- 本节书摘来自华章计算机《卷积神经网络与计算机视觉》 一书中第2章，第2.2.1节，作者是［澳］萨尔曼·汗（Salman Khan）侯赛因·拉哈马尼（Hossein Rahmani）赛义德·阿法克·阿里·沙（Syed Afaq Ali Shah）穆罕默德·本纳努恩（Mohammed Bennamoun），黄智濒 戴志涛 译。 本节书摘来自华章计算机《卷积神经网络与计算机视觉》 一书中第2章，第2.2.1节，作者是［澳］萨尔曼·汗（Salman Khan）侯赛因·拉哈马尼（Hossein Rahmani）赛义德·阿法克·阿里·沙（Syed Afaq Ali Shah）穆罕默德·本纳努恩（Mohammed Bennamoun），黄智濒 戴志涛 译。
- 本节书摘来自华章计算机《卷积神经网络与计算机视觉》 一书中第2章，第2.1.1节，作者是［澳］萨尔曼·汗（Salman Khan）侯赛因·拉哈马尼（Hossein Rahmani）赛义德·阿法克·阿里·沙（Syed Afaq Ali Shah）穆罕默德·本纳努恩（Mohammed Bennamoun），黄智濒 戴志涛 译。 本节书摘来自华章计算机《卷积神经网络与计算机视觉》 一书中第2章，第2.1.1节，作者是［澳］萨尔曼·汗（Salman Khan）侯赛因·拉哈马尼（Hossein Rahmani）赛义德·阿法克·阿里·沙（Syed Afaq Ali Shah）穆罕默德·本纳努恩（Mohammed Bennamoun），黄智濒 戴志涛 译。
- 本节书摘来自华章计算机《卷积神经网络与计算机视觉》 一书中第1章，第1.3节，作者是［澳］萨尔曼·汗（Salman Khan）侯赛因·拉哈马尼（Hossein Rahmani）赛义德·阿法克·阿里·沙（Syed Afaq Ali Shah）穆罕默德·本纳努恩（Mohammed Bennamoun），黄智濒 戴志涛 译。 本节书摘来自华章计算机《卷积神经网络与计算机视觉》 一书中第1章，第1.3节，作者是［澳］萨尔曼·汗（Salman Khan）侯赛因·拉哈马尼（Hossein Rahmani）赛义德·阿法克·阿里·沙（Syed Afaq Ali Shah）穆罕默德·本纳努恩（Mohammed Bennamoun），黄智濒 戴志涛 译。
- 本节书摘来自华章计算机《卷积神经网络与计算机视觉》 一书中第1章，第1.2.1节，作者是［澳］萨尔曼·汗（Salman Khan）侯赛因·拉哈马尼（Hossein Rahmani）赛义德·阿法克·阿里·沙（Syed Afaq Ali Shah）穆罕默德·本纳努恩（Mohammed Bennamoun），黄智濒 戴志涛 译。 本节书摘来自华章计算机《卷积神经网络与计算机视觉》 一书中第1章，第1.2.1节，作者是［澳］萨尔曼·汗（Salman Khan）侯赛因·拉哈马尼（Hossein Rahmani）赛义德·阿法克·阿里·沙（Syed Afaq Ali Shah）穆罕默德·本纳努恩（Mohammed Bennamoun），黄智濒 戴志涛 译。
- 本节书摘来自华章计算机《卷积神经网络与计算机视觉》 一书中第1章，第1.1.2节，作者是［澳］萨尔曼·汗（Salman Khan）侯赛因·拉哈马尼（Hossein Rahmani）赛义德·阿法克·阿里·沙（Syed Afaq Ali Shah）穆罕默德·本纳努恩（Mohammed Bennamoun），黄智濒 戴志涛 译。 本节书摘来自华章计算机《卷积神经网络与计算机视觉》 一书中第1章，第1.1.2节，作者是［澳］萨尔曼·汗（Salman Khan）侯赛因·拉哈马尼（Hossein Rahmani）赛义德·阿法克·阿里·沙（Syed Afaq Ali Shah）穆罕默德·本纳努恩（Mohammed Bennamoun），黄智濒 戴志涛 译。
- 本节书摘来自华章计算机《卷积神经网络与计算机视觉》 一书中第1章，第1.1.1节，作者是［澳］萨尔曼·汗（Salman Khan）侯赛因·拉哈马尼（Hossein Rahmani）赛义德·阿法克·阿里·沙（Syed Afaq Ali Shah）穆罕默德·本纳努恩（Mohammed Bennamoun），黄智濒 戴志涛 译。 本节书摘来自华章计算机《卷积神经网络与计算机视觉》 一书中第1章，第1.1.1节，作者是［澳］萨尔曼·汗（Salman Khan）侯赛因·拉哈马尼（Hossein Rahmani）赛义德·阿法克·阿里·沙（Syed Afaq Ali Shah）穆罕默德·本纳努恩（Mohammed Bennamoun），黄智濒 戴志涛 译。
- 本节书摘来自华章计算机《卷积神经网络与计算机视觉》 一作者是［澳］萨尔曼·汗（Salman Khan）侯赛因·拉哈马尼（Hossein Rahmani）赛义德·阿法克·阿里·沙（Syed Afaq Ali Shah）穆罕默德·本纳努恩（Mohammed Bennamoun），黄智濒 戴志涛 译。 本节书摘来自华章计算机《卷积神经网络与计算机视觉》 一作者是［澳］萨尔曼·汗（Salman Khan）侯赛因·拉哈马尼（Hossein Rahmani）赛义德·阿法克·阿里·沙（Syed Afaq Ali Shah）穆罕默德·本纳努恩（Mohammed Bennamoun），黄智濒 戴志涛 译。
- 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第1章，第1.7.1节，作者是李玉鑑、张婷、单传辉、刘兆英等。 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第1章，第1.7.1节，作者是李玉鑑、张婷、单传辉、刘兆英等。
- 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第1章，第1.4节，作者是李玉鑑、张婷、单传辉、刘兆英等。 本书摘自《深度学习：卷积神经网络从入门到精通》——书中第1章，第1.4节，作者是李玉鑑、张婷、单传辉、刘兆英等。
- 在此教程中，我们将对VGGNet模型及其原理进行一个简单的介绍，并实VGGNet模型的训练和推理，目前支持数据集有：MNIST、fashionMNIST、CIFAR10等，并给用户提供一个详细的帮助文档。 在此教程中，我们将对VGGNet模型及其原理进行一个简单的介绍，并实VGGNet模型的训练和推理，目前支持数据集有：MNIST、fashionMNIST、CIFAR10等，并给用户提供一个详细的帮助文档。
- 在此教程中，我们将对LeNet5模型及其原理进行一个简单的介绍，并实现不依赖库(使用了torch库来加载数据集)的LeNet模型的训练和推理，目前支持MNIST、FashionMNIST和CIFAR-10等数据集，给用户提供一个详细的帮助文档。 在此教程中，我们将对LeNet5模型及其原理进行一个简单的介绍，并实现不依赖库(使用了torch库来加载数据集)的LeNet模型的训练和推理，目前支持MNIST、FashionMNIST和CIFAR-10等数据集，给用户提供一个详细的帮助文档。
- 实现ResNet模型训练和推理，至少支持3种数据集 实现ResNet模型训练和推理，至少支持3种数据集
- 在此教程中，我们将对深度学习有一个基本的认识，并介绍几种常用的模型及算法，并对几个经典的模型及算法进行简单的代码实现 在此教程中，我们将对深度学习有一个基本的认识，并介绍几种常用的模型及算法，并对几个经典的模型及算法进行简单的代码实现
- 洼道路检测对于地质勘探、航天科学和自然灾害等领域的研究和应用具有重要意义。深度学习技术的快速发展为坑洼道路检测提供的新途径。本文基于Resnet（Residual Networks）网络建立了Resnet-34模型对题目数据进行处理，实现了精度较高的道路图像坑洼状态的识别，并通过实验和其他模型如Resnet-50和EfficientNet进行相关指标的比较,较好地反映出该模型在坑洼道路检测上... 洼道路检测对于地质勘探、航天科学和自然灾害等领域的研究和应用具有重要意义。深度学习技术的快速发展为坑洼道路检测提供的新途径。本文基于Resnet（Residual Networks）网络建立了Resnet-34模型对题目数据进行处理，实现了精度较高的道路图像坑洼状态的识别，并通过实验和其他模型如Resnet-50和EfficientNet进行相关指标的比较,较好地反映出该模型在坑洼道路检测上...
- 通过本专栏的阅读，后续你也可以自己魔改网络，在网络不同位置（Backbone、head、detect、loss等）进行魔改，实现创新！！！ 通过本专栏的阅读，后续你也可以自己魔改网络，在网络不同位置（Backbone、head、detect、loss等）进行魔改，实现创新！！！
上滑加载中
推荐直播
-
OpenHarmony应用开发之网络数据请求与数据解析2025/01/16 周四 19:00-20:30
华为开发者布道师、南京师范大学泰州学院副教授，硕士研究生导师，开放原子教育银牌认证讲师
科技浪潮中，鸿蒙生态强势崛起，OpenHarmony开启智能终端无限可能。当下，其原生应用开发适配潜力巨大，终端设备已广泛融入生活各场景，从家居到办公、穿戴至车载。 现在，机会敲门！我们的直播聚焦OpenHarmony关键的网络数据请求与解析，抛开晦涩理论，用真实案例带你掌握数据访问接口，轻松应对复杂网络请求、精准解析Json与Xml数据。参与直播，为开发鸿蒙App夯实基础，抢占科技新高地，别错过！
回顾中 -
Ascend C高层API设计原理与实现系列2025/01/17 周五 15:30-17:00
Ascend C 技术专家
以LayerNorm算子开发为例，讲解开箱即用的Ascend C高层API
回顾中
热门标签