- 深度残差网络（deep residual network, ResNet）是一种非常经典的深度学习方法，到目前为止，在谷歌学术上的引用量已经达到了37077次。深度残差收缩网络（deep residual shrinkage network）是 ResNet 的一种改进，实际上是 ResNet、注意力机制和软阈值化的深度集成，在深度神经网络的内部消除不重要的（或者与噪声相关的）特征，加强深度... 深度残差网络（deep residual network, ResNet）是一种非常经典的深度学习方法，到目前为止，在谷歌学术上的引用量已经达到了37077次。深度残差收缩网络（deep residual shrinkage network）是 ResNet 的一种改进，实际上是 ResNet、注意力机制和软阈值化的深度集成，在深度神经网络的内部消除不重要的（或者与噪声相关的）特征，加强深度...
- 对于机器学习的常用专业术语，我们在开始学习之前，最好大概的看一两次，简单了解一些常识和术语，有了基本了解后，对于后续学习会有很大的帮助。原文链接：https://developers.google.com/machine-learning/glossaryAA/B 测试 (A/B testing)一种统计方法，用于将两种或多种技术进行比较，通常是将当前采用的技术与新技术进行比较。A/B 测试... 对于机器学习的常用专业术语，我们在开始学习之前，最好大概的看一两次，简单了解一些常识和术语，有了基本了解后，对于后续学习会有很大的帮助。原文链接：https://developers.google.com/machine-learning/glossaryAA/B 测试 (A/B testing)一种统计方法，用于将两种或多种技术进行比较，通常是将当前采用的技术与新技术进行比较。A/B 测试...
- 长久以来，学术世界一直认为计算机在围棋这个复杂游戏上达到超越人类的水平是几乎无法实现的。它被视为人工智能的「圣杯」——一个我们原本希望在未来十年挑战的遥远里程碑。在国际象棋上，「深蓝」曾在 20 多年前实现了自己的目标，而其后数年，没有一个围棋引擎能够打败人类顶尖棋手。围棋及其引发的「数字混沌」是如此令人着迷，以至于人们一度将其想象为人类「对抗」计算机的最后壁垒。然而正如我们所知，201... 长久以来，学术世界一直认为计算机在围棋这个复杂游戏上达到超越人类的水平是几乎无法实现的。它被视为人工智能的「圣杯」——一个我们原本希望在未来十年挑战的遥远里程碑。在国际象棋上，「深蓝」曾在 20 多年前实现了自己的目标，而其后数年，没有一个围棋引擎能够打败人类顶尖棋手。围棋及其引发的「数字混沌」是如此令人着迷，以至于人们一度将其想象为人类「对抗」计算机的最后壁垒。然而正如我们所知，201...
- 1：进入ssh文件下cd ~/ .ssh2：生成ssh keyssh-keygen -t rsa -C "你的邮箱"3：提示输入目录，目录可以不填，有默认路径，直接回车// '()'里面是默认路径Enter file in which to save the key (/Users/user/.ssh/id_rsa):4：提示输入密码, 密码可以不填, 默认没有密码，直接回车5：提示再次输入... 1：进入ssh文件下cd ~/ .ssh2：生成ssh keyssh-keygen -t rsa -C "你的邮箱"3：提示输入目录，目录可以不填，有默认路径，直接回车// '()'里面是默认路径Enter file in which to save the key (/Users/user/.ssh/id_rsa):4：提示输入密码, 密码可以不填, 默认没有密码，直接回车5：提示再次输入...
- 互联网技术将我们带入了信息爆炸的时代，面对海量的信息，一方面用户难以迅速发现自己感兴趣的信息，另一方面长尾信息得不到曝光。为了解决这些问题，个性化推荐系统应运而生。美图拥有海量用户的同时积累了海量图片与视频，通过推荐系统有效建立了用户与内容的连接，大幅度提升产品的用户体验。总览美图个性化推荐主要应用于美拍APP，应用场景如下：场景一：美拍直播，实时的在线个性化排序业务；场景二：美拍热门（即美... 互联网技术将我们带入了信息爆炸的时代，面对海量的信息，一方面用户难以迅速发现自己感兴趣的信息，另一方面长尾信息得不到曝光。为了解决这些问题，个性化推荐系统应运而生。美图拥有海量用户的同时积累了海量图片与视频，通过推荐系统有效建立了用户与内容的连接，大幅度提升产品的用户体验。总览美图个性化推荐主要应用于美拍APP，应用场景如下：场景一：美拍直播，实时的在线个性化排序业务；场景二：美拍热门（即美...
- gensim在NLP中使用非常方便，几行代码就可以训练处一个词向量，本文记录gensim训练词向量的过程，以及对训练得到的词向量文件进行读取，分析等过程。以下是使用gensim训练词向量的代码。gensim.models Word2Vecgensim.models.word2vec LineSentencesentences = LineSentence()model = Word2Vec(... gensim在NLP中使用非常方便，几行代码就可以训练处一个词向量，本文记录gensim训练词向量的过程，以及对训练得到的词向量文件进行读取，分析等过程。以下是使用gensim训练词向量的代码。gensim.models Word2Vecgensim.models.word2vec LineSentencesentences = LineSentence()model = Word2Vec(...
- tqdm对于python开发来说非常方便，可以实时查看进度条哦，之前我写过一篇博客对tqdm进行介绍：Python有趣的库tqdm，给程序加一个进度条吧！在jupyter编辑器中对数据进行遍历的时候，我经常使用tqdm，但在输出内容的时候，jupyter存在长度限制，经常会报以下错误。limit_output extension: Maximum message size of 10000 ... tqdm对于python开发来说非常方便，可以实时查看进度条哦，之前我写过一篇博客对tqdm进行介绍：Python有趣的库tqdm，给程序加一个进度条吧！在jupyter编辑器中对数据进行遍历的时候，我经常使用tqdm，但在输出内容的时候，jupyter存在长度限制，经常会报以下错误。limit_output extension: Maximum message size of 10000 ...
- 分词是自然语言处理的一个基本工作，中文分词和英文不同，字词之间没有空格，可以将中文分词方法简单归纳为：基于词表的分词方法基于统计的分词方法基于序列标记的分词方法其中，基于词表的分词方法最为简单，根据起始匹配位置不同可以分为：前向最大匹配算法后向最大匹配算法双向最大匹配算法三种方法思想都很简单，今天我们用python实现前向最大匹配算法。前向最大匹配算法，顾名思义，就是从待分词句子的左边向右边... 分词是自然语言处理的一个基本工作，中文分词和英文不同，字词之间没有空格，可以将中文分词方法简单归纳为：基于词表的分词方法基于统计的分词方法基于序列标记的分词方法其中，基于词表的分词方法最为简单，根据起始匹配位置不同可以分为：前向最大匹配算法后向最大匹配算法双向最大匹配算法三种方法思想都很简单，今天我们用python实现前向最大匹配算法。前向最大匹配算法，顾名思义，就是从待分词句子的左边向右边...
- 2019年3月27日 ——ACM宣布，深度学习之父Yoshua Bengio, Yann LeCun, 以及Geoffrey Hinton获得了2018年的图灵奖，被称为“计算机领域的诺贝尔奖”。其中Yoshua Bengio是《深度学习》作者之一。今天，深度学习已经成为了人工智能技术领域最重要的技术之一。在最近数年中，计算机视觉、语音识别、自然语言处理和机器人取得的爆炸性进展都离不开深度学... 2019年3月27日 ——ACM宣布，深度学习之父Yoshua Bengio, Yann LeCun, 以及Geoffrey Hinton获得了2018年的图灵奖，被称为“计算机领域的诺贝尔奖”。其中Yoshua Bengio是《深度学习》作者之一。今天，深度学习已经成为了人工智能技术领域最重要的技术之一。在最近数年中，计算机视觉、语音识别、自然语言处理和机器人取得的爆炸性进展都离不开深度学...
- 看了好多书籍和博客，讲先验后验、贝叶斯公式、两大学派、概率模型、或是逻辑回归，讲的一个比一个清楚 ，但是联系起来却理解不能基本概念如下先验概率：一个事件发生的概率 P(y) P(y) 后验概率：一个事件在另一个事件发生条件下的条件概率 P(y|x) P(y|x) 贝叶斯公式：联合概率公式直接能推导出来的，代表什么意义？不放在具体问题中代表不了任何意义 P(y|x)=P(x|y)P(y)P(x... 看了好多书籍和博客，讲先验后验、贝叶斯公式、两大学派、概率模型、或是逻辑回归，讲的一个比一个清楚 ，但是联系起来却理解不能基本概念如下先验概率：一个事件发生的概率 P(y) P(y) 后验概率：一个事件在另一个事件发生条件下的条件概率 P(y|x) P(y|x) 贝叶斯公式：联合概率公式直接能推导出来的，代表什么意义？不放在具体问题中代表不了任何意义 P(y|x)=P(x|y)P(y)P(x...
- 左右声道可以记录更多的信息，使用python如何分离左右通道呢？wav文件通常会记录左右声道，但wav文件通常会被压缩，我在网上找了几种方法，都不能正常读取压缩后的wav文件，下面介绍一种方法，使用python分离wav文件的左右声道以下是读取wav文件的代码。import soundfile as sfmusicFileName = "1016(37)_13733163362(4)_In_... 左右声道可以记录更多的信息，使用python如何分离左右通道呢？wav文件通常会记录左右声道，但wav文件通常会被压缩，我在网上找了几种方法，都不能正常读取压缩后的wav文件，下面介绍一种方法，使用python分离wav文件的左右声道以下是读取wav文件的代码。import soundfile as sfmusicFileName = "1016(37)_13733163362(4)_In_...
- 数据库索引结构其实也是模型，例如 B-tree索引、哈希映射以及 BitMap索引。从这一点出发，本论文证明了目前的索引模型均可以用其它可学习的模型来替代。初步实验结果显示，与基于缓存优化的 B-tree结构相比，使用神经网络在速度上可以提高 70%，并且大大节省了内存。“机器学习模型有可能比目前最先进的数据库索引有更显著的好处”。 数据库索引结构其实也是模型，例如 B-tree索引、哈希映射以及 BitMap索引。从这一点出发，本论文证明了目前的索引模型均可以用其它可学习的模型来替代。初步实验结果显示，与基于缓存优化的 B-tree结构相比，使用神经网络在速度上可以提高 70%，并且大大节省了内存。“机器学习模型有可能比目前最先进的数据库索引有更显著的好处”。
- 机器学习作为一个领域，正以惊人的速度发展。Github 是全世界开发者都在关注的网站，最高质量的代码被定期发布在这里。本文介绍了5个业界关注度最高的开源项目，供同学们一起交流学习。 机器学习作为一个领域，正以惊人的速度发展。Github 是全世界开发者都在关注的网站，最高质量的代码被定期发布在这里。本文介绍了5个业界关注度最高的开源项目，供同学们一起交流学习。
- yolo是非常强大的模型，在物体定位领域应用非常普遍。今天我们不聊yolo的原理和网络结构，我们聊聊对yolo输出结果进行可视化。yolo在对图片进行分析后，会输出r, r是一个list,大致如下[('印章', 0.9983074069023132, (912.6295776367188, 395.174072265625, 213.7032928466797, 206.8572082519... yolo是非常强大的模型，在物体定位领域应用非常普遍。今天我们不聊yolo的原理和网络结构，我们聊聊对yolo输出结果进行可视化。yolo在对图片进行分析后，会输出r, r是一个list,大致如下[('印章', 0.9983074069023132, (912.6295776367188, 395.174072265625, 213.7032928466797, 206.8572082519...
- 笔者专访了华为诺亚方舟实验室语音语义首席科学家刘群，让我们一起来了解一下自然语言处理的发展和挑战。 笔者专访了华为诺亚方舟实验室语音语义首席科学家刘群，让我们一起来了解一下自然语言处理的发展和挑战。
上滑加载中
推荐直播
-
深度解析鸿蒙应用入门级开发者认证2024/12/04 周三 16:00-18:00
Edi 华为云学堂技术讲师
本期直播将为开发者带来HCCDA-HarmonyOS&Cloud Apps认证课程系统介绍、详细阐述HarmonyOS 技术架构、理解HarmonyOS 技术理念，通过实例带领开发者应用快速上手。
回顾中 -
鸿蒙应用入门：轻松掌握ArkTS开发语言2024/12/05 周四 16:00-18:00
Edi 华为云学堂技术讲师
本期直播课旨在让开发者了解ArkTS语法、轻松掌握ArkUI组件开发，带你零门槛入门鸿蒙开发，掌握状态管理实验和渲染控制实验。
即将直播 -
人工智能应用测试深度解析：理论基础与实践应用指南2024/12/06 周五 14:30-16:30
Alex 华为云学堂技术讲师
本期直播主要结合理论及人工智能的相关实验，给大家讲述AI应用测试的主要流程和方法。帮助开发者了解AI应用测试的理论及方法，和AI应用测试在模型迭代调优过程中的作用。
去报名
热门标签