- 一图片识别为例来介绍一下个人理解：卷积是为了来得到特征值得，那么卷积的工作原理是什么呢？好吧就是你想的那样，卷积核运算正是卷积工作来提取特征（即图片的边缘轮廓）的原理 借用吴恩达老师的一张图 * * ... 一图片识别为例来介绍一下个人理解：卷积是为了来得到特征值得，那么卷积的工作原理是什么呢？好吧就是你想的那样，卷积核运算正是卷积工作来提取特征（即图片的边缘轮廓）的原理 借用吴恩达老师的一张图 * * ...
- ResNet50模型：ResNet50有两个基本的块，分别名为Conv Block和Identity Block，其中Conv Block输入和输出的维度是不一样的，所以不能连续串联，它的作用是改变网络的... ResNet50模型：ResNet50有两个基本的块，分别名为Conv Block和Identity Block，其中Conv Block输入和输出的维度是不一样的，所以不能连续串联，它的作用是改变网络的...
- 学习总结 TensorBoard，主要的实现方案是构建一个SummaryWriter，然后通过add_XXX()函数来实现。TensorBoard的基本逻辑：文件的读写逻辑。写入想要可视化的数据，然后T... 学习总结 TensorBoard，主要的实现方案是构建一个SummaryWriter，然后通过add_XXX()函数来实现。TensorBoard的基本逻辑：文件的读写逻辑。写入想要可视化的数据，然后T...
- 2D维卷积核与三维卷积核有什么区别？ 卷积神经网络中二维卷积核与三维卷积核有什么区别？ - 知乎 车牌识别用到了3d卷积： LPRNet_Pytorch/LPRNet.py at master · sirius-ai/LPRNet_Pytorch · GitHub 3d卷积详解： 3D卷积详解 - 知乎 f = ... 2D维卷积核与三维卷积核有什么区别？ 卷积神经网络中二维卷积核与三维卷积核有什么区别？ - 知乎 车牌识别用到了3d卷积： LPRNet_Pytorch/LPRNet.py at master · sirius-ai/LPRNet_Pytorch · GitHub 3d卷积详解： 3D卷积详解 - 知乎 f = ...
- 简 介： 本文梳理了基于CSDN来创作视频的步骤，并针对课堂练习教学视频的制作，对于相应的TEASOFT软件以及辅助Python程序进行了调试。在第一版本中没有进行主讲没有出镜，这位之后的录制奠... 简 介： 本文梳理了基于CSDN来创作视频的步骤，并针对课堂练习教学视频的制作，对于相应的TEASOFT软件以及辅助Python程序进行了调试。在第一版本中没有进行主讲没有出镜，这位之后的录制奠...
- 开源地址： https://github.com/DingXiaoH/RepLKNet-pytorch 有论文： https://github.com/megvii-research/RepLKNet CVPR22最新论文，RepVGG作者提出RepLKNet：采用31×31大kernel的CNN网络，性能超过Swin，作者... 开源地址： https://github.com/DingXiaoH/RepLKNet-pytorch 有论文： https://github.com/megvii-research/RepLKNet CVPR22最新论文，RepVGG作者提出RepLKNet：采用31×31大kernel的CNN网络，性能超过Swin，作者...
- 目录 前言专业名词笔记DeepGCG （Deep Generative Model of Graphs）Spatial-temporalgraph neural networks (STGNNs)... 目录 前言专业名词笔记DeepGCG （Deep Generative Model of Graphs）Spatial-temporalgraph neural networks (STGNNs)...
- MXNET平台： 模型13M，实时对摄像头测试，年龄值跳动比较频繁，需要加权或者跟踪算法。 https://github.com/yeyupiaoling/Age-Gender-MXNET 安装：pip install mxnet-cu101==1.5.0 看demo效果不错： 自己改写了一个摄像头实时预览... MXNET平台： 模型13M，实时对摄像头测试，年龄值跳动比较频繁，需要加权或者跟踪算法。 https://github.com/yeyupiaoling/Age-Gender-MXNET 安装：pip install mxnet-cu101==1.5.0 看demo效果不错： 自己改写了一个摄像头实时预览...
- 学习群｜扫码在主页获取加入方式 计算机视觉研究院专栏 作者：Edison_G 尽管最近长尾目标检测取得了成功，但几乎所有的长尾目标检测器都是基于两阶段范式开发的。在实践中，一阶段检测器在行业中更为普遍，因为它们有一个简单和快速的Pipeline，易于部署。然而，在长尾情况下，这一工作迄今还没有得到探索。 在... 学习群｜扫码在主页获取加入方式 计算机视觉研究院专栏 作者：Edison_G 尽管最近长尾目标检测取得了成功，但几乎所有的长尾目标检测器都是基于两阶段范式开发的。在实践中，一阶段检测器在行业中更为普遍，因为它们有一个简单和快速的Pipeline，易于部署。然而，在长尾情况下，这一工作迄今还没有得到探索。 在...
- 前言 BP(back propagation)神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念，是一种按照误差逆向传播算法训练的多层前馈神经网络，是应用最广泛的神经网络模型之一。 BP神经网络具有任意复杂的模式分类能力和优良的多维函数映射能力，解决了简单感知器不能解决的异或(Exclusive... 前言 BP(back propagation)神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念，是一种按照误差逆向传播算法训练的多层前馈神经网络，是应用最广泛的神经网络模型之一。 BP神经网络具有任意复杂的模式分类能力和优良的多维函数映射能力，解决了简单感知器不能解决的异或(Exclusive...
- 点上方人工智能算法与Python大数据获取更多干货 在右上方 ··· 设为星标 ★，第一时间获取资源 仅做学术分享，如有侵权，联系删除 转载于 ：量子位 AI识别你的语音、回答你的问题、帮你翻译外语，都离不开一种特殊的循环神经网络（RNN）：长短期记忆网络（Long short-term ... 点上方人工智能算法与Python大数据获取更多干货 在右上方 ··· 设为星标 ★，第一时间获取资源 仅做学术分享，如有侵权，联系删除 转载于 ：量子位 AI识别你的语音、回答你的问题、帮你翻译外语，都离不开一种特殊的循环神经网络（RNN）：长短期记忆网络（Long short-term ...
- 目录 前言专业名词笔记Recurrent Graphneural networks 递归图神经网络Convolutional graph neural networks 卷积图神经网络(ConvG... 目录 前言专业名词笔记Recurrent Graphneural networks 递归图神经网络Convolutional graph neural networks 卷积图神经网络(ConvG...
- 文章目录 一、YOLOv5简介二、网络结构1、Input2、Backbone3、Neck4、Head 三、改进方法1、自适应锚框计算2、自适应灰度填充 四、性能表现五、YOLOv5入门... 文章目录 一、YOLOv5简介二、网络结构1、Input2、Backbone3、Neck4、Head 三、改进方法1、自适应锚框计算2、自适应灰度填充 四、性能表现五、YOLOv5入门...
- NLP：Transformer的简介(优缺点)、架构详解之详细攻略 目录 Transformer的简介(优缺点)、架构详解之详细攻略 1、Transformer的简介 (1)、Transforme的四4个优点和2个缺点 2、Transformer 结构—纯用attention搭建的模型→计算速度更快 ... NLP：Transformer的简介(优缺点)、架构详解之详细攻略 目录 Transformer的简介(优缺点)、架构详解之详细攻略 1、Transformer的简介 (1)、Transforme的四4个优点和2个缺点 2、Transformer 结构—纯用attention搭建的模型→计算速度更快 ...
- 转自：https://blog.csdn.net/zhazhiqiang/article/details/22613763 解释一：频率分辨率可以理解为在使用DFT时，在频率轴上的所能得到的最小频率间隔f0=fs/N=1/NTs=1/T,其中N为采样点数，fs为采样频率，Ts为采样间隔。所以NTs就是采样前模拟信号的时间... 转自：https://blog.csdn.net/zhazhiqiang/article/details/22613763 解释一：频率分辨率可以理解为在使用DFT时，在频率轴上的所能得到的最小频率间隔f0=fs/N=1/NTs=1/T,其中N为采样点数，fs为采样频率，Ts为采样间隔。所以NTs就是采样前模拟信号的时间...
上滑加载中
推荐直播
-
华为云码道-AI时代应用开发利器2026/03/18 周三 19:00-20:00
童得力，华为云开发者生态运营总监/姚圣伟，华为云HCDE开发者专家
本次直播由华为专家带你实战应用开发，看华为云码道(CodeArts)代码智能体如何在AI时代让你的创意应用快速落地。更有华为云HCDE开发者专家带你用码道玩转JiuwenClaw，让小艺成为你的AI助理。
回顾中 -
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
热门标签