- 使用的镜像规格如下所示：模型转换注意事项：使用2022年CANN训练营第一期的镜像camp-course-2022-6(5.0.5.alpha001)转换模型报错，推测是不支持静态AIPP和动态Batch的组合，若用动态AIPP和动态Batch组合，则可成功转换模型，但未测试能否进行后续推理。 使用的镜像规格如下所示：模型转换注意事项：使用2022年CANN训练营第一期的镜像camp-course-2022-6(5.0.5.alpha001)转换模型报错，推测是不支持静态AIPP和动态Batch的组合，若用动态AIPP和动态Batch组合，则可成功转换模型，但未测试能否进行后续推理。
- 这节课学习了结构体的相关知识，学习了结构体的定义和使用方法，结构体是一种可以包含多个不同的数据类型的变量的一种数据类型，感觉是枚举的进阶版。 这节课学习了结构体的相关知识，学习了结构体的定义和使用方法，结构体是一种可以包含多个不同的数据类型的变量的一种数据类型，感觉是枚举的进阶版。
- 这些有趣的 python 库，可以让你爱上 python 这些有趣的 python 库，可以让你爱上 python
- 最近看了36氪最新发布的 “重温父辈的爱情，揭秘AI还原老照片背后的技术”分享视频，视频中一张张年代久远的黑白结婚照，通过应用 HMS Core的技术进行AI着色、再进行一键微笑处理，就使得这些承载着记忆的老照片焕发了新的光彩，更加生动鲜活。 最近看了36氪最新发布的 “重温父辈的爱情，揭秘AI还原老照片背后的技术”分享视频，视频中一张张年代久远的黑白结婚照，通过应用 HMS Core的技术进行AI着色、再进行一键微笑处理，就使得这些承载着记忆的老照片焕发了新的光彩，更加生动鲜活。
- 一：多态的概念概念通俗来说，就是多种形态，具体点就是去完成某个行为，当不同的对象去完成时会产生出不同的状态。举个栗子：比如买票这个行为，当普通人买票时，是全价买票；学生买票时，是半价买票；军人买票时是优 先买票。再举个栗子：最近为了争夺在线支付市场，支付宝年底经常会做诱人的扫红包-支付-给奖励金的活动。那么大家想想为什么有人扫的红包又大又新鲜8块、10块…，而有人扫的红包都是1毛，5毛…。... 一：多态的概念概念通俗来说，就是多种形态，具体点就是去完成某个行为，当不同的对象去完成时会产生出不同的状态。举个栗子：比如买票这个行为，当普通人买票时，是全价买票；学生买票时，是半价买票；军人买票时是优 先买票。再举个栗子：最近为了争夺在线支付市场，支付宝年底经常会做诱人的扫红包-支付-给奖励金的活动。那么大家想想为什么有人扫的红包又大又新鲜8块、10块…，而有人扫的红包都是1毛，5毛…。...
- 5 ROS架构到目前为止，我们已经安装了ROS，运行了ROS中内置的小乌龟案例，并且也编写了ROS小程序，对ROS也有了一个大概的认知，当然这个认知可能还是比较模糊并不清晰的，接下来，我们要从宏观上来介绍一下ROS的架构设计。立足不同的角度，对ROS架构的描述也是不同的，一般我们可以从设计者、维护者、系统结构与自身结构4个角度来描述ROS结构:1.设计者ROS设计者将ROS表述为“ROS ... 5 ROS架构到目前为止，我们已经安装了ROS，运行了ROS中内置的小乌龟案例，并且也编写了ROS小程序，对ROS也有了一个大概的认知，当然这个认知可能还是比较模糊并不清晰的，接下来，我们要从宏观上来介绍一下ROS的架构设计。立足不同的角度，对ROS架构的描述也是不同的，一般我们可以从设计者、维护者、系统结构与自身结构4个角度来描述ROS结构:1.设计者ROS设计者将ROS表述为“ROS ...
- 4 ROS集成开发环境搭建和大多数开发环境一样，理论上，在 ROS 中，只需要记事本就可以编写基本的 ROS 程序，但是工欲善其事必先利其器，为了提高开发效率，可以先安装集成开发工具和使用方便的工具:终端、IDE… 4.1 安装终端在 ROS 中，需要频繁的使用到终端，且可能需要同时开启多个窗口，推荐一款较为好用的终端:Terminator。效果如下:1.安装sudo apt instal... 4 ROS集成开发环境搭建和大多数开发环境一样，理论上，在 ROS 中，只需要记事本就可以编写基本的 ROS 程序，但是工欲善其事必先利其器，为了提高开发效率，可以先安装集成开发工具和使用方便的工具:终端、IDE… 4.1 安装终端在 ROS 中，需要频繁的使用到终端，且可能需要同时开启多个窗口，推荐一款较为好用的终端:Terminator。效果如下:1.安装sudo apt instal...
- 公共自行车使用量预测公共自行车低碳、环保、健康，并且解决了交通中“最后一公里”的痛点，在全国各个城市越来越受欢迎。本练习赛的数据取自于两个城市某街道上的几处公共自行车停车桩。我们希望根据时间、天气等信息，预测出该街区在一小时内的被借取的公共自行车的数量。train.csv 训练集，文件大小 273kbtest.csv 预测集, 文件大小 179kb公共自行车使用量预测训练集中共有10000... 公共自行车使用量预测公共自行车低碳、环保、健康，并且解决了交通中“最后一公里”的痛点，在全国各个城市越来越受欢迎。本练习赛的数据取自于两个城市某街道上的几处公共自行车停车桩。我们希望根据时间、天气等信息，预测出该街区在一小时内的被借取的公共自行车的数量。train.csv 训练集，文件大小 273kbtest.csv 预测集, 文件大小 179kb公共自行车使用量预测训练集中共有10000...
- 算法案例手写数字识别 加载模型 算法案例手写数字识别MNIST数据集是机器学习领域中非常经典的一个数据集，由60000个训练样本和10000个测试样本组成，每个样本都是一张28 * 28像素的灰度手写数字图片。选择算法，并保存模型import picklefrom sklearn.linear_model import LogisticRegressionfrom sklearn.metr... 算法案例手写数字识别 加载模型 算法案例手写数字识别MNIST数据集是机器学习领域中非常经典的一个数据集，由60000个训练样本和10000个测试样本组成，每个样本都是一张28 * 28像素的灰度手写数字图片。选择算法，并保存模型import picklefrom sklearn.linear_model import LogisticRegressionfrom sklearn.metr...
- 保存算法模型 1、加载数据集 2、数据集划分 3、特征工程（标准化） 4、模型选择 代码： 使用算法模型 保存算法模型 1、加载数据集data = load_iris() 2、数据集划分train_x,test_x,train_y,test_y = train_test_split(data['data'],data['target']) 3、特征工程（标准化）std = Standard... 保存算法模型 1、加载数据集 2、数据集划分 3、特征工程（标准化） 4、模型选择 代码： 使用算法模型 保存算法模型 1、加载数据集data = load_iris() 2、数据集划分train_x,test_x,train_y,test_y = train_test_split(data['data'],data['target']) 3、特征工程（标准化）std = Standard...
- 暴力调参案例 首先引入所需库 编码问题显示 获取数据 自动调参 选择算法调参 可视化 代码整合： 结果： 暴力调参案例使用的数据集为from sklearn.datasets import fetch_20newsgroups因为在线下载慢，可以提前下载保存到 首先引入所需库import numpy as npimport pandas as pddefaultencoding = 'ut... 暴力调参案例 首先引入所需库 编码问题显示 获取数据 自动调参 选择算法调参 可视化 代码整合： 结果： 暴力调参案例使用的数据集为from sklearn.datasets import fetch_20newsgroups因为在线下载慢，可以提前下载保存到 首先引入所需库import numpy as npimport pandas as pddefaultencoding = 'ut...
- 机器学习 机器学习分类 回归算法 分类算法 聚类算法 数据 数据清洗和转换 特征工程 特征提取 特征预处理 归一化 标准化 特征降维 数据集划分 分类模型评估 回归模型评估 聚类模型评估 模型保存 案例介绍 1、加载数据集 2、数据集划分 3、进行特征工程 (进行数据标准化) 4、选择模型训练 5、模型评估 6.模型保存 机器学习机器学习（Machine Learning，ML）是一门多领... 机器学习 机器学习分类 回归算法 分类算法 聚类算法 数据 数据清洗和转换 特征工程 特征提取 特征预处理 归一化 标准化 特征降维 数据集划分 分类模型评估 回归模型评估 聚类模型评估 模型保存 案例介绍 1、加载数据集 2、数据集划分 3、进行特征工程 (进行数据标准化) 4、选择模型训练 5、模型评估 6.模型保存 机器学习机器学习（Machine Learning，ML）是一门多领...
- 新星计划Day2【JavaSE】 枚举类与注解💕前面的话💞本篇文章将介绍枚举类与注解，枚举类即为类的对象只有有限个，确定的。注解其实就是代码里的特殊标记，下面我们具体来看看它们里面的内容吧，这个章节内容不多，一天就可以学完啦（￣︶￣）↗ 👩💻博客主页：京与旧铺的博客主页✨欢迎关注🖱点赞🎀收藏⭐留言✒🔮本文由京与旧铺原创，csdn首发！😘系列专栏：java学习💻首发时间：?... 新星计划Day2【JavaSE】 枚举类与注解💕前面的话💞本篇文章将介绍枚举类与注解，枚举类即为类的对象只有有限个，确定的。注解其实就是代码里的特殊标记，下面我们具体来看看它们里面的内容吧，这个章节内容不多，一天就可以学完啦（￣︶￣）↗ 👩💻博客主页：京与旧铺的博客主页✨欢迎关注🖱点赞🎀收藏⭐留言✒🔮本文由京与旧铺原创，csdn首发！😘系列专栏：java学习💻首发时间：?...
- 主要讲述人工智能概述，介绍了目前人工智能的状况、发展历史、技术及应用领域、华为目前的发展战略，最后讲述了人工智能的发展趋势。 全文一共10640字，预估阅读时间约17分钟。 主要讲述人工智能概述，介绍了目前人工智能的状况、发展历史、技术及应用领域、华为目前的发展战略，最后讲述了人工智能的发展趋势。 全文一共10640字，预估阅读时间约17分钟。
- 列表是Python容器数据类型，它是整个人工智能体系的容器数据结构底层核心，在它的基础上，扩展出了Numpy——机器学习数据容器，扩展出了Tensor——深度学习数据容器，所以要想学会人工智能，必须理解列表的使用。 列表是Python容器数据类型，它是整个人工智能体系的容器数据结构底层核心，在它的基础上，扩展出了Numpy——机器学习数据容器，扩展出了Tensor——深度学习数据容器，所以要想学会人工智能，必须理解列表的使用。
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签