- torch.Tensor 是一种包含单一数据类型元素的多维矩阵，类似于 numpy 的 array。 可以使用使用 torch.tensor() 方法将 python 的 list 或序列数据转换成 Tensor 数据，生成的是dtype 默认是 torch.FloatTensor。 torch.Tensor 是一种包含单一数据类型元素的多维矩阵，类似于 numpy 的 array。 可以使用使用 torch.tensor() 方法将 python 的 list 或序列数据转换成 Tensor 数据，生成的是dtype 默认是 torch.FloatTensor。
- 编辑Scratch3.0——助力新进程序员理解程序(难度案例三、五子棋双人对战-电脑需要AI写不出来)前言 一般来说，针对6-18岁的少年儿童开展的编程教育，现在，最常见的形式是线上和线下模式相结合的课外培训。 这里我用作让大朋友们可以快速的理解程序所以单独立的专栏，希望能帮助到大朋友们，如果大朋友们是准备去少儿编程做讲师啥的，就可以参考参考了。 ... 编辑Scratch3.0——助力新进程序员理解程序(难度案例三、五子棋双人对战-电脑需要AI写不出来)前言 一般来说，针对6-18岁的少年儿童开展的编程教育，现在，最常见的形式是线上和线下模式相结合的课外培训。 这里我用作让大朋友们可以快速的理解程序所以单独立的专栏，希望能帮助到大朋友们，如果大朋友们是准备去少儿编程做讲师啥的，就可以参考参考了。 ...
- 我们知道，在一定程度上，网络越深，参数越多，模型越复杂，其最终效果越好。神经网络的压缩算法是，旨在将一个庞大而复杂的预训练模型（pre-trained model）转化为一个精简的小模型。 按照压缩过程对网络结构的破坏程度，我们将模型压缩技术分为“前端压缩”和“后端压缩”两部分。 前端压缩，是指在不改变原网络结构的压缩技术，主要包括知识蒸馏、轻量级网络（紧凑的模型结构设计）以及滤波器（filte 我们知道，在一定程度上，网络越深，参数越多，模型越复杂，其最终效果越好。神经网络的压缩算法是，旨在将一个庞大而复杂的预训练模型（pre-trained model）转化为一个精简的小模型。 按照压缩过程对网络结构的破坏程度，我们将模型压缩技术分为“前端压缩”和“后端压缩”两部分。 前端压缩，是指在不改变原网络结构的压缩技术，主要包括知识蒸馏、轻量级网络（紧凑的模型结构设计）以及滤波器（filte
- 终端设备上运行深度学习算法需要考虑内存和算力的需求，因此需要进行模型复杂度分析，涉及到模型计算量（时间/计算复杂度）和模型参数量（空间复杂度）分析。 终端设备上运行深度学习算法需要考虑内存和算力的需求，因此需要进行模型复杂度分析，涉及到模型计算量（时间/计算复杂度）和模型参数量（空间复杂度）分析。
- 编辑第十四届蓝桥杯集训——练习解题阶段(无序阶段)-分治算法分治算法百度词条解释： 分治算法的基本思想是将一个规模为N的问题分解为K个规模较小的子问题，这些子问题相互独立且与原问题性质相同。求出子问题的解，就可得到原问题的解。即一种分目标完成程序算法，简单问题可用二分法完成。基本思想： 当我们求解某些问题时，由于这些问题要处理的数据相当多，或求解过程相当复杂... 编辑第十四届蓝桥杯集训——练习解题阶段(无序阶段)-分治算法分治算法百度词条解释： 分治算法的基本思想是将一个规模为N的问题分解为K个规模较小的子问题，这些子问题相互独立且与原问题性质相同。求出子问题的解，就可得到原问题的解。即一种分目标完成程序算法，简单问题可用二分法完成。基本思想： 当我们求解某些问题时，由于这些问题要处理的数据相当多，或求解过程相当复杂...
- 矩阵乘的算法优化可分为两类：基于算法分析的方法：根据矩阵乘计算特性，从数学角度优化，典型的算法包括 Strassen 算法和 Coppersmith–Winograd 算法。 矩阵乘的算法优化可分为两类：基于算法分析的方法：根据矩阵乘计算特性，从数学角度优化，典型的算法包括 Strassen 算法和 Coppersmith–Winograd 算法。
- 昇腾体验官第五期随手记Ihttps://bbs.huaweicloud.com/blogs/363969首先，体验目标是通用目标检测，代码在这里。通过查看代码文档，知道了昇腾 AI 处理器的PCIe的工作模式，有RC和EP模式。如果PCIe工作在主模式，可以扩展外设，则称为RC模式；如果PCIe工作在从模式，则称为EP模式。简单的来说，主模式（RC模式）就是昇腾处理器全包了，CPU的活它干了... 昇腾体验官第五期随手记Ihttps://bbs.huaweicloud.com/blogs/363969首先，体验目标是通用目标检测，代码在这里。通过查看代码文档，知道了昇腾 AI 处理器的PCIe的工作模式，有RC和EP模式。如果PCIe工作在主模式，可以扩展外设，则称为RC模式；如果PCIe工作在从模式，则称为EP模式。简单的来说，主模式（RC模式）就是昇腾处理器全包了，CPU的活它干了...
- 人工智能，太简单了 人工智能，太简单了
- 安第斯高原生态系统在地形多样的地区维持着高水平的花卉和动物生物多样性，并提供各种生态系统服务，包括向城市和下游农业谷地供水。谷歌（™）已经开发了一个专门用于测绘的产品（地球引擎），它使用户能够近乎实时地利用基于云计算的解决方案的计算能力，进行土地覆盖变化的测绘和监测。我们探索了在地形复杂、植被类型高度混杂的地形（位于秘鲁安第斯山脉中部的Nor Yauyos Cochas景观保护区）中，利用分... 安第斯高原生态系统在地形多样的地区维持着高水平的花卉和动物生物多样性，并提供各种生态系统服务，包括向城市和下游农业谷地供水。谷歌（™）已经开发了一个专门用于测绘的产品（地球引擎），它使用户能够近乎实时地利用基于云计算的解决方案的计算能力，进行土地覆盖变化的测绘和监测。我们探索了在地形复杂、植被类型高度混杂的地形（位于秘鲁安第斯山脉中部的Nor Yauyos Cochas景观保护区）中，利用分...
- 1 图像 1.1 图像标签图像由<img> 标签定义；<img> 是空标签，只包含属性，并且没有闭合标签；需要使用源属性（src），页面上才能显示图像，其值是图像的 URL 地址；标签说明<img>定义图像<map>定义图像地图<area>定义图像地图中的可点击区域 1.2 使用方法<img src="url" alt="可替换的文本信息"> 1.3 Alt属性用来为图像定义一串预备的可替... 1 图像 1.1 图像标签图像由<img> 标签定义；<img> 是空标签，只包含属性，并且没有闭合标签；需要使用源属性（src），页面上才能显示图像，其值是图像的 URL 地址；标签说明<img>定义图像<map>定义图像地图<area>定义图像地图中的可点击区域 1.2 使用方法<img src="url" alt="可替换的文本信息"> 1.3 Alt属性用来为图像定义一串预备的可替...
- 本文章是对《数字图像处理》书中知识概念、定理、公式的总结知识，并给出了自己的理解，部分涉及具体应用代码，主要是原理解析和算法总结。学习数字图像处理能让我们更深入理解计算机视觉领域的内容。 本文章是对《数字图像处理》书中知识概念、定理、公式的总结知识，并给出了自己的理解，部分涉及具体应用代码，主要是原理解析和算法总结。学习数字图像处理能让我们更深入理解计算机视觉领域的内容。
- 原文链接 Markdown 公式指导手册 Markdown 公式指导手册 一、公式使用参考 1．如何插入公式 2．如何输入上下标 3．如何输入括号和分隔符 4．如何输入分数 5．如何输入开方 6．如何输入省略号 7．如何输入向量 8．如何输入积分 9．如何输入极限运算 10．如何输入累加、累乘运算 11．如何输入希腊字母 12．如何输入其它特殊字符 (1)．关系运算符 (2)．集合运算符 ... 原文链接 Markdown 公式指导手册 Markdown 公式指导手册 一、公式使用参考 1．如何插入公式 2．如何输入上下标 3．如何输入括号和分隔符 4．如何输入分数 5．如何输入开方 6．如何输入省略号 7．如何输入向量 8．如何输入积分 9．如何输入极限运算 10．如何输入累加、累乘运算 11．如何输入希腊字母 12．如何输入其它特殊字符 (1)．关系运算符 (2)．集合运算符 ...
- 本文的主要贡献在于通过理论分析和大量实验证明使用恒等映射（identity mapping）作为快捷连接（skip connection）对于残差块的重要性。同时，将 BN/ReLu 这些 activation 操作挪到了 Conv（真正的weights filter操作）之前，提出“预激活“操作，并通过与”后激活“操作做对比实验，表明对于多层网络，使用了预激活残差单元（Pre-activatio 本文的主要贡献在于通过理论分析和大量实验证明使用恒等映射（identity mapping）作为快捷连接（skip connection）对于残差块的重要性。同时，将 BN/ReLu 这些 activation 操作挪到了 Conv（真正的weights filter操作）之前，提出“预激活“操作，并通过与”后激活“操作做对比实验，表明对于多层网络，使用了预激活残差单元（Pre-activatio
- 在 DenseNet 中，让网络中的每一层都直接与其前面层相连，实现特征的重复利用；同时把网络的每一层设计得特别“窄”（特征图/滤波器数量少），即只学习非常少的特征图（最极端情况就是每一层只学习一个特征图），达到降低冗余性的目的。 在 DenseNet 中，让网络中的每一层都直接与其前面层相连，实现特征的重复利用；同时把网络的每一层设计得特别“窄”（特征图/滤波器数量少），即只学习非常少的特征图（最极端情况就是每一层只学习一个特征图），达到降低冗余性的目的。
- ResNet 模型比 VGG 网络具有更少的滤波器数量和更低的复杂性。 比如 Resnet34 的 FLOPs 为 3.6G，仅为 VGG-19 19.6G 的 18%。 ResNet 模型比 VGG 网络具有更少的滤波器数量和更低的复杂性。 比如 Resnet34 的 FLOPs 为 3.6G，仅为 VGG-19 19.6G 的 18%。
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