- 如果希望能够看懂代码，那么需要具备：1. 了解Python语言的语法结构2. 了解Python语言的标准包、第三方包的区别3. Python代码基本是英文，意思一定程度上代表了它要做的事，懂英文，有代码感觉如果希望能够拿来做练习，那么需要具备：1. 你的电脑已经安装了Python2. 你对于Python已经入门，需要拿例子做练习3. 你能够熟练使用Python带的pip安装各种第三方包4. ... 如果希望能够看懂代码，那么需要具备：1. 了解Python语言的语法结构2. 了解Python语言的标准包、第三方包的区别3. Python代码基本是英文，意思一定程度上代表了它要做的事，懂英文，有代码感觉如果希望能够拿来做练习，那么需要具备：1. 你的电脑已经安装了Python2. 你对于Python已经入门，需要拿例子做练习3. 你能够熟练使用Python带的pip安装各种第三方包4. ...
- 从别的学习笔记中，学习并消化这些知识。 从别的学习笔记中，学习并消化这些知识。
- 人工智能和深度学习虽然经常被当成同义词使用，但实际上这两个术语有本质的区别。深度学习是机器学习的一种，而机器学习是人工智能的子域。 人工智能和深度学习虽然经常被当成同义词使用，但实际上这两个术语有本质的区别。深度学习是机器学习的一种，而机器学习是人工智能的子域。
- 简单来说互联网是由一个个站点和网络设备组成的大网，我们通过浏览器访问站点，站点把HTML、JS、CSS代码返回给浏览器，这些代码经过浏览器解析、渲染，将丰富多彩的网页呈现我们眼前；一、爬虫是什么？如果我们把互联网比作一张大的蜘蛛网，数据便是存放于蜘蛛网的各个节点，而爬虫就是一只小蜘蛛，沿着网络抓取自己的猎物（数据）爬虫指的是：向网站发起请求，获取资源后分析并提取有用数据的程序；从技术层面来说... 简单来说互联网是由一个个站点和网络设备组成的大网，我们通过浏览器访问站点，站点把HTML、JS、CSS代码返回给浏览器，这些代码经过浏览器解析、渲染，将丰富多彩的网页呈现我们眼前；一、爬虫是什么？如果我们把互联网比作一张大的蜘蛛网，数据便是存放于蜘蛛网的各个节点，而爬虫就是一只小蜘蛛，沿着网络抓取自己的猎物（数据）爬虫指的是：向网站发起请求，获取资源后分析并提取有用数据的程序；从技术层面来说...
- 本章开始对学习进行讨论，首先介绍机器学习和解释归纳范式。决策树是广泛应用的归纳学习方法，由于它们不能很好泛化，预测能力很差，因此有大约10年的时间，它们都没有得到人们的支持。但是如果采用很多树，就可以消除很多分歧。最终所谓的随机森林（或决策林）促使最近这种学习方式得以复兴。本章最后阐释了熵及其与决策树构造的关系。教室10.0 引言无论是牙科领域还是小提琴演奏领域，人们都能通过学习提升专业技能... 本章开始对学习进行讨论，首先介绍机器学习和解释归纳范式。决策树是广泛应用的归纳学习方法，由于它们不能很好泛化，预测能力很差，因此有大约10年的时间，它们都没有得到人们的支持。但是如果采用很多树，就可以消除很多分歧。最终所谓的随机森林（或决策林）促使最近这种学习方式得以复兴。本章最后阐释了熵及其与决策树构造的关系。教室10.0 引言无论是牙科领域还是小提琴演奏领域，人们都能通过学习提升专业技能...
- 本文探讨了简单的ARIMA/Sarima与LSTM的时间序列数据集成学习方面的问题。 本文探讨了简单的ARIMA/Sarima与LSTM的时间序列数据集成学习方面的问题。
- 在本文中，来自加拿大 Mila 研究所唐建课题组的研究人员提出了一种图上高性能的嵌入训练系统——GraphVite，训练百万级别的节点嵌入只需 1 分钟左右，比现有实现快 50 倍以上。该系统最大可处理二十亿边的图，是目前速度最快、规模最大的单机图嵌入系统。 在本文中，来自加拿大 Mila 研究所唐建课题组的研究人员提出了一种图上高性能的嵌入训练系统——GraphVite，训练百万级别的节点嵌入只需 1 分钟左右，比现有实现快 50 倍以上。该系统最大可处理二十亿边的图，是目前速度最快、规模最大的单机图嵌入系统。
- 熵”最初是热力学中的一个概念，后来在信息论中引入了信息熵的概念，用来表示不确定度的度量，不确定度越大，熵值越大。极限情况，当一个随机变量均匀分布时，熵值最大；完全确定时，熵值为0。以最大熵理论为基础的统计建模已经成为近年来自然语言处理领域最成功的机器学习方法。 熵”最初是热力学中的一个概念，后来在信息论中引入了信息熵的概念，用来表示不确定度的度量，不确定度越大，熵值越大。极限情况，当一个随机变量均匀分布时，熵值最大；完全确定时，熵值为0。以最大熵理论为基础的统计建模已经成为近年来自然语言处理领域最成功的机器学习方法。
- 2019 年 6 月 26 日，在 Sao Paulo 举行的 PAPIs.io LATAM 会议上，作为 Daitan 的代表，本文作者 Thalles Silva 举办了一个关于 TensorFlow（TF）2.0 的研讨会，并在会上探讨了一些关于 TF 2.0 的话题。研讨会的初衷是重点展示 2.0 版本同以往 1.x 版本的不同。 2019 年 6 月 26 日，在 Sao Paulo 举行的 PAPIs.io LATAM 会议上，作为 Daitan 的代表，本文作者 Thalles Silva 举办了一个关于 TensorFlow（TF）2.0 的研讨会，并在会上探讨了一些关于 TF 2.0 的话题。研讨会的初衷是重点展示 2.0 版本同以往 1.x 版本的不同。
- 让机器学习基于面部照片预测BMI不仅是一个有趣的项目，这种预测方法也有望成为未来医疗诊断的实用工具。本文介绍了一个通过面部图像预测BMI（身体质量指数）的神经网络项目。该项目由另一个基于人脸输入对人的年龄和性别进行分类的项目修改而来，借用了原项目训练模型的权重与通过网络摄像头探测用户面部的脚本。训练数据集本项目所采用的训练数据集为用户正面拍摄的4000张人脸图像及通过用户身高体重计算的BMI... 让机器学习基于面部照片预测BMI不仅是一个有趣的项目，这种预测方法也有望成为未来医疗诊断的实用工具。本文介绍了一个通过面部图像预测BMI（身体质量指数）的神经网络项目。该项目由另一个基于人脸输入对人的年龄和性别进行分类的项目修改而来，借用了原项目训练模型的权重与通过网络摄像头探测用户面部的脚本。训练数据集本项目所采用的训练数据集为用户正面拍摄的4000张人脸图像及通过用户身高体重计算的BMI...
- Keras 是一个用 Python 编写的高级神经网络 API，能够以 TensorFlow、CNTK 或 Theano 作为后端运行。FaceNet 是 Google 工程师 Florian Schroff、Dmitry Kalenichenko、James Philbin 等人于 2015 年开发的人脸识别系统，由于算法原理容易理解、应用方便，成了目前最为流行的人脸识别技术。 Keras 是一个用 Python 编写的高级神经网络 API，能够以 TensorFlow、CNTK 或 Theano 作为后端运行。FaceNet 是 Google 工程师 Florian Schroff、Dmitry Kalenichenko、James Philbin 等人于 2015 年开发的人脸识别系统，由于算法原理容易理解、应用方便，成了目前最为流行的人脸识别技术。
- 文章包括四个主要内容：卷积、卷积层、池化层以及卷积神经网络中的反向传播原理。在卷积部分的介绍中，作者介绍了卷积的定义、有效卷积和相同卷积、跨步卷积、3D卷积。在卷积层部分，作者阐述了连接切割和参数共享对降低网络参数学习量的作用。在池化层部分，作者介绍了池化的含义以及掩膜的使用。自动驾驶、智能医疗、智能零售，这些曾被认为不可能实现的事情，在计算机视觉技术的帮助下，终于在最近成为了现实。今天，自... 文章包括四个主要内容：卷积、卷积层、池化层以及卷积神经网络中的反向传播原理。在卷积部分的介绍中，作者介绍了卷积的定义、有效卷积和相同卷积、跨步卷积、3D卷积。在卷积层部分，作者阐述了连接切割和参数共享对降低网络参数学习量的作用。在池化层部分，作者介绍了池化的含义以及掩膜的使用。自动驾驶、智能医疗、智能零售，这些曾被认为不可能实现的事情，在计算机视觉技术的帮助下，终于在最近成为了现实。今天，自...
- 《1 天搞懂深度学习》，300 多页的 ppt，台湾李宏毅教授写的，非常棒。不夸张地说，是我看过最系统，也最通俗易懂的，关于深度学习的文章。 《1 天搞懂深度学习》，300 多页的 ppt，台湾李宏毅教授写的，非常棒。不夸张地说，是我看过最系统，也最通俗易懂的，关于深度学习的文章。
- 研究人员认为，包括BERT在内，许多模型的成功都是建立在虚假的线索上。团队用了去年诞生的观点推理理解任务 (ARCT) 考验了BERT。结果发现，只要做个对抗数据集，准确率就从77%降到53%，几乎等同于随机猜 研究人员认为，包括BERT在内，许多模型的成功都是建立在虚假的线索上。团队用了去年诞生的观点推理理解任务 (ARCT) 考验了BERT。结果发现，只要做个对抗数据集，准确率就从77%降到53%，几乎等同于随机猜
- 充分发挥人工智能和机器学习的作用，在提升医院信息化运维标准的基础上，兼顾成本，降低运维压力，有利于医院释放更多的资源投入到关键的医疗业务中。 充分发挥人工智能和机器学习的作用，在提升医院信息化运维标准的基础上，兼顾成本，降低运维压力，有利于医院释放更多的资源投入到关键的医疗业务中。
上滑加载中
推荐直播
-
-
华为开发者空间玩转DeepSeek2025/03/13 周四 19:00-20:30
马欣 山东商业职业技术学院云计算专业讲师，山东大学、山东建筑大学等多所本科学校学生校外指导老师
同学们，想知道如何利用华为开发者空间部署自己的DeepSeek模型吗？想了解如何用DeepSeek在云主机上探索好玩的应用吗？想探讨如何利用DeepSeek在自己的专有云主机上辅助编程吗？让我们来一场云和AI的盛宴。
即将直播 -
华为云Metastudio×DeepSeek与RAG检索优化分享2025/03/14 周五 16:00-17:30
大海 华为云学堂技术讲师 Cocl 华为云学堂技术讲师
本次直播将带来DeepSeek数字人解决方案，以及如何使用Embedding与Rerank实现检索优化实践，为开发者与企业提供参考，助力场景落地。
去报名
热门标签