- 随着硬件设备的发展，越来越多的底层芯片开始具备运行深度学习模型的能力。本文详细介绍了在海思的3516ev200芯片上使用腾讯的ncnn框架编译和运行模型的流程，希望对你有所帮助，同时也希望能探讨端侧算法更多的可能性。 随着硬件设备的发展，越来越多的底层芯片开始具备运行深度学习模型的能力。本文详细介绍了在海思的3516ev200芯片上使用腾讯的ncnn框架编译和运行模型的流程，希望对你有所帮助，同时也希望能探讨端侧算法更多的可能性。
- 机器学习中往往会遇到样本特征非常多的情况，往往成千过万，这对于机器学习是非常不利的，被称为维数灾难。降维的主要方法有多维缩放（MDS）、主成分分析（PCA）、线性判别分析（LDA）。 机器学习中往往会遇到样本特征非常多的情况，往往成千过万，这对于机器学习是非常不利的，被称为维数灾难。降维的主要方法有多维缩放（MDS）、主成分分析（PCA）、线性判别分析（LDA）。
- KNN是一种常见的监督学习算法，工作机制很好理解：给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个“邻居”的信息来进行预测。总结一句话就是“近朱者赤，近墨者黑”。 KNN是一种常见的监督学习算法，工作机制很好理解：给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个“邻居”的信息来进行预测。总结一句话就是“近朱者赤，近墨者黑”。
- 神经网络也是机器学习的一种方法，是深度学习的基础。这是一种模拟生物神经系统实现人工智能的一种技术。要学习神经网络，就要从最经典的“M-P神经元模型”开始，这是神经网络乃至深度学习的基础，也是这个算法为什么被称为“神经网络”的原因。 神经网络也是机器学习的一种方法，是深度学习的基础。这是一种模拟生物神经系统实现人工智能的一种技术。要学习神经网络，就要从最经典的“M-P神经元模型”开始，这是神经网络乃至深度学习的基础，也是这个算法为什么被称为“神经网络”的原因。
- 以机器学习和数据挖掘为核心的 AI 技术逐渐深入融合到金融、教育、医疗等全行业场景中，让传统的行业焕发出了新的活力，AI + 正在成为新的热潮。算法是人工智能的根基，是在幕后推动人工智能最终实现的“核心引擎”， 目前人工智能主要以算法来引领，通过大数据、大算力来实现，深度学习算法的突破引爆了大量的落地应用，如人脸识别、信息搜索、语音理解、无人系统、医学影像等。需要注意地是，人工智能技术在应用端如火 以机器学习和数据挖掘为核心的 AI 技术逐渐深入融合到金融、教育、医疗等全行业场景中，让传统的行业焕发出了新的活力，AI + 正在成为新的热潮。算法是人工智能的根基，是在幕后推动人工智能最终实现的“核心引擎”， 目前人工智能主要以算法来引领，通过大数据、大算力来实现，深度学习算法的突破引爆了大量的落地应用，如人脸识别、信息搜索、语音理解、无人系统、医学影像等。需要注意地是，人工智能技术在应用端如火
- 贝叶斯算法是一个典型的统计概率学算法，里面涉及到较多的统计学概念，贝叶斯分类器和贝叶斯网络也是以这个算法作为理论基础。先来看看几个绕不过去的统计学概念： 贝叶斯算法是一个典型的统计概率学算法，里面涉及到较多的统计学概念，贝叶斯分类器和贝叶斯网络也是以这个算法作为理论基础。先来看看几个绕不过去的统计学概念：
- 支持向量机（SVM）可以说是一个完全由数学理论和公式进行应用的一种机器学习算法，在小批量数据分类上准确度高、性能好，在二分类问题上有广泛的应用。同样是二分类算法，支持向量机和逻辑回归有很多相似性，都是二分类问题的判决模型，主要的差异在于损失函数的不同，支持向量机相比于逻辑回归，更倾向于找到样本空间中最优的划分超平面。 支持向量机（SVM）可以说是一个完全由数学理论和公式进行应用的一种机器学习算法，在小批量数据分类上准确度高、性能好，在二分类问题上有广泛的应用。同样是二分类算法，支持向量机和逻辑回归有很多相似性，都是二分类问题的判决模型，主要的差异在于损失函数的不同，支持向量机相比于逻辑回归，更倾向于找到样本空间中最优的划分超平面。
- 机器学习研究不是关于 AI 应该具备哪些知识的研究，而是提出优秀的学习算法的研究。 机器学习研究不是关于 AI 应该具备哪些知识的研究，而是提出优秀的学习算法的研究。
- 决策树是一种非常常见的机器学习算法，采用的是自顶向下的递归方法，利用信息熵为基本度量构造一颗熵值下降最快的树，理想情况下到叶子节点的熵值为零，对应每个叶子节点的实例都属于同一类。叶子节点对应于决策结果，节点则对应一个属性测试。相比于线性模型，树形模型更接近于人的思维方式，可以产生可视化的分类规则，产生的模型具有比较强的可解释性。 本文作者周捷 决策树是一种非常常见的机器学习算法，采用的是自顶向下的递归方法，利用信息熵为基本度量构造一颗熵值下降最快的树，理想情况下到叶子节点的熵值为零，对应每个叶子节点的实例都属于同一类。叶子节点对应于决策结果，节点则对应一个属性测试。相比于线性模型，树形模型更接近于人的思维方式，可以产生可视化的分类规则，产生的模型具有比较强的可解释性。 本文作者周捷
- 一般情况下，我们都认为逻辑回归（LR）用来解决二分类问题，模型输出是y=1的概率值。那逻辑回归能否用来做多分类任务呢，答案是肯定的。这里有两种方法使得逻辑回归能进行多分类任务： 一、将多分类任务拆解成多个二分类任务，利用逻辑回归分类器进行投票求解；二、对传统的逻辑回归模型进行改造，使之变为softmax回归模型进行多分类任务求解。 本文作者周捷。 一般情况下，我们都认为逻辑回归（LR）用来解决二分类问题，模型输出是y=1的概率值。那逻辑回归能否用来做多分类任务呢，答案是肯定的。这里有两种方法使得逻辑回归能进行多分类任务： 一、将多分类任务拆解成多个二分类任务，利用逻辑回归分类器进行投票求解；二、对传统的逻辑回归模型进行改造，使之变为softmax回归模型进行多分类任务求解。 本文作者周捷。
- 逻辑回归基本概念：前面提到过线性模型也可以用来做分类任务，但线性模型的预测输出 y = wx + b 可能是（-∞，+∞）范围内的任意实数，而二分类任务的输出y={0,1}，如何在这之间做转换呢？ 逻辑回归基本概念：前面提到过线性模型也可以用来做分类任务，但线性模型的预测输出 y = wx + b 可能是（-∞，+∞）范围内的任意实数，而二分类任务的输出y={0,1}，如何在这之间做转换呢？
- 9月18日-20日,一年一度的华为全联接大会(HUAWEI CONNECT 2019)将在上海世博中心世博展览馆隆重开幕。本次华为全联接大会以“共创智能新高度”为主题,将发布云和AI的最新产品与解决方案,分享如何应用云和AI的技术,推进数字化转型的最新实践。此次大会上,ModelArts图深度学习也将作为重头戏为大家展示。 9月18日-20日,一年一度的华为全联接大会(HUAWEI CONNECT 2019)将在上海世博中心世博展览馆隆重开幕。本次华为全联接大会以“共创智能新高度”为主题,将发布云和AI的最新产品与解决方案,分享如何应用云和AI的技术,推进数字化转型的最新实践。此次大会上,ModelArts图深度学习也将作为重头戏为大家展示。
- 本人本身是从事工业领域的机器视觉行业的，做过不少的机器视觉方案，记得14,15年以前，都是用得比如halcon，MIL，OPENCV，对于图像的分类，分割，定位等等，传统方法已经到了算法的瓶颈，尤其是图像缺陷检测这一块，传统的机器视觉，很难适应复杂的场景，这就导致，比如在手机玻璃盖板检测领域，即使是不差钱的iPhone手机，在富士康等厂家依然用的是人海战术在做玻璃盖板的检测；20... 本人本身是从事工业领域的机器视觉行业的，做过不少的机器视觉方案，记得14,15年以前，都是用得比如halcon，MIL，OPENCV，对于图像的分类，分割，定位等等，传统方法已经到了算法的瓶颈，尤其是图像缺陷检测这一块，传统的机器视觉，很难适应复杂的场景，这就导致，比如在手机玻璃盖板检测领域，即使是不差钱的iPhone手机，在富士康等厂家依然用的是人海战术在做玻璃盖板的检测；20...
- 本书摘自《智能系统与技术丛书 深度学习实践：基于Caffe的解析》一文中的第1章，第1.2节，作者是薛云峰。 本书摘自《智能系统与技术丛书 深度学习实践：基于Caffe的解析》一文中的第1章，第1.2节，作者是薛云峰。
- 本书摘自《深度学习之TensorFlow入门、原理与进阶实战》一书中的第1章，第1.1节，编著是李金洪. 本书摘自《深度学习之TensorFlow入门、原理与进阶实战》一书中的第1章，第1.1节，编著是李金洪.
上滑加载中
推荐直播
-
华为云入门必修课：技术精髓知识点精讲2024/11/07 周四 17:40-19:40
Jackie 华为云资深布道师
本期直播旨在帮开发者了解云的基本概念、云的优势、常见存储服务的原理及使用，掌握ECS的概念、功能、场景和使用等，为你的开发之路奠定坚实理论根基，帮助开发者在云计算领域提升技能，增强职业竞争力。
去报名
热门标签