每项满分5分)难度系数：3分工作量：3分创新点：3分该项目较为新颖，适合作为竞赛课题方向

laafeer·2024-02-06 08:36

研究生研一学习机器学习ML、深度学习DL的规划

研究生学习机器学习ML、深度学习DL的规划保上研之后也没有很好规划自己的学习路线，看到b站上的一位清华博士讲述他本科也是机械，跨考计算机后的学习路线，所以记录下来，从现在开始按照规划来一点一点地做好。

Baily24·2024-02-06 08:36

机器学习（深度学习）路线

bigcindy·2024-02-06 08:04

普通编程，机器学习与深度学习

表示学习：包含深度学习，通过输入由算法生成简单的特征，再逐层生成更加全局/抽象的特征，最后，通过一些数学原理对特征与输出的匹配模式进行学习，也就是更新相应的参数，从而使数学表达式能够更好的根

ALGORITHM LOL·2024-02-06 08:02

【机器学习与自然语言处理】预训练 Pre-Training 各种经典方法的概念汇总

【NLP概念合集：一】预训练Pre-Training，微调Fine-Tuning及其方法的概念区别前言请看此正文预训练Pre-Training无监督学习unsupervisedlearning概念：标签

溢流眼泪·2024-02-06 07:18

李沫动手学深度学习之2.1

本博文复现李沫动手学深度学习，网页链接在此，（第一版）【建议实操之前先通读一遍2.1章节的文档与本教程的文字说明】2.1.获取和运行本书的代码（完成）一些过程总结：（windows）（GPU）1、本人安装的是

一卒2018·2024-02-06 07:33

深度学习驱动下的自然语言处理进展及其应用前景

前言自然语言处理（NLP）是一项正在迅速发展的技术，它利用深度学习和大数据技术，让计算机能够更好地理解和生成人类语言。随着NLP的不断进步，我们对于计算机理解和应用语言的能力也取得了显著的提升。

想你依然心痛·2024-02-06 07:46

【NLP】 Word2Vec模型 & Doc2Vec模型

共同学习交流个人主页－Sonhhxg_柒的博客_CSDN博客欢迎各位→点赞+收藏⭐️+留言系列专栏-机器学习【ML】自然语言处理【NLP】深度学习【DL】foreword✔说明⇢本人讲解主要包括Python

Sonhhxg_柒·2024-02-06 07:15

CVPR2023|Learning Instance-Level Representation for Large-Scale Multi-Modal Pretraining in Ecommerce

文章目录摘要引言贡献方法提取实例为中心的表示1.InstanceQuery2.InstanceDecoder3.Multi-ModalPretrainingObjectives4.TransfertoDowntasks转换到下游任务实验预训练数据集实验细节在下游任务上的Evaluationconclusion摘要本文旨在建立一个通用的多模态基础模型，该模型具有可扩展的电子商务中大规模下游应用的能力

万年枝·2024-02-06 06:59

【专业技术】高效并行分布式深度学习策略，助力模型训练与量化

我们是一家专注于提供高效深度学习解决方案的专业团队，为您提供并行分布式策略、高效精调策略、大模型无损量化和高性能推理服务。

路人与大师·2024-02-06 06:26

「深度学习」长短时记忆网络LSTM

一、经典模型\widetilde{c}^{}=tanh(w_{c}[a^{},x^{}]+b_{c})更新门：\Gamma_{u}=\sigma(w_{u}[a^{},x^{}]+b_{u})遗忘门：\Gamma_{f}=\sigma(w_{f}[a^{},x^{}]+b_{f})输出门：\Gamma_{o}=\sigma(w_{o}[a^{},x^{}]+b_{o})c^{}=\Gamma_{u

Sternstunden·2024-02-06 06:20

「深度学习」dropout 技术

一、工作原理1.正则化网络dropout将遍历网络的每一层，并设置消除神经网络中节点的概率。1.每个节点保留/消除的概率为0.5:2.消除节点：3.得到一个规模更小的神经网络：2.dropout技术最常用：反向随机失活"Inverteddropout"以三层网络(l=3)为例：keep-prob=0.8#保留某个隐藏单元的概率#生成随机矩阵，每个单元对应值为1的概率是0.8,用于决定第三层哪些元素

Sternstunden·2024-02-06 06:20

「深度学习」循环神经网络RNN

一、序列模型的例子二、数学符号定义X^{(i)}：训练样本i的输入序列的第t个元素。T_{X}^{i}：训练样本i的输入序列的长度。Y^{(i)}：训练样本i的输出序列的第t个元素。T_{Y}^{i}：训练样本i的输出序列的长度。三、举例：识别人名【输入和输出序列长度相同】1、数据表示准备Vocabulary/Dictionary将所有要用到的单词放在一起，做成清单——将每个单词用一位one-ho

Sternstunden·2024-02-06 06:50

「机器学习」神经网络

(2)深度学习的起飞2.需求预测(1)神经网络的符号与描述(2)不需要自己手动自己设计特征神经网络将自己决定它将在隐藏层使用哪些数据3.例子：图像识别随着层数增加，窗口大小在增大。

Sternstunden·2024-02-06 06:49

【深度学习理论】持续更新

文章目录1.统计学习理论1.统计学习理论统计学习理论，一款适合零成本搞深度学习的大冤种的方向从人类学习到机器学习的对比（学习的过程分为归纳和演绎），引出泛化和过拟合的概念。如何表示归纳的函数规律呢？

一轮秋月·2024-02-06 06:48

互联网加竞赛基于深度学习的目标检测算法

5.1.2OverFeat5.2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1简介优质竞赛项目系列，今天要分享的是基于深度学习的目标检测算法该项目较为新颖

Mr.D学长·2024-02-06 06:15

「深度学习」门控循环单元GRU

一、梯度消失问题梯度消失：基础的RNN模型不善于处理长期依赖关系，有很多局部影响，很难调整自己前面的计算。y^{}仅仅受自己附近的值影响。解决方法：GRU或LSTM梯度爆炸：反向传播时，随着层数增多，梯度不仅可能指数型下降，还有可能指数型上升——会导致参数过大，网络崩溃解决方法：梯度修剪——观察梯度向量，若大于某个阈值，则放缩梯度向量，保证其不会过大二、GRU目的：使隐藏层更好地捕捉深层连接，改善

Sternstunden·2024-02-06 06:41

基于深度学习算法的轴承故障自主分类

1.要求轴承有3种故障：外圈故障，内圈故障，滚珠故障，外加正常的工作状态。如表1所示，结合轴承的3种直径（直径1,直径2,直径3），轴承的工作状态有10类：表1轴承故障类别外圈故障内圈故障滚珠故障正常直径11230直径2456直径3789实验包含以下两个文件：1.train.csv，训练集数据，1到6000为按时间序列连续采样的振动信号数值，每行数据是一个样本，共792条数据，第一列id字段为样本

deleteeee·2024-02-06 06:08

NER

基操：超详细保姆级讲解&提供代码：基于深度学习的命名实体识别与关系抽取值得一看的命名实体识别的总结：中文命名实体识别总结师兄给的教程：GithubChineseNER针对教程讲解的文章：用深度学习做命名实体识别

zelda2333·2024-02-06 06:17

Java学习之路

sttone·2024-02-06 05:08

深度学习中的pipeline和baseline

pipeline 模型实现的步骤，深度学习的pipeline包括：数据读取数据预处理构建模型评估模型效果模型调参baseline 指能实现上述过程的基础模型

晓shuo·2024-02-06 05:47

【初读论文】

这里写目录标题万字长文解析深度学习中的术语面向小白的深度学习论文术语（持续更新）deepsolo不懂的知识pipelinebaselineRoI(RegionofInterest)分类问题中的正例负例指示函数

Selvaggia·2024-02-06 05:46

Plus GPT API最有前途的应用领域

3API不同，我们的PlusGPTAPI通过对GPT-3API进行二次开发，除了实现GPT-3的所有功能之外，我们还开发了语音交互的API、知识库"喂养"的API、AI绘图API……PlusGPTAPI基于深度学习算法

橘子海_G·2024-02-06 05:45

机器学习速成课程学习笔记17：稀疏性正则化

https://developers.google.cn/machine-learning/crash-course/regularization-for-sparsity/l1-regularizationL₁

HBU_DAVID·2024-02-06 04:15

小目标识别方法

随着深度学习技术的发展，小目标识别的研究也取得了显著的进步。小目标识别面临的挑战主要包括目标尺寸小、易受背景干扰、目标特征不明显等问题。为了解决这些问题，研究者们提出了多种基于人工智能的方法，尤其是

LittroInno·2024-02-06 04:02

冷笑话：关于“来，为师保证不打你”系列的冷笑话

邮件里面关于研究题目是这样写的：“论基于包括深度学习在

群星璀璨十二时·2024-02-06 03:38

通过神经网络模拟人类大脑的学习过程

通过神经网络模拟人类大脑的学习过程在本文中，我们将探讨深度学习的最新发展及其在各个领域的应用。首先，让我们来看看深度学习在计算机视觉领域的新进展。计算机视觉是指让计算机“看见”并理解图像和视频的能力。

M乔木·2024-02-06 03:05

深度学习系列55：深度学习加速技术概述

总体有两个方向：模型优化/框架优化1.模型优化1.1量化最常见的量化方法为线性量化，权重从float32量化为int8，将输入数据映射在[-128,127]的范围内。在nvdiagpu，x86、arm和部分AI芯片平台上，均支持8bit的计算。当然还有简单的二值化。对比从nvdiagpu到x86平台，1bit计算分别有5到128倍的理论性能提升。此外还有对数量化，一种比较特殊的量化方法。两个同底的

IE06·2024-02-06 02:24

深度学习系列57: 清华大模型MiniCPM上手

MiniCPM是面壁智能与清华大学自然语言处理实验室共同开源的系列端侧大模型，主体语言模型MiniCPM-2B仅有24亿（2.4B）的非词嵌入参数量1.上手对比测试mps比cpu大概快了9倍左右。也可以在modelspore上测试：

IE06·2024-02-06 02:53

推荐频道

learning)深度学习