openvino深度学习第5页

PyTorch深度学习框架进阶学习计划 - 第21天：自然语言处理基础

PyTorch深度学习框架进阶学习计划-第21天自然语言处理基础今天我们将深入学习自然语言处理(NLP)的基础概念，重点关注词嵌入技术、序列建模原理以及主流模型之间的区别和优缺点。

凡人的AI工具箱·2025-03-13 22:41

PyTorch深度学习框架60天进阶学习计划 - 第19天：时间序列预测

PyTorch深度学习框架60天进阶学习计划-第19天：时间序列预测目录时间序列预测概述滑动窗口数据构造方法归一化策略对比：MinMaxvsZ-ScoreLSTM基础原理Attention机制与LSTM

凡人的AI工具箱·2025-03-13 22:11

PyTorch深度学习框架60天进阶学习计划 - 第18天：模型压缩技术

PyTorch深度学习框架60天进阶学习计划-第18天：模型压缩技术目录模型压缩技术概述知识蒸馏详解软标签生成策略KL散度损失推导温度参数调节结构化剪枝技术通道剪枝评估准则L1-norm剪枝算法APoZ

凡人的AI工具箱·2025-03-13 22:10

深度学习c++资源库：vector容器，蓝桥杯常用算法sort，unique（排序+去重）

vector容器1.基本概念是STL中的一个容器类，不同于普通数组的静态空间，vector可以动态扩展。动态扩展：并不是在原空间连接新空间，而是找到更大的内存空间，将原数据拷贝到新空间，释放原空间。是一个序列容器，它允许用户在容器的末尾快速地添加或删除元素。与数组相比，提供了更多的功能，如自动调整大小、随机访问等。2.声明与初始化需要指定元素类型，可通过多种方式进行初始化：#include#inc

AI少女小鹿·2025-03-13 21:04

《探秘人工智能与鸿蒙系统集成开发的硬件基石》

对于模型训练任务，尤其是深度学习模型，其复杂的

·2025-03-13 20:02

AI基于深度学习的代码搜索案例（一）

1.背景近年来，人工智能逐渐进入各个领域并展现出了强大的能力。在计算机视觉领域，以ImageNet为例，计算机的图像分类水平已经超过了人类。在自然语言处理(NLP)领域，BERT、XLNet以及MASS也一遍遍的刷新着任务榜单。当人工智能进入游戏领域，也取得了惊人的成绩，在Atari系列游戏中，计算机很容易超过了大部分人类，在围棋比赛中，AlphaGo和AlphaZero也已经超越了人类顶尖棋手。

人工智能MOS·2025-03-13 19:23

m0_65156252·2025-03-13 18:16

DeepSeek在供热行业中的应用

目录引言1.1DeepSeek技术概述1.2供暖行业业务挑战1.3DeepSeek在供暖行业的应用前景DeepSeek技术基础2.1深度学习与机器学习2.2自然语言处理（NLP）2.3图像识别与处理2.4

杨航 AI·2025-03-13 18:46

Transformer大模型实战对比ALBERT与BERT

关键词：Transformer，BERT，ALBERT，自然语言处理，深度学习，模型对比，实战应用摘

AI天才研究院·2025-03-13 17:06

Windows 10/11下安装labelImg标注工具

abelImg是深度学习最常用的标注工具之一，下面讲解安装方法！

czimt开摆·2025-03-13 17:05

[每日一学]数据分析与可视化：anaconda与pythoncharm使用上的区别之处及优越点，使用哪款比较好用

一、Anaconda是一个开源的Python发行版本，集成了多个常用的数据科学、机器学习、深度学习等相关工具，例如JupyterNotebook、Spyder、

拼命绽放·2025-03-13 17:03

五分钟快速掌握windows深度学习环境配置：Anaconda、PyCharm、Pytorch、jupyter notebook

目录前言下载并安装Anaconda下载途径安装步骤下载并安装PyCharm安装pytorch安装jupyternotebook前言新手五分钟掌握windows深度学习环境配置：Anaconda、PyCharm

芝帕先生·2025-03-13 17:01

深度学习核心技术深度解析

一、深度学习的本质与核心思想定义：通过多层非线性变换，自动学习数据层次化表征的机器学习方法核心突破：表征学习：自动发现数据的内在规律，无需人工设计特征端到端学习：直接从原始输入到最终输出，消除中间环节的信息损失分布式表示

月落星还在·2025-03-13 16:26

Vision Transformer (ViT)：将Transformer带入计算机视觉的革命性尝试（代码实现）

VisionTransformer(ViT)：将Transformer带入计算机视觉的革命性尝试作为一名深度学习研究者，如果你对自然语言处理（NLP）领域的Transformer架构了如指掌，那么你一定不会对它在序列建模中的强大能力感到陌生

阿正的梦工坊·2025-03-13 15:50

深度学习/机器学习入门基础数学知识整理（一）：线性代数基础，矩阵，范数等

前面大概有2年时间，利用业余时间断断续续写了一个机器学习方法系列，和深度学习方法系列，还有一个三十分钟理解系列（一些趣味知识）；新的一年开始了，今年给自己定的学习目标——以补齐基础理论为重点，研究一些基础课题

chljerry_mouse·2025-03-13 15:19

图像去雾常见数据集

近年来，随着深度学习技术的快速发展，图像去雾任务成为计算机视觉领域的重要研究方向之一。高质量的数据集是算法研究的基础，本文将介绍一些常用的图像去雾数据集，包括其特点、应用场景以及下载地址。

梦姐的编程日志·2025-03-13 13:09

点云从入门到精通技术详解100篇-基于激光雷达点云的三维目标检测

数据集2.1.2车载激光雷达2.2地面点云滤波算法2.2.1RANSAC算法2.2.2CSF算法本文篇幅较长，分为上下两篇，下篇详见基于激光雷达点云的三维目标检测（续）前言近几年来，在计算机视觉领域，利用深度学习卷积

格图素书·2025-03-13 13:08

深度学习中的异构特征介绍

深度学习，特别是现在的大模型，数据永远是最紧要的基础和前提。数据中有大量的各种各样的特征，这些特征类型不同、来源不同，因此称之为”异构特征“。

赫连达·2025-03-13 13:08

(4-8)基于DeepSeekMoE架构的DeepSeek-V3：测试模型

4.8测试模型DeepSeek-V3是一款基于PyTorch的深度学习模型，主要用于文本生成任务。在加载模型时，首先需要从指定路径加载模型的配置文件和预训练权重。

码农三叔·2025-03-13 13:37

人工智能 - TensorRT与DeepDP终极指南：释放GPU潜能的深度学习推理优化之道

TensorRTTensorRT（TensorRuntime）是英伟达（NVIDIA）推出的高性能深度学习推理（Inference）优化器和运行时库，专为在NVIDIAGPU上高效部署深度学习模型而设计

天机️灵韵·2025-03-13 13:36

AIGC论文查重和传统论文查重有什么区别？

技术原理：主要利用自然语言处理和深度学习技术，分析文本的风格、语法结构和语义连贯性，以判断内容是否可能由AI模型产生。传统论文查重检测目标：主要检测论文中是否存在抄袭或剽窃

真不二价825·2025-03-13 13:06

PyTorch安装与环境配置终极指南：从零搭建高效深度学习开发环境（一）

一、环境搭建的核心意义与准备工作1.1深度学习环境的核心挑战深度学习开发环境涉及复杂的软件栈依赖关系：硬件兼容性：GPU型号（NVIDIA系列）与CUDA版本的匹配软件依赖链：Python版本→PyTorch

WHCIS·2025-03-13 12:02

【梯度下降算法】

1947年FrankRosenblatt在感知机研究中首次系统应用梯度下降思想1.2机器学习时代的复兴21世纪深度学习革命使梯度下降算法获得新生：2006年Hinton团队在深度信念网络中的突破应用2

蝉叫醒了夏天·2025-03-13 12:01

深度学习基础-onnxruntime推理模型

以下是一个完整的示例，展示如何加载ONNX模型、获取模型信息并运行推理：importonnxruntimeimportnumpyasnp#模型路径bev_head_onnx_path="path/to/your/bev_head.onnx"#加载模型session=onnxruntime.InferenceSession(bev_head_onnx_path)#获取模型元信息model_meta=

yuweififi·2025-03-13 11:49

基于大模型的Text2SQL微调的实战教程(二)

对机器学习和深度学习拥有自己独到的见解。曾经辅导过若干个非计算机专业的学生进入到算法行业就业。希望和大家一起成长进步。

herosunly·2025-03-13 09:36

计算机视觉算法实战——茶园害虫识别（主页有源码）

随着深度学习技术的快速发展，茶园害虫识别的准确性和效率得到了显著提升，为智慧农业提供了强有力的技术支持。2.当前相关算法在茶园害虫识别领域，常

喵了个AI·2025-03-13 08:24

训练大模型LLM选择哪种开发语言最好

大0马浓·2025-03-13 05:09

动手深度学习笔记（二十九）5.5. 读写文件

动手深度学习笔记（二十九）5.5.读写文件5.深度学习计算5.5.读写文件5.5.1.加载和保存张量5.5.2.加载和保存模型参数5.5.3.小结5.5.4.练习5.深度学习计算5.5.读写文件到目前为止

落花逐流水·2025-03-13 04:29

【深度学习】从全连接层到卷积

从全连接层到卷积我们之前讨论的多层感知机十分适合处理表格数据，其中行对应样本，列对应特征。对于表格数据，我们寻找的模式可能涉及特征之间的交互，但是我们不能预先假设任何与特征交互相关的先验结构。此时，多层感知机可能是最好的选择，然而对于高维感知数据，这种缺少结构的网络可能会变得不实用。例如，在之前猫狗分类的例子中：假设我们有一个足够充分的照片数据集，数据集中是拥有标注的照片，每张照片具有百万级像素，

熙曦Sakura·2025-03-13 04:56

【深度学习】微积分

微积分在2500年前，古希腊人把一个多边形分成三角形，并把它们的面积相加，才找到计算多边形面积的方法。为了求出曲线形状（比如圆）的面积，古希腊人在这样的形状上刻内接多边形。如图2.4.1所示，内接多边形的等长边越多，就越接近圆。这个过程也被称为逼近法（methodofexhaustion）。事实上，逼近法就是积分（integralcalculus）的起源。2000多年后，微积分的另一支，微分（di

熙曦Sakura·2025-03-13 04:26

LeNet-5卷积神经网络详解

LeNet-5卷积神经网络详解1.历史背景LeNet-5是由YannLeCun等人在1998年提出的一种卷积神经网络架构，是深度学习领域的一个重要里程碑。

LChuck·2025-03-13 02:12

基于yolov11的瓶盖缺陷检测系统python源码+pytorch模型+评估指标曲线+精美GUI界面

该系统采用YOLOv11作为核心检测算法，这一算法融合了先进的深度学习技术和创新的网络架构，

FL1623863129·2025-03-13 02:12

2024-05-21 问AI: 介绍一下大语言模型的推理过程。

文心一言大语言模型的推理过程是一个复杂而精细的序列，它结合了深度学习和自然语言处理的技术，旨在理解和生成人类可以理解的自然语言文本。

BigSharkTech 必杀技·2025-03-12 22:14

如何增强机器学习基础，提升大模型面试通过概率

面试官不仅要求候选人熟练使用深度学习框架（如PyTorch、TensorFlow），还希望他们具备扎实的机器学习理论基础、算法实现能力和实际问题解决经验。本文将从机器学习基础入手

weixin_40941102·2025-03-12 19:55

算力服务器主要是指什么？

算力服务器对于人工智能领域来说，在深度学习模型的训练和推理过程中扮演着非常重要的角色，算力服务器可以执行大规模的矩阵计算，加速神经网络的训练和推理过程，帮助企业使得模型训练的时间大幅度缩短。

wanhengidc·2025-03-12 16:38

大模型问答机器人如何实现自然交互

大模型问答机器人如何实现自然交互关键词：大模型问答机器人,自然语言处理(NLP),深度学习,深度对话,多轮对话,意图理解,信息检索,逻辑推理1.背景介绍1.1问题由来近年来，随着人工智能技术的飞速发展，

杭州大厂Java程序媛·2025-03-12 16:02

用物理信息神经网络（PINN）解决实际优化问题：全面解析与实践

关键词：物理信息神经网络；优化任务；深度学习；强化学习；航天器轨道一、

青橘MATLAB学习·2025-03-12 14:23

为什么VAE效果不好，但VAE+diffusion效果就好了？

VAE（VariationalAutoencoder，变分自编码器）是一种基于概率生成模型的深度学习框架，主要用于数据生成和潜在空间建模。

AndrewHZ·2025-03-12 12:43

【笔试面试】秒懂深度学习模型小型化：蒸馏法、剪枝…

蒸馏：主要思想是，通过大模型指导小模型学习。剪枝：网络剪枝的主要思想就是将权重矩阵中相对“不重要”的权值剔除，然后再重新finetune网络进行微调。紧凑模型设计：MobileNet的深度可分离卷积shufflenet的逐点群卷积(pointwisegroupconvolution)和通道混洗(channelshuffle)，前者通过分组卷积降低计算量，后者促进信息在不同组之间流转

聊北辰同学·2025-03-12 11:08

Transformer 的原理是什么？

解决方案：Transformer是一种基于注意力机制（AttentionMechanism）的深度学习架构，最初由Vaswani等人在2017年的论文《AttentionisAllYouNeed》中提出

玩人工智能的辣条哥·2025-03-12 11:08

计算机视觉深度学习入门（4）

在小型数据集上从头开始训练一个卷积神经网络利用少量数据来训练图像分类模型，这是一种很常见的情况。如果你从事与计算机视觉相关的职业，那么很可能会在实践中遇到这种情况。“少量”样本既可能是几百张图片，也可能是上万张图片。我们来看一个实例——猫狗图片分类，数据集包含5000张猫和狗的图片（2500张猫的图片，2500张狗的图片）。我们将2000张图片用于训练，1000张用于验证，2000张用于测试。将介

yyc_audio·2025-03-12 10:26

Python训练的机器学习模型【保存】和【加载】的方法？

现有的机器学习模型保存方法有三种，分别为使用pickle(通用)、joblib(大型模型)、HDF5（存储深度学习模型的权重）二.Python保存模型的三种方式1.方式一：pickle模块【通用】pickle

福葫芦·2025-03-12 09:22

深入解析模型蒸馏（Knowledge Distillation）：原理、方法与优化策略

深入解析模型蒸馏（KnowledgeDistillation）：原理、方法与优化策略1.引言随着深度学习模型规模的不断增长，训练和部署大模型的计算成本也越来越高。

赵大仁·2025-03-12 09:48

大模型面试--大模型（LLMs）基础面

目前主流的开源大模型体系有以下几种：1.Transformer系列Transformer模型是深度学习中的一类重要模型，尤其在自然语言处理（NLP）领域。

TAICHIFEI·2025-03-12 08:13

智能制造中的工业大数据分析实践

智能制造中的工业大数据分析实践关键词:智能制造，工业大数据，数据分析，机器学习，深度学习，预测性维护，质量控制，生产优化文章目录智能制造中的工业大数据分析实践1.背景介绍1.1问题的由来1.2研究现状1.3

AI天才研究院·2025-03-12 08:12

情感识别（Emotion Recognition）

深度学习方法：使用卷积神经网络（CN

路野yue·2025-03-12 08:10

深度学习赋能中文情感分析：让机器读懂中国人的喜怒哀乐

在表情包与网络黑话齐飞的数字时代，中文情感分析技术正经历一场由深度学习驱动的认知革命。本文将深度解析这场让机器理解东方语境下复杂情感的科技进化史。

芯作者·2025-03-12 07:06

N1学习打卡笔记

本文为365天深度学习训练营中的学习记录博客原作者：K同学啊Onhot编码one-hot编码的基本思想是将每个类别映射到一个向量，其中只有一个元素的值为1，其余元素的值为0。

无涯学徒1998·2025-03-12 07:06

Faster R-CNN原理详解以及Pytorch实现模型训练与推理

【基于深度学习的行人跌倒检测系统】9.【基于深度学习的PCB板缺陷检测系统

阿_旭·2025-03-12 05:51

cornell grasp data 康奈尔大学抓取数据集百度云

康奈尔大学抓取数据集是基于深度学习方法实现机器人自主抓取的必备数据集，直接推动了机器人自主抓取的发展。目前先进的基于视觉和机器人抓取方法都是在该数据集上训练过。

工科pai·2025-03-12 05:20

推荐频道

openvino深度学习