- 论文题目 AutoAugment: Learning Augmentation Strategies from Data 代码：https://github.com/DeepVoltaire/AutoAugment Abstract 数据增强是提高图像分类器精度的有效技术。但是当前的数据增强实现是手工设计的。在本论文... 论文题目 AutoAugment: Learning Augmentation Strategies from Data 代码：https://github.com/DeepVoltaire/AutoAugment Abstract 数据增强是提高图像分类器精度的有效技术。但是当前的数据增强实现是手工设计的。在本论文...
- 最近邻搜索（Nearest neighbor search）是指在数据库中查找与查询数据距离最近的数据点，是计算机视觉、推荐系统、机器学习等领域的基本问题。 比如在基于内容的图像检索中，在计算完查询图像特征向量后，需要在成千上万甚至几十亿的数据库图像特征向量中查找距离最小的Top n 幅图像，作为结果返回给用户。 Facebo... 最近邻搜索（Nearest neighbor search）是指在数据库中查找与查询数据距离最近的数据点，是计算机视觉、推荐系统、机器学习等领域的基本问题。 比如在基于内容的图像检索中，在计算完查询图像特征向量后，需要在成千上万甚至几十亿的数据库图像特征向量中查找距离最小的Top n 幅图像，作为结果返回给用户。 Facebo...
- 文章目录 前言最小化代价函数正则化在神经网络中的 L ... 文章目录 前言最小化代价函数正则化在神经网络中的 L ...
- 激活函数 为什么使用激活函数？ 线性激活函数一般用于输出。如果使用线性方程，而不使用激活函数，那么神经网络不管多少层，它的输出就仅仅是输入函数的线性变化 ReLu 又称为整流线性单元函数，表达... 激活函数 为什么使用激活函数？ 线性激活函数一般用于输出。如果使用线性方程，而不使用激活函数，那么神经网络不管多少层，它的输出就仅仅是输入函数的线性变化 ReLu 又称为整流线性单元函数，表达...
- 文章目录 1.前言2.算法设计2.1任务流程2.2 LeNet简述2.3 算法设计2.3.1 引入相关的包2.3.2 读取数据集2.3.3 归一化数据集2.3.4 取出一个数据瞅瞅2.3.5 定义... 文章目录 1.前言2.算法设计2.1任务流程2.2 LeNet简述2.3 算法设计2.3.1 引入相关的包2.3.2 读取数据集2.3.3 归一化数据集2.3.4 取出一个数据瞅瞅2.3.5 定义...
- 第一周测验 Introduction to Deep Learning 1.What does the analogy “AI is the new electricity” refer to? AI... 第一周测验 Introduction to Deep Learning 1.What does the analogy “AI is the new electricity” refer to? AI...
- 百度飞桨学习——七日打卡作业(四)五人识别 任务简介 图像分类是计算机视觉的重要领域，它的目标是将图像分类到预定义的标签。近期，许多研究者提出很多不同种类的神经网络，并且极大的提升了分类算法的性能。本... 百度飞桨学习——七日打卡作业(四)五人识别 任务简介 图像分类是计算机视觉的重要领域，它的目标是将图像分类到预定义的标签。近期，许多研究者提出很多不同种类的神经网络，并且极大的提升了分类算法的性能。本...
- 文章目录 前言什么是高偏差，高方差利用数据集误差判断拟合情况处理方式看模型在训练集上的表现看模型在开发集上的表现 后记 前言 这篇文章的内容主要是偏差与方差的相关解释 什么是高... 文章目录 前言什么是高偏差，高方差利用数据集误差判断拟合情况处理方式看模型在训练集上的表现看模型在开发集上的表现 后记 前言 这篇文章的内容主要是偏差与方差的相关解释 什么是高...
- 1.利用双线性变换法，设计Butterworth低通数字滤波器，假设信号，，其中f1=5Hz，f2=30Hz。要求通带波纹小于1dB，幅度衰减大于15dB，采样周期 T=0.01s。 用间接设计方法设计数字低通 DF 的步骤： (1)产生时域信号xt 要求给出xt的时域波形图。 (2)信号xt的频谱分析 确定采样频率和采样点数... 1.利用双线性变换法，设计Butterworth低通数字滤波器，假设信号，，其中f1=5Hz，f2=30Hz。要求通带波纹小于1dB，幅度衰减大于15dB，采样周期 T=0.01s。 用间接设计方法设计数字低通 DF 的步骤： (1)产生时域信号xt 要求给出xt的时域波形图。 (2)信号xt的频谱分析 确定采样频率和采样点数...
- 神经风格迁移由 Leon Gatys 等人于 2015 年夏天提出。自首次提出以来，神经风格迁移算法已经做了许多改进，并衍生出许多变体，而且还成功转化成许多智能手机图片应用。 神经风格迁移是指将参考图像的风格应用于目标图像，同时保留目标图像的内容。 在当前语境下，风格（style）是指图像中不同空间尺度的纹理、颜色和视觉图案，内... 神经风格迁移由 Leon Gatys 等人于 2015 年夏天提出。自首次提出以来，神经风格迁移算法已经做了许多改进，并衍生出许多变体，而且还成功转化成许多智能手机图片应用。 神经风格迁移是指将参考图像的风格应用于目标图像，同时保留目标图像的内容。 在当前语境下，风格（style）是指图像中不同空间尺度的纹理、颜色和视觉图案，内...
- 要解决的问题 1、RCNN和SPPnet分多步训练，先要fine tuning一个预训练的网络，然后针对每个类别都训练一个SVM分类器，最后还要用regressors对bounding-box进行回归，另外region proposal也要单独用selective search的方式获得，步骤比较繁琐。 2、时间和内存消耗比较大。... 要解决的问题 1、RCNN和SPPnet分多步训练，先要fine tuning一个预训练的网络，然后针对每个类别都训练一个SVM分类器，最后还要用regressors对bounding-box进行回归，另外region proposal也要单独用selective search的方式获得，步骤比较繁琐。 2、时间和内存消耗比较大。...
- 更传统的机器学习算法可以在ee.Classifier下找到，需要点数据作为输入。 对于卷积神经网络，我们需要图像。图像块应包含图像和标签。 陆地卫星图像和云、阴影和水的标签。 在这里以 SPARCS 数据集为例。数据可以在下面的网站上找到。 ... 更传统的机器学习算法可以在ee.Classifier下找到，需要点数据作为输入。 对于卷积神经网络，我们需要图像。图像块应包含图像和标签。 陆地卫星图像和云、阴影和水的标签。 在这里以 SPARCS 数据集为例。数据可以在下面的网站上找到。 ...
- 导语：Google 正在积极研究如何改进全球天气预报模型。 准确预测未来几分钟到几周的天气是一项基本的科学挑战。很多气象机构目前采用的预报是基于大气的物理模型，但这些模型本身受到计算要求的限制且对物理定律的近似值非常敏感。另一种天气预报方法是使用深神经网络（DNNs）。DNNs 在强大的专用硬件（如 GPU 和 TPU）... 导语：Google 正在积极研究如何改进全球天气预报模型。 准确预测未来几分钟到几周的天气是一项基本的科学挑战。很多气象机构目前采用的预报是基于大气的物理模型，但这些模型本身受到计算要求的限制且对物理定律的近似值非常敏感。另一种天气预报方法是使用深神经网络（DNNs）。DNNs 在强大的专用硬件（如 GPU 和 TPU）...
- 卷积神经网络简介 我们将深入讲解卷积神经网络的原理，以及它在计算机视觉任务上为什么如此成功。但在此之前，我们先来看一个简单的卷积神经网络示例，即使用卷积神经网络对 MNIST 数字进行分类，这个任务我们在第 2 章用密集连接网络做过（当时的测试精度为 97.8%）。虽然本例中的卷积神经网络很简单，但其精度肯定会超过第 2 章的密集连接... 卷积神经网络简介 我们将深入讲解卷积神经网络的原理，以及它在计算机视觉任务上为什么如此成功。但在此之前，我们先来看一个简单的卷积神经网络示例，即使用卷积神经网络对 MNIST 数字进行分类，这个任务我们在第 2 章用密集连接网络做过（当时的测试精度为 97.8%）。虽然本例中的卷积神经网络很简单，但其精度肯定会超过第 2 章的密集连接...
- TensorFlow卷积层 TensorFlow 提供了 tf.nn.conv2d() 和 tf.nn.bias_add() 函数来创建你自己的卷积层。 # Output depthk_output = 64 # Image Propertiesimage_width = 10image_he... TensorFlow卷积层 TensorFlow 提供了 tf.nn.conv2d() 和 tf.nn.bias_add() 函数来创建你自己的卷积层。 # Output depthk_output = 64 # Image Propertiesimage_width = 10image_he...
上滑加载中
推荐直播
-
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中 -
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中
热门标签