- 本附录总结了本书中涉及的有关线性代数、微分和概率的基础知识。为避免赘述本书未涉及的数学背景知识，本节中的少数定义稍有简化。A.1 线性代数下面分别概括了向量、矩阵、运算、范数、特征向量和特征值的概念。A.1.1 向量本书中的向量指的是列向量。一个n维向量x的表达式可写成其中是向量的元素。我们将各元素均为实数的 n 维向量 x 记作或。A.1.2 矩阵一个m行n列矩阵的表达式可写成其中是矩阵 ... 本附录总结了本书中涉及的有关线性代数、微分和概率的基础知识。为避免赘述本书未涉及的数学背景知识，本节中的少数定义稍有简化。A.1 线性代数下面分别概括了向量、矩阵、运算、范数、特征向量和特征值的概念。A.1.1 向量本书中的向量指的是列向量。一个n维向量x的表达式可写成其中是向量的元素。我们将各元素均为实数的 n 维向量 x 记作或。A.1.2 矩阵一个m行n列矩阵的表达式可写成其中是矩阵 ...
- 本文由菊厂搞机MO编辑部出品，文字超1万，查阅的资料多达上百万文字，并且与华为方舟编译器的专家做过深度访谈。文章高度概括了波澜壮阔的软件产业发展史，解析了华为在编译器和手机系统方面做的多年准备。2017年5月的一个凌晨，华为某实验室里，方舟编译器上第一个Java程序“Hello, World”跑通了。当时项目组的一位工程师就哽咽了：“I never thought printing ‘Hel... 本文由菊厂搞机MO编辑部出品，文字超1万，查阅的资料多达上百万文字，并且与华为方舟编译器的专家做过深度访谈。文章高度概括了波澜壮阔的软件产业发展史，解析了华为在编译器和手机系统方面做的多年准备。2017年5月的一个凌晨，华为某实验室里，方舟编译器上第一个Java程序“Hello, World”跑通了。当时项目组的一位工程师就哽咽了：“I never thought printing ‘Hel...
- 在神经网络中，激活函数如同神经元的“激发阈值”与“转换开关”，引入非线性因素，使网络能够处理复杂问题。C 语言实现时需注意数值稳定性、计算效率和代码可维护性，通过优化技术提高性能，确保神经网络在图像识别、自然语言处理等领域发挥强大作用。 在神经网络中，激活函数如同神经元的“激发阈值”与“转换开关”，引入非线性因素，使网络能够处理复杂问题。C 语言实现时需注意数值稳定性、计算效率和代码可维护性，通过优化技术提高性能，确保神经网络在图像识别、自然语言处理等领域发挥强大作用。
- 人工智能，简称AI，是计算机科学的一个分支，它致力于创建能够执行通常需要人类智能的任务的系统。这些任务包括语言理解、学习、推理、规划、感知、运动和操作。人工智能（AI）是计算机科学的一个分支，它旨在创建能够执行通常需要人类智能的任务的系统。这些系统能够模仿人类的学习方式、决策过程和解决问题的能力。AI的范围非常广泛，从简单的问题解答到复杂的数据分析和预测建模。关键特征学习：AI系统。 人工智能，简称AI，是计算机科学的一个分支，它致力于创建能够执行通常需要人类智能的任务的系统。这些任务包括语言理解、学习、推理、规划、感知、运动和操作。人工智能（AI）是计算机科学的一个分支，它旨在创建能够执行通常需要人类智能的任务的系统。这些系统能够模仿人类的学习方式、决策过程和解决问题的能力。AI的范围非常广泛，从简单的问题解答到复杂的数据分析和预测建模。关键特征学习：AI系统。
- 深度学习中收敛速度的提升-关键挑战与有效解决方案在深度学习的研究和应用中，模型的训练速度和收敛效率一直是关键问题。随着模型的复杂度和数据规模的不断增长，训练一个高效、准确的AI模型变得越来越困难。本篇文章将讨论在AI模型训练过程中遇到的主要挑战，并提供一些提高模型收敛速度的对策，旨在帮助开发者优化训练过程，提升AI模型的性能。 1. 引言深度学习模型，尤其是在大规模数据集上训练的模型，通常... 深度学习中收敛速度的提升-关键挑战与有效解决方案在深度学习的研究和应用中，模型的训练速度和收敛效率一直是关键问题。随着模型的复杂度和数据规模的不断增长，训练一个高效、准确的AI模型变得越来越困难。本篇文章将讨论在AI模型训练过程中遇到的主要挑战，并提供一些提高模型收敛速度的对策，旨在帮助开发者优化训练过程，提升AI模型的性能。 1. 引言深度学习模型，尤其是在大规模数据集上训练的模型，通常...
- NVIDIA® TensorRT™ 是一款用于高性能深度学习推理的 SDK，包括深度学习推理优化器和运行时，可为推理应用程序提供低延迟和高吞吐量。开发了TensorRT C# API 2.0版本，该版本在开发时充分考虑了上一版本应用时出现的问题，并进行了改进。同时在本版本中，我们对接口进行了优化，使用起来更加简单，并同时提供了相关的应用案例，方便开发者进行使用。 NVIDIA® TensorRT™ 是一款用于高性能深度学习推理的 SDK，包括深度学习推理优化器和运行时，可为推理应用程序提供低延迟和高吞吐量。开发了TensorRT C# API 2.0版本，该版本在开发时充分考虑了上一版本应用时出现的问题，并进行了改进。同时在本版本中，我们对接口进行了优化，使用起来更加简单，并同时提供了相关的应用案例，方便开发者进行使用。
- YOLO-World是一个融合了实时目标检测与增强现实（AR）技术的创新平台，旨在将现实世界与数字世界无缝对接。该平台以YOLO（You Only Look Once）算法为核心，实现了对视频中物体的快速准确识别。在本文中，我们将结合OpenVINO™ C# API 使用最新发布的OpenVINO™ 2024.0部署 YOLO-World实现实时开放词汇对象检测。 YOLO-World是一个融合了实时目标检测与增强现实（AR）技术的创新平台，旨在将现实世界与数字世界无缝对接。该平台以YOLO（You Only Look Once）算法为核心，实现了对视频中物体的快速准确识别。在本文中，我们将结合OpenVINO™ C# API 使用最新发布的OpenVINO™ 2024.0部署 YOLO-World实现实时开放词汇对象检测。
- PP-OCR是PaddleOCR自研的实用的超轻量OCR系统，可以实现端到端的图像文本检测。基于此，封装了OpenVINO.CSharp.API.Extensions.PaddleOCR NuGet Package，方便开发者快速安装使用。在本文中，我们将结合OpenVINO.CSharp.API.Extensions.PaddleOCR NuGet Package向大家展示该程序集的使用方式。 PP-OCR是PaddleOCR自研的实用的超轻量OCR系统，可以实现端到端的图像文本检测。基于此，封装了OpenVINO.CSharp.API.Extensions.PaddleOCR NuGet Package，方便开发者快速安装使用。在本文中，我们将结合OpenVINO.CSharp.API.Extensions.PaddleOCR NuGet Package向大家展示该程序集的使用方式。
- 近YOLO家族又添新成员：YOLOv10，YOLOv10 提出了一种一致的双任务方法，用于无nms训练的YOLOs，它同时带来了具有竞争力的性能和较低的推理延迟。在本文中，我们将结合OpenVINO™ C# API 使用最新发布的OpenVINO™ 2024.1部署YOLOv10 目标检测模型 近YOLO家族又添新成员：YOLOv10，YOLOv10 提出了一种一致的双任务方法，用于无nms训练的YOLOs，它同时带来了具有竞争力的性能和较低的推理延迟。在本文中，我们将结合OpenVINO™ C# API 使用最新发布的OpenVINO™ 2024.1部署YOLOv10 目标检测模型
- OpenVINO Runtime支持同步或异步模式下的推理。 本文章中，我们以YOLOv8模型为例，对比了OpenVINO分别使用同步推理接口以及异步推理接口的推理速度情况。其中同步推理一帧平均推理时间为43.02毫秒，而异步接口一帧平均推理时间仅为11.37毫秒，异步接口一秒钟平均可以实现87.98FPS的推理，是同步推理的3.78倍，速度快到飞起！！ OpenVINO Runtime支持同步或异步模式下的推理。 本文章中，我们以YOLOv8模型为例，对比了OpenVINO分别使用同步推理接口以及异步推理接口的推理速度情况。其中同步推理一帧平均推理时间为43.02毫秒，而异步接口一帧平均推理时间仅为11.37毫秒，异步接口一秒钟平均可以实现87.98FPS的推理，是同步推理的3.78倍，速度快到飞起！！
- 计算机视觉是人工智能（AI）领域的一个重要分支，旨在使计算机能够理解和处理图像与视频。随着深度学习的迅猛发展，AI驱动的计算机视觉技术已经从简单的目标检测发展到了复杂的图像生成任务。本篇文章将深入探讨计算机视觉领域中的两个关键技术：目标检测与图像生成，并提供代码实例与深度分析。 目标检测的基础与应用目标检测（Object Detection）是计算机视觉中的一个重要任务，它不仅要识别图像中的... 计算机视觉是人工智能（AI）领域的一个重要分支，旨在使计算机能够理解和处理图像与视频。随着深度学习的迅猛发展，AI驱动的计算机视觉技术已经从简单的目标检测发展到了复杂的图像生成任务。本篇文章将深入探讨计算机视觉领域中的两个关键技术：目标检测与图像生成，并提供代码实例与深度分析。 目标检测的基础与应用目标检测（Object Detection）是计算机视觉中的一个重要任务，它不仅要识别图像中的...
- YOLOv10是清华大学研究人员近期提出的一种实时目标检测方法，通过消除NMS、优化模型架构和引入创新模块等策略，在保持高精度的同时显著降低了计算开销，为实时目标检测领域带来了新的突破。在本文中，我们将演示如何使用Intel OpenVINO™ C++ API 部署YOLOv10目标检测模型，并使用 OpenVINO™ 异步推理接口实现模型推理加速。 YOLOv10是清华大学研究人员近期提出的一种实时目标检测方法，通过消除NMS、优化模型架构和引入创新模块等策略，在保持高精度的同时显著降低了计算开销，为实时目标检测领域带来了新的突破。在本文中，我们将演示如何使用Intel OpenVINO™ C++ API 部署YOLOv10目标检测模型，并使用 OpenVINO™ 异步推理接口实现模型推理加速。
- 分层强化学习（Hierarchical Reinforcement Learning, HRL）通过将复杂问题分解为更小的子问题，显著提高了强化学习算法在解决高维状态空间和长期目标任务中的效率。Option-Critic架构是分层强化学习中一种非常有影响力的方法，专门用于自动发现和优化子策略（称为“Option”）。它是在经典的Options框架基础上提出的，用来处理分层决策问题，特别是可以在没有 分层强化学习（Hierarchical Reinforcement Learning, HRL）通过将复杂问题分解为更小的子问题，显著提高了强化学习算法在解决高维状态空间和长期目标任务中的效率。Option-Critic架构是分层强化学习中一种非常有影响力的方法，专门用于自动发现和优化子策略（称为“Option”）。它是在经典的Options框架基础上提出的，用来处理分层决策问题，特别是可以在没有
- 分层强化学习（Hierarchical Reinforcement Learning，HRL）是一类旨在通过引入多层次结构来提高强化学习算法效率的方法。其核心思想是将复杂的任务分解为若干子任务，通过解决这些子任务来最终完成整体目标。 分层强化学习（Hierarchical Reinforcement Learning，HRL）是一类旨在通过引入多层次结构来提高强化学习算法效率的方法。其核心思想是将复杂的任务分解为若干子任务，通过解决这些子任务来最终完成整体目标。
- MAXQ分解是一种用于分层强化学习（Hierarchical Reinforcement Learning, HRL）的算法，由Thomas G. Dietterich提出。该算法通过将复杂的任务分解成更小的子任务来简化问题，并利用这些子任务来构建更复杂的策略。主要思想是将一个复杂的Markov决策过程（MDP）分解成一系列嵌套的子MDP，以便更容易解决。MAXQ算法引入了一种分层的结构，将原始任 MAXQ分解是一种用于分层强化学习（Hierarchical Reinforcement Learning, HRL）的算法，由Thomas G. Dietterich提出。该算法通过将复杂的任务分解成更小的子任务来简化问题，并利用这些子任务来构建更复杂的策略。主要思想是将一个复杂的Markov决策过程（MDP）分解成一系列嵌套的子MDP，以便更容易解决。MAXQ算法引入了一种分层的结构，将原始任
上滑加载中
推荐直播
-
华为云 x DeepSeek：AI驱动云上应用创新2025/02/26 周三 16:00-18:00
华为云 AI专家大咖团
在 AI 技术飞速发展之际，DeepSeek 备受关注。它凭借哪些技术与理念脱颖而出？华为云与 DeepSeek 合作，将如何重塑产品与应用模式，助力企业数字化转型？在华为开发者空间，怎样高效部署 DeepSeek，搭建专属服务器？基于华为云平台，又该如何挖掘 DeepSeek 潜力，实现智能化升级？本期直播围绕DeepSeek在云上的应用案例，与DTSE布道师们一起探讨如何利用AI 驱动云上应用创新。
正在直播
热门标签