- 讲解了 cuDNN 实现的内部原理，以及和传统卷积进行了性能比较 由于CSDN对图片高度的限制，请点击原图查看 讲解了 cuDNN 实现的内部原理，以及和传统卷积进行了性能比较 由于CSDN对图片高度的限制，请点击原图查看
- 在前面我们讲到了深度学习的两类神经网络模型的原理，第一类是前向的神经网络，即DNN和CNN。第二类是有反馈的神经网络，即RNN和LSTM。今天我们就总结下深度学习里的第三类神经网络模型：玻尔兹曼机。主要关注于这类模型中的受限玻尔兹曼机（Restricted Boltzmann Machine，以下简称RBM）， RBM模型及其推广在工... 在前面我们讲到了深度学习的两类神经网络模型的原理，第一类是前向的神经网络，即DNN和CNN。第二类是有反馈的神经网络，即RNN和LSTM。今天我们就总结下深度学习里的第三类神经网络模型：玻尔兹曼机。主要关注于这类模型中的受限玻尔兹曼机（Restricted Boltzmann Machine，以下简称RBM）， RBM模型及其推广在工...
- Matlab一直以来都有着神经网络工具箱，而从2016的版本开始，提供深度神经网络的相关工具。而到现如今2017的版本，功能更加完善，因此本人在此总结Matlab 2017所包含的深度学习的功能。 如今版本的Matlab已经包含的如下功能： Ø 利用自己的数据微调训练好的网络（迁移学习） Ø &nb... Matlab一直以来都有着神经网络工具箱，而从2016的版本开始，提供深度神经网络的相关工具。而到现如今2017的版本，功能更加完善，因此本人在此总结Matlab 2017所包含的深度学习的功能。 如今版本的Matlab已经包含的如下功能： Ø 利用自己的数据微调训练好的网络（迁移学习） Ø &nb...
- SVM-支持向量机原理详解与实践 前言 去年由于工作项目的需要实际运用到了SVM和ANN算法,也就是支持向量机和人工神经网络算法，主要是实现项目中的实时采集图片（工业高速摄像头采集）的图像识别的这一部分功能，虽然几经波折，但是还好最终还算顺利完成了项目的任务，忙碌一年，趁着放假有时间好好整理并总结一下，本文的内容包括：前面... SVM-支持向量机原理详解与实践 前言 去年由于工作项目的需要实际运用到了SVM和ANN算法,也就是支持向量机和人工神经网络算法，主要是实现项目中的实时采集图片（工业高速摄像头采集）的图像识别的这一部分功能，虽然几经波折，但是还好最终还算顺利完成了项目的任务，忙碌一年，趁着放假有时间好好整理并总结一下，本文的内容包括：前面...
- 在深度神经网络（DNN）反向传播算法(BP)中，我们对DNN的前向反向传播算法的使用做了总结。里面使用的损失函数是均方差，而激活函数是Sigmoid。实际上DNN可以使用的损失函数和激活函数不少。这些损失函数和激活函数如何选择呢？下面我们就对DNN损失函数和激活函数的选择做一个总结。 1. 均方差损失函数+Sigmoid激活函数的... 在深度神经网络（DNN）反向传播算法(BP)中，我们对DNN的前向反向传播算法的使用做了总结。里面使用的损失函数是均方差，而激活函数是Sigmoid。实际上DNN可以使用的损失函数和激活函数不少。这些损失函数和激活函数如何选择呢？下面我们就对DNN损失函数和激活函数的选择做一个总结。 1. 均方差损失函数+Sigmoid激活函数的...
- Deep Learning是机器学习中一个非常接近AI的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，最近研究了机器学习中一些深度学习的相关知识，本文给出一些很有用的资料和心得。 Key Words：有监督学习与无监督学习，分类、回归，密度估计、聚类，深度学习，Sparse DBN， ... Deep Learning是机器学习中一个非常接近AI的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，最近研究了机器学习中一些深度学习的相关知识，本文给出一些很有用的资料和心得。 Key Words：有监督学习与无监督学习，分类、回归，密度估计、聚类，深度学习，Sparse DBN， ...
- 使用深度学习和 OpenCV 进行目标检测 基于深度学习的对象检测时，您可能会遇到三种主要的对象检测方法： Faster R-CNNs (Ren et al., 2015)You Only Look ... 使用深度学习和 OpenCV 进行目标检测 基于深度学习的对象检测时，您可能会遇到三种主要的对象检测方法： Faster R-CNNs (Ren et al., 2015)You Only Look ...
- 简 介： 测了了ITR8307的基本特性，包括它的静态、动态特性等。并通过测量独轮车惯量轮转速展示了它的应用。 关键词： ITR8307，反射式光电管 §01 反... 简 介： 测了了ITR8307的基本特性，包括它的静态、动态特性等。并通过测量独轮车惯量轮转速展示了它的应用。 关键词： ITR8307，反射式光电管 §01 反...
- 读Paper读的头炸（原因：太菜），坚持每天简单通俗总结一下！ 故障检测是多变量过程监控的第一步。 通常，SPE（或Q-统计量）和霍特林的T2指数分别用于监测RS和PCS的正常变异... 读Paper读的头炸（原因：太菜），坚持每天简单通俗总结一下！ 故障检测是多变量过程监控的第一步。 通常，SPE（或Q-统计量）和霍特林的T2指数分别用于监测RS和PCS的正常变异...
- 《人工智能技术》教学大纲 一、课程概要 课程名称 人工智能技术 课程代码 课程学分 3 课程学时 共48学时，理论30学时，实验18学时 课程类别 通识教育：基础课程 核心课程 一般课程 拓展专业课程... 《人工智能技术》教学大纲 一、课程概要 课程名称 人工智能技术 课程代码 课程学分 3 课程学时 共48学时，理论30学时，实验18学时 课程类别 通识教育：基础课程 核心课程 一般课程 拓展专业课程...
- 含义： __declspec(dllexport)导出到dll __declspec(dllimport)从dll导入 解决的问题： 考虑下面的需求，使用一个方法，一个是提供者，一个是使用者，二者之间的接口是头文件。头文件中声明了方法，在提供者那里方法应该被声明为__declspec(dllexport)，在使用... 含义： __declspec(dllexport)导出到dll __declspec(dllimport)从dll导入 解决的问题： 考虑下面的需求，使用一个方法，一个是提供者，一个是使用者，二者之间的接口是头文件。头文件中声明了方法，在提供者那里方法应该被声明为__declspec(dllexport)，在使用...
- 今天在讨论神经网络中的激活函数时，陆同学提出 Sigmoid 函数的输出不是以零为中心的（non-zero-centered），这会导致神经网络收敛较慢。关于这一点，过去我只是将其记下，却并未理解背后的原因。此篇谈谈背后的原因。 神经元 图片来自：https://zhuanlan.zhihu.com/p/2511045... 今天在讨论神经网络中的激活函数时，陆同学提出 Sigmoid 函数的输出不是以零为中心的（non-zero-centered），这会导致神经网络收敛较慢。关于这一点，过去我只是将其记下，却并未理解背后的原因。此篇谈谈背后的原因。 神经元 图片来自：https://zhuanlan.zhihu.com/p/2511045...
- 文章来源于3D视觉开发者社区 ，作者王浩 1、简介 目前，目标检测领域中主流的两大类方法。 第一大类是 从非Deep时代就被广泛应用的dense detector ，例如DPM，YOLO，Retin... 文章来源于3D视觉开发者社区 ，作者王浩 1、简介 目前，目标检测领域中主流的两大类方法。 第一大类是 从非Deep时代就被广泛应用的dense detector ，例如DPM，YOLO，Retin...
- import numpy as np # Collection of activation functions # Reference: https://en.wikipedia.org/wiki/A... import numpy as np # Collection of activation functions # Reference: https://en.wikipedia.org/wiki/A...
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