transform深度学习

vue3学习——router-view 过渡动画

页面不用包裹一个根节点，但是transition不能没有唯一的标签所以还是得包一层~o(￣▽￣)o.el-main{/*渐变设置*/.MainFade-enter-from,.MainFade-leave-to{transform
可乐KL·2024-02-12 06:39

CSS 实现台阶效果

HMTLCSSp{width:0;transform:rotate(-90deg)translateY(200px);}p:before{color:transparent;content:'xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx
康乐芳华·2024-02-12 05:27

Pytorch底层源码解读（一）概览

前言作为最受欢迎的深度学习框架，Pytorch如今已拥有极大的用户群体以及开发者。
firework_97df·2024-02-12 04:08

手工设计特征方法指的是什么算法？是什么意思？

相对于基于深度学习的方法，手工设计特征方法需要对图像特征进行人工选择和设计，需要大量的专业知识和经验，但在一些场景中仍然有广泛的应用。
legendarylin·2024-02-12 03:17

【自制C++深度学习推理框架】计算图的设计思路

计算图的设计思路什么是计算图在深度学习推理框架中，计算图是一种数据结构，它由算子节点和数据节点组成，在该图中前向传播时数据从输入节点开始流动，经过一层层的计算后输出到输出节点，表示深度学习模型的计算过程
代码缝合怪·2024-02-12 03:16

【自制C++深度学习推理框架】Layer的设计思路

Layer的设计思路Layer的抽象如果将深度学习中的所有层分为两类,那么肯定是"带权重"的层和"不带权重"的层。
代码缝合怪·2024-02-12 03:15

【自制C++深度学习推理框架】Tensor模板类的设计思路

Tensor模板类的设计思路为什么要把Armadillo线性代数库arma::fcube封装成Tensor模板类？arma::fcube是Armadillo线性代数库中的一种数据类型，它是一个三维的float类型张量。Armadillo库是一个C++科学计算库，提供了高效的线性代数和矩阵运算。它支持常用矩阵操作、线性系统求解、特征值求解等功能，并且具有简单易用、高效快速、内存占用少等特点。将arm
代码缝合怪·2024-02-12 03:45

2-2 动手学深度学习v2-损失函数-笔记

损失函数，用来衡量预测值和真实值之间的区别。是机器学习里面一个非常重要的概念。三个常用的损失函数L2loss、L1loss、Huber’sRobustloss均方损失L2Lossl(y,y′)=12(y−y′)2l(y,y^{\prime})=\frac{1}{2}(y-y^{\prime})^{2}l(y,y′)=21(y−y′)2（除以222的时候，222和12\frac{1}{2}21相互抵
Alkali！·2024-02-12 03:44

2-1 动手学深度学习v2-Softmax回归-笔记

回归VS分类回归估计一个连续值分类预测一个离散类别从回归到多类分类回归单连续数值输出输出的区间：自然区间R\mathbb{R}R损失：跟真实值的区别分类通常多个输出（这个输出的个数是等于类别的个数）输出的第iii个元素是用来预测第iii类的置信度从回归到多类分类——均方损失对类别进行一位有效编码（因为类别不是一个数，可能是一个字符串等等）假设我们有nnn个类别，我们可以用最简单的一位有效编码来进行
Alkali！·2024-02-12 03:14

1-4 动手学深度学习v2-线性回归的简洁实现-笔记

通过使用深度学习框架来简洁地实现线性回归模型生成数据集importnumpyasnpimporttorchfromtorch.utilsimportdata#从torch.utils中引入一些处理数据的模块
Alkali！·2024-02-12 03:14

深度学习代码|Multi-Headed Attention (MHA)多头注意力机制的代码实现

相关文章李沐《动手学深度学习》注意力机制文章目录相关文章一、导入相关库二、准备工作（一）理论基础（二）定义PrepareForMultiHeadAttention模块三、多头注意模块（一）理论基础（二）
丁希希哇·2024-02-12 01:18

13.5 OpenGL顶点后处理：坐标变换

坐标变换CoordinateTransformations在计算机图形学中，坐标变换是渲染过程中不可或缺的一部分，它涉及一系列几何体从模型空间到最终屏幕空间的转换。
乘风之羽·2024-02-12 01:16

让深度学习真实的在课堂上发生

这就要求教育者不能再把学生看成是接受知识的容器，而是知识的建构者和生成者，教学研究的重点必须从如何教转向如何学，从结果转向过程，从机械操练转向知识的理解和运用，从表层学习到深度学习。
蕾蕾Whl·2024-02-12 00:14

JBOSS漏洞

Java反序列化invoker/JMXInvokerServlet修复:使用Winzip打开jar文件，在org/apache/commons/collections/functors/InvokerTransformer.class
唐小风7·2024-02-12 00:48

《深度学习之TensorFlow工程化项目实战》李金洪PDF

《深度学习之TensorFlow工程化项目实战》李金洪PDF网盘链接：https://pan.baidu.com/s/13bDr0RunkvOZB8Uupj3nAQ提取码:8m3t
ACC_e1c1·2024-02-11 23:40

理解激活函数

深度学习中，激活函数通常指能够实现非线性映射的函数二、为什么需要非线性激活函数？
陈昱熹·2024-02-11 23:42

pytorch对图片的张量进行操作

importnumpyasnpimporttorchimporttorchvisionimportosfromPILimportImagefrommatplotlibimportpyplotasplt,transformsimporttorchvision.transformsastransformsphoto
RDSunday·2024-02-11 23:07

人工智能深度学习入门指南

随着人工智能（AI）技术的飞速发展，深度学习作为其重要分支，已经成为许多领域的研究热点。深度学习通过模拟人脑神经网络的运作方式，使得机器能够处理和分析海量的数据，从而实现更高级别的智能。
白猫a~·2024-02-11 23:00

工业视觉发展历程解析

计算机视觉的引入和应用1.3计算机视觉的引入和应用光学与影像处理技术的进步2.1光学技术的演进2.2影像处理算法的发展2.3早期系统的局限性工业视觉系统的技术突破3.1智能相机的兴起3.2三维视觉技术的应用3.3深度学习在工业视觉中的运用工业
kadog·2024-02-11 21:54

如何学习机器学习和深度学习: 软件工程师指南

如今使用最广泛的AI子领域是机器学习，而机器学习又有一个子领域——深度学习，它正在急剧增长。在这份指南中，我旨在描述一条软件工程师开
第欧根尼的酒桶·2024-02-11 20:44

深度学习、机器学习和神经网络之间的区别

一、简介1.什么是深度学习？深度学习是机器学习的一个子类别，有效地是一个三层神经网络。这些神经网络旨在通过模仿人脑的功能来“学习”大量数据，但它们远远达不到人脑的能力。
第欧根尼的酒桶·2024-02-11 20:12

虚拟列表的实现（简单易懂）

所以开始研究起虚拟列表实现前提条件：item项等高列表实现思路：首先是dom结构：定义一个容器（固定高度），监听滚动事件容器定义一个内部滚动容器，高度等于列表个数*每项高度内部滚动容器里面再定义一个容器，具有transform
weixin_43160044·2024-02-11 20:11

领域自适应简述

摘自https://zhuanlan.zhihu.com/p/21441807深度学习大讲堂领域自适应问题中两个至关重要的概念：源域（sourcedomain）表示与测试样本不同的领域，但是有丰富的监督信息
ltochange·2024-02-11 20:43

C语言常见面试题：C语言中如何进行人工智能编程？

以下是一些基本步骤和注意事项，帮助你开始在C语言中进行AI编程：理解AI基础:学习AI的基本概念、算法和技术，如机器学习、深度学习、神经网络等。
广寒舞雪·2024-02-11 20:06

深度学习路线，包括书籍和视频

深度学习是一个广泛而快速发展的领域，涉及多种技术和应用。以下是一个深度学习学习路线，包括书籍和视频资源。
jjm2002·2024-02-11 19:25

深度学习-最简代码实现目标检测模型

一、项目介绍在深度学习领域中，目标检测一直是一个备受关注的研究方向。为了更深入地理解深度学习目标检测的原理和实现，我写了一个简单的单目标检测项目。
·2024-02-11 19:48

论文学习1----理解深度学习需要重新思考泛化Understanding deep learning requires rethinking generalization

——论文地址：Understandingdeeplearningrequiresrethinkinggeneralization1、有关新闻1.1新闻一：参考1：机器之心尽管深度人工神经网络规模庞大，但它们的训练表现和测试表现之间可以表现出非常小的差异。传统的思考是将小的泛化误差要么归结为模型族的特性，要么就认为与训练过程中的正则化技术有关。通过广泛的系统性实验，我们表明这些传统的方法并不能解释大
夏洛的网·2024-02-11 18:02

一文详解静态图和动态图中的自动求导机制

作者|FesianXu导读4年前在《AutoDiff理解》之第一篇“自动求导技术在深度学习中的应用”[1]中打算写一个关于autodiff的系列文章，因为工作和学习上比较忙碌（LanDuo:P），就一直拖到了现在
·2024-02-11 18:53

【深度学习】讲透深度学习第3篇：TensorFlow张量操作（代码文档已分享）

本系列文章md笔记（已分享）主要讨论深度学习相关知识。可以让大家熟练掌握机器学习基础,如分类、回归（含代码），熟练掌握numpy,pandas,sklearn等框架使用。
·2024-02-11 18:34

什么是 OpenAI 的 Dall-E 模型

这个模型基于深度学习和生成对抗网络（GAN）的原理，能够根据用户输入的描述生成高质量、富有创意的图像。
·2024-02-11 18:24

如何使用Python进行地址信息(省/市/区/姓名/电话)提取

paddle：百度开发的深度学习平台
·2024-02-11 17:50

phpy ：PHP 与 Python 互调用库，为 PHP 引入 Python 生态，PHP 也可以写 AI 了

包括当下非常流行的PyTorch、transformers、TensorFlow等AI库，以及Numpy、Pandas、Scikit等科学计算库，还可以使用PyQt、wxPython等图形界面库。
·2024-02-11 17:07

DeepMind利用深度学习预测 220 万种新晶体

如今借助GoogleDeepMind发布的深度学习工具GNoME，科研人员在短时间内就发现了22
·2024-02-11 17:06

2.1.1 摄像头

基于图像的物体检测和识别技术已经相当成熟，随着近几年深度学习的发展，基于深度学习的视觉感知算法已大量应用于实际生活和生产中，在某些任务上甚至已经超越人类水平。在自动驾驶车上，一般会安
·2024-02-11 17:43

1.10 强化学习

与深度学习类似，强化学习的关键问题也是贡献度分配问题，每一个动作不能直接得到监督信息，需要通过整个模型的
·2024-02-11 17:09

一个简单的管道定义和使例子：

{{(55|testp:'25')}}定义：import{Pipe,PipeTransform}from'@angular/core';@Pipe({name:'testp'})exportclassTestpPipeimplementsPipeTransform
价值投机168·2024-02-11 17:41

DL-Paper精读：DeiT

Trainingdata-efficientimagetransformersa&distillationthroughattentionhttps://arxiv.org/abs/2012.12877BackgroundTransformer
星月野1·2024-02-11 16:50

【论文精读】GPT1

本文提出一种无监督预训练和有监督微调的组合的半监督方法，具体为：采用两阶段训练过程，首先使用语言建模目标在大量未标注数据上学习模型的初始参数，随后使用有监督目标微调预训练模型以适应目标任务模型架构使用Transformer
None-D·2024-02-11 15:42

【论文精读】Swin Transformer

摘要ViT的缺点：Transformer在语言处理中的基本元素是wordtoken，其特点是语义信息比较密集。
None-D·2024-02-11 15:12

【论文精读】ViT-Adapter

摘要视觉transformer类的模型可以分为普通ViT和视觉transformer变体两类。
None-D·2024-02-11 15:12

【论文精读】 Vision Transformer（ViT）

摘要验证了当拥有足够多的数据进行预训练的时候，ViT的表现就会超过CNN，突破transformer缺少归纳偏置的限制，可以在下游任务中获得较好的迁移效果。
None-D·2024-02-11 15:11

【论文精读】RetNet

摘要Transformer是大型语言模型的主流架构。然而，transformer的训练并行性是以低效的推理为代价，这使得transformer对部署不友好。
None-D·2024-02-11 15:11

【论文精读】Transformer

故本文提出Transformer，一种非递归式的模型架构，完全依靠注意力机制来获取序列输入和输出之间的全局依赖关系，且Transformer允许并行化计算。
None-D·2024-02-11 15:40

政安晨：梯度与导数～示例演绎《机器学习·神经网络》的高阶理解

这篇文章确实需要一定的数学基础，第一次接触的小伙伴可以先看一下我示例演绎这个主题的前两篇文章：示例演绎机器学习中（深度学习）神经网络的数学基础——快速理解核心概念（一）：政安晨：示例演绎机器学习中（深度学习
政安晨·2024-02-11 15:00

Deep Learning for Anomaly Detection: A Review（翻译）

前言一、引言二、异常检测：问题的复杂性和挑战1.主要问题复杂性2.深度异常检测所面临的主要挑战三、用深度异常检测应对挑战1.预备工作2.深度异常检测方法的分类四.深度学习的特征提取1.预训练模型2.特定的特征提取模型五
appron·2024-02-11 14:50

DALLE3.0结合ChatGPT生成专属prompt（健身版）

倚仗先进的Transformer架构所赋予的强大自然语言理解能力，DALL-E3能够深度领会用户的设计意图，并以令人惊叹的准确
yueqingll·2024-02-11 14:45

DALLE3.0结合ChatGPT生成prompt（表情四拼版）

倚仗先进的Transformer架构所赋予的强大自然语言理解能力，DALL-E3能够深度领会用户的设计意图，并以令人惊叹的准确
yueqingll·2024-02-11 14:44

DALLE3.0结合ChatGPT生成专属prompt（甜美版）

倚仗先进的Transformer架构所赋予的强大自然语言理解能力，DALL-E3能够深度领会用户的设计意图，并以令人惊叹的准确度将其细腻地转化为视觉艺术作品。2.创作体
yueqingll·2024-02-11 14:14

DALLE3.0结合ChatGPT生成专属prompt（杂志版）

倚仗先进的Transformer架构所赋予的强大自然语言理解能力，DALL-E3能够深度领会用户的设计意图，并以令人惊叹的准确
yueqingll·2024-02-11 14:14

DALLE3.0结合ChatGPT生成专属prompt（汽车版）

倚仗先进的Transformer架构所赋予的强大自然语言理解能力，DALL-E3能够深度领会用户的设计意图，并以令人惊叹的准确
yueqingll·2024-02-11 14:14
上一页 21 22 23 24 25 26 27 28 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他