- 目录 简介 使用 Python API 使用 C++ API 简介 对于我们的大脑来说，视觉识别似乎是一件特别简单的事。人类不费吹灰之力就可以分辨狮子和美洲虎、看懂路标或识别人脸。但对计算机而言，这些实际上是很难处理的问题：这些问题只是看起来简单，因为大脑非常擅长理解图像。 在过去几年内，机器学习领域在解决此类难题方面取得了巨大进展。尤其是，我们发现一种称为深... 目录 简介 使用 Python API 使用 C++ API 简介 对于我们的大脑来说，视觉识别似乎是一件特别简单的事。人类不费吹灰之力就可以分辨狮子和美洲虎、看懂路标或识别人脸。但对计算机而言，这些实际上是很难处理的问题：这些问题只是看起来简单，因为大脑非常擅长理解图像。 在过去几年内，机器学习领域在解决此类难题方面取得了巨大进展。尤其是，我们发现一种称为深...
- 目录 一、整体学习的建议 1.1 如何成为Pytorch大神？ 1.2 如何读Github代码？ 1.3 代码能力太弱怎么办？ 二、Pytorch与TensorFlow概述 2.1 什么是Pytorch? 2.1.1 Pytorch两个核心模块 2.1.2 Pytorch可视化：Visdom 2.1.3 Pytorch的优缺点 2.2 什么是... 目录 一、整体学习的建议 1.1 如何成为Pytorch大神？ 1.2 如何读Github代码？ 1.3 代码能力太弱怎么办？ 二、Pytorch与TensorFlow概述 2.1 什么是Pytorch? 2.1.1 Pytorch两个核心模块 2.1.2 Pytorch可视化：Visdom 2.1.3 Pytorch的优缺点 2.2 什么是...
- 目录 M-P模型 Hebb学习规则 Rosenblatt感知器 Minsky的打击 复兴时期！ 深度学习的突破 M-P模型 1943年神经元解剖学家McCulloch和数学天才Pitts发表文章提出神经元的数学描述和结构神经元遵循“全或无”原则证明了只要足够的简单神经元，在相互连接并同步运行的情况下，可以模拟任何计算函数开创工作被认为是人工神经网... 目录 M-P模型 Hebb学习规则 Rosenblatt感知器 Minsky的打击 复兴时期！ 深度学习的突破 M-P模型 1943年神经元解剖学家McCulloch和数学天才Pitts发表文章提出神经元的数学描述和结构神经元遵循“全或无”原则证明了只要足够的简单神经元，在相互连接并同步运行的情况下，可以模拟任何计算函数开创工作被认为是人工神经网...
- 目录 神经网络基础： 神经网络进阶： 深度学习网络： 神经网络应用： 深度学习落地实现： 神经网络基础： 单层感知器线性神经网络BP 神经网络Hopfields神经网络径向基神经网络PCA和SVM 神经网络进阶： 自编码器稀疏自编码器玻尔兹曼机受限玻尔兹曼机递归神经 网络自组织竞争神经网络 深度学习网络： 深度置信网络卷积神经网络 深度残差网络 神经网络... 目录 神经网络基础： 神经网络进阶： 深度学习网络： 神经网络应用： 深度学习落地实现： 神经网络基础： 单层感知器线性神经网络BP 神经网络Hopfields神经网络径向基神经网络PCA和SVM 神经网络进阶： 自编码器稀疏自编码器玻尔兹曼机受限玻尔兹曼机递归神经 网络自组织竞争神经网络 深度学习网络： 深度置信网络卷积神经网络 深度残差网络 神经网络...
- 比如有5组数据，让你去做简单线性回归。 python代码实现上述过程 import numpy as np def fitSLR(x,y): n = len(x) dinominator = 0 numerator = 0 for i in range(0, n): numerator += (x[i] - np.mean(x))*(y[i] - np.mea... 比如有5组数据，让你去做简单线性回归。 python代码实现上述过程 import numpy as np def fitSLR(x,y): n = len(x) dinominator = 0 numerator = 0 for i in range(0, n): numerator += (x[i] - np.mean(x))*(y[i] - np.mea...
- 1 基本概念 Cover和Hart在1968年提出了最初的临近算法 分类算法classfication 输入基于实例的学习instance-based learning ,懒惰学习lazy learning 2 例子： 对最后一个未知电影类型进行归类 对上图实例进行转化为特征向... 1 基本概念 Cover和Hart在1968年提出了最初的临近算法 分类算法classfication 输入基于实例的学习instance-based learning ,懒惰学习lazy learning 2 例子： 对最后一个未知电影类型进行归类 对上图实例进行转化为特征向...
- 这是学习唐杰老师的总结。 图灵奖得主Yoshua Bengio在NeuIPS 2019带来一场题为《From System 1 Deep Learning To System 2 Deep Learing》的报告，提到了几个非常有意思的观点。 本文为大家带来Yoshua Bengio的报告详解。 报告地址： https://nips.cc/Conferences/2... 这是学习唐杰老师的总结。 图灵奖得主Yoshua Bengio在NeuIPS 2019带来一场题为《From System 1 Deep Learning To System 2 Deep Learing》的报告，提到了几个非常有意思的观点。 本文为大家带来Yoshua Bengio的报告详解。 报告地址： https://nips.cc/Conferences/2...
- 1 概率 条件概率是指事件A在另外一个事件B已经发生条件下的发生概率。条件概率表示为：P（A|B），读作“在B的条件下A的概率”。若只有两个事件A，B，那么， 对于如下图所示的图形，线性回归以已经没办法很好的解决问题 2 Logistic Regression(逻辑回归)基本... 1 概率 条件概率是指事件A在另外一个事件B已经发生条件下的发生概率。条件概率表示为：P（A|B），读作“在B的条件下A的概率”。若只有两个事件A，B，那么， 对于如下图所示的图形，线性回归以已经没办法很好的解决问题 2 Logistic Regression(逻辑回归)基本...
- 目录 1. 有哪些文本表示模型？ 1.1 词袋模型 1.1.1 TF-IDF权重计算 公式： 1.2 主题模型 1.3 词嵌入与深度学习模型 为什么深度学习有用？ 1. 有哪些文本表示模型？ 词袋模型（Bag of Words）TF-IDF（Term Frequency-Inverse Document Frequency）主题模型（Topic Mo... 目录 1. 有哪些文本表示模型？ 1.1 词袋模型 1.1.1 TF-IDF权重计算 公式： 1.2 主题模型 1.3 词嵌入与深度学习模型 为什么深度学习有用？ 1. 有哪些文本表示模型？ 词袋模型（Bag of Words）TF-IDF（Term Frequency-Inverse Document Frequency）主题模型（Topic Mo...
- 本文是机器学习笔记系列 参考链接：https://vas3k.com/blog/machine_learning/ 机器学习这个主题已经很普遍了，每个人都在谈论它，但很少有人能够透彻地了解它。当前网络上的一些机器学习文章晦涩难懂，理论性太强，或者通篇云里雾里地介绍人工智能、数据科学的魔力以及未来的工作等。 所以呢，本文作者 vas3k 通过简洁的语言和清晰明了... 本文是机器学习笔记系列 参考链接：https://vas3k.com/blog/machine_learning/ 机器学习这个主题已经很普遍了，每个人都在谈论它，但很少有人能够透彻地了解它。当前网络上的一些机器学习文章晦涩难懂，理论性太强，或者通篇云里雾里地介绍人工智能、数据科学的魔力以及未来的工作等。 所以呢，本文作者 vas3k 通过简洁的语言和清晰明了...
- 1 SVM的优点 训练好的模型算法复杂度是由支持向量的个数决定，而不是数据维度决定，所以SVM不太容易过拟合。 SVM训练出来的模型完全依赖于支持向量，即使训练集里面所有非支持点都去除，重复训练过程，结果模型完全一样 一个SVM如果训练得到的支持向量个数少，则模型更容易泛化（比如各有1个点，... 1 SVM的优点 训练好的模型算法复杂度是由支持向量的个数决定，而不是数据维度决定，所以SVM不太容易过拟合。 SVM训练出来的模型完全依赖于支持向量，即使训练集里面所有非支持点都去除，重复训练过程，结果模型完全一样 一个SVM如果训练得到的支持向量个数少，则模型更容易泛化（比如各有1个点，...
- 目录 先来看机器学习： 什么是特征？ 深度学习是表示学习的经典代表： 深度学习的过程： 深度学习与传统机器学习差别： 深度学习代表算法： 先来看机器学习： 机器学习是利用经验experience来改善 计算机系统自身的性能，通过经验获取知识knowledge。 以往都是人们向计算机输入知识，现在是通过经验的“特征”数据来产生模型model（传统的机器... 目录 先来看机器学习： 什么是特征？ 深度学习是表示学习的经典代表： 深度学习的过程： 深度学习与传统机器学习差别： 深度学习代表算法： 先来看机器学习： 机器学习是利用经验experience来改善 计算机系统自身的性能，通过经验获取知识knowledge。 以往都是人们向计算机输入知识，现在是通过经验的“特征”数据来产生模型model（传统的机器...
- # -*- coding: utf-8 -*-import numpy as npfrom scipy.cluster.hierarchy import dendrogram, linkage, fclusterfrom matplotlib import pyplot as plt def hierarchy_cluster(data, method='average',... # -*- coding: utf-8 -*-import numpy as npfrom scipy.cluster.hierarchy import dendrogram, linkage, fclusterfrom matplotlib import pyplot as plt def hierarchy_cluster(data, method='average',...
- 1 K-mean基本概念 聚类分析是以相似性为基础，对数据集进行聚类划分，属于无监督学习（unsupervised learning）。 K-means算法是一种简单的迭代型聚类算法，采用距离作为相似性指标，从而发现给定数据集中的K个类，且每个类的中心是根据类中所有值的均值得到，每个类用聚类中心来描述。对于给定的一个包含n个d维数据点的数据集X以及要分得的类别K,选取欧式... 1 K-mean基本概念 聚类分析是以相似性为基础，对数据集进行聚类划分，属于无监督学习（unsupervised learning）。 K-means算法是一种简单的迭代型聚类算法，采用距离作为相似性指标，从而发现给定数据集中的K个类，且每个类的中心是根据类中所有值的均值得到，每个类用聚类中心来描述。对于给定的一个包含n个d维数据点的数据集X以及要分得的类别K,选取欧式...
- 来源：AI开发者 作为机器学习从业者，你需要知道概率分布相关的知识。这里有一份最常见的基本概率分布教程，大多数和使用 python 库进行深度学习有关。 概率分布概述 共轭意味着它有共轭分布的关系。 在贝叶斯概率论中，如果后验分布 p（θx）与先验概率分布 p（θ）在同一概率分布族中，则先验和后验称为共轭分布，先验称为似... 来源：AI开发者 作为机器学习从业者，你需要知道概率分布相关的知识。这里有一份最常见的基本概率分布教程，大多数和使用 python 库进行深度学习有关。 概率分布概述 共轭意味着它有共轭分布的关系。 在贝叶斯概率论中，如果后验分布 p（θx）与先验概率分布 p（θ）在同一概率分布族中，则先验和后验称为共轭分布，先验称为似...
上滑加载中
推荐直播
-
昇腾AI算法挑战赛-核心算子如何优化？专家带你深度解析2025/11/17 周一 16:00-17:00
王老师 华为算子专家
昇腾AI算法挑战赛进阶赛战鼓催征！本期直播间，我们特邀华为算子专家王老师，为你深度剖析Matmul、wholereducesum等核心算子的底层原理与优化技巧，直击赛题核心。想提升代码效率、冲击更高排名？锁定直播，带你破局！
回顾中 -
AI编码实干派，“码”力全开2026/02/26 周四 15:00-16:30
谈宗玮/于邦旭/丁俊卿/陈云亮/王一男
【中国，深圳，2026年2月26日】，以“AI编码实干派，码力全开”为主题的华为云码道（CodeArts）代码智能体新春发布会在线上成功召开。华为云码道公测版正式发布，为开发者和企业提供具备工程化能力的智能编码解决方案。
回顾中 -
华为云码道-玩转OpenClaw，在线养虾2026/03/11 周三 19:00-21:00
刘昱，华为云高级工程师/谈心，华为云技术专家/李海仑，上海圭卓智能科技有限公司CEO
OpenClaw 火爆开发者圈，华为云码道最新推出 Skill ——开发者只需输入一句口令，即可部署一个功能完整的「小龙虾」智能体。直播带你玩转华为云码道，玩转OpenClaw
回顾中
热门标签