- 深度学习是一种人工神经网络的应用，其应用范围包括自然语言处理、计算机视觉、语音识别等等。其中，卷积神经网络（Convolutional Neural Network，CNN）是一种应用广泛的图像识别模型，其用于解决计算机视觉领域中的图像分类、目标检测、图像分割等问题。本文将详细介绍卷积神经网络的原理、结构和应用。 卷积神经网络的原理卷积神经网络是一种前馈神经网络，其主要特点是具有卷积层和池化... 深度学习是一种人工神经网络的应用，其应用范围包括自然语言处理、计算机视觉、语音识别等等。其中，卷积神经网络（Convolutional Neural Network，CNN）是一种应用广泛的图像识别模型，其用于解决计算机视觉领域中的图像分类、目标检测、图像分割等问题。本文将详细介绍卷积神经网络的原理、结构和应用。 卷积神经网络的原理卷积神经网络是一种前馈神经网络，其主要特点是具有卷积层和池化...
- 前言自然语言处理是一种将自然语言转换为计算机可处理的形式的技术。深度学习是一种非常强大的机器学习技术，它在自然语言处理方面也有广泛的应用。本文将详细介绍深度学习在自然语言处理方面的应用。 自然语言处理的基本步骤自然语言处理的基本步骤包括分词、词性标注、命名实体识别、句法分析、语义分析和文本分类等。深度学习可以自动从文本中学习有意义的特征，并生成一个高效的自然语言处理模型。 深度学习的自然语... 前言自然语言处理是一种将自然语言转换为计算机可处理的形式的技术。深度学习是一种非常强大的机器学习技术，它在自然语言处理方面也有广泛的应用。本文将详细介绍深度学习在自然语言处理方面的应用。 自然语言处理的基本步骤自然语言处理的基本步骤包括分词、词性标注、命名实体识别、句法分析、语义分析和文本分类等。深度学习可以自动从文本中学习有意义的特征，并生成一个高效的自然语言处理模型。 深度学习的自然语...
- 前言深度学习是一种非常强大的机器学习技术，它在许多领域都有广泛的应用。其中，图像识别是深度学习最成功的应用之一。本文将详细介绍深度学习在图像识别方面的应用。 图像识别的基本步骤图像识别的基本步骤包括图像预处理、特征提取和分类器。图像预处理是指对图像进行预处理，以便更好地进行特征提取和分类。特征提取是指从图像中提取有意义的特征。分类器是指训练一个分类器来识别图像。深度学习是一种非常适合进行图... 前言深度学习是一种非常强大的机器学习技术，它在许多领域都有广泛的应用。其中，图像识别是深度学习最成功的应用之一。本文将详细介绍深度学习在图像识别方面的应用。 图像识别的基本步骤图像识别的基本步骤包括图像预处理、特征提取和分类器。图像预处理是指对图像进行预处理，以便更好地进行特征提取和分类。特征提取是指从图像中提取有意义的特征。分类器是指训练一个分类器来识别图像。深度学习是一种非常适合进行图...
- 带你简单了解Chatgpt背后的秘密：大语言模型所需要条件（数据算法算力）以及其当前阶段的缺点局限性 带你简单了解Chatgpt背后的秘密：大语言模型所需要条件（数据算法算力）以及其当前阶段的缺点局限性
- 人工智能是什么人工智能是一个很大的圈子，但是基础必然是 机器学习什么是机器学习呢？说白了就是你告诉机器你想做什么？并且给它一堆数据让它去模仿着做（比如，咱们上高中，老师会告诉我们一个目标就是考高分，然后给我们一堆练习册和答案，我们的目的就是让我们做的题的解和答案一致）机器学习需要什么？算法，数据，程序，评估，应用机器学习能做什么？机器学习在数据挖掘，图像识别，语音和自然语言处理中有着广泛应... 人工智能是什么人工智能是一个很大的圈子，但是基础必然是 机器学习什么是机器学习呢？说白了就是你告诉机器你想做什么？并且给它一堆数据让它去模仿着做（比如，咱们上高中，老师会告诉我们一个目标就是考高分，然后给我们一堆练习册和答案，我们的目的就是让我们做的题的解和答案一致）机器学习需要什么？算法，数据，程序，评估，应用机器学习能做什么？机器学习在数据挖掘，图像识别，语音和自然语言处理中有着广泛应...
- ChatGPT 中文指令指南，教会你如何使用chatgpt实现中文你想要的答案 ChatGPT 中文指令指南，教会你如何使用chatgpt实现中文你想要的答案
- 神经网络的训练是深度学习中的核心问题之一。神经网络的训练过程是指通过输入训练数据，不断调整神经网络的参数，使其输出结果更加接近于实际值的过程。本文将介绍神经网络的训练过程、常见的训练算法以及如何避免过拟合等问题。 神经网络的训练过程神经网络的训练过程通常包括以下几个步骤： 步骤1：数据预处理在进行神经网络训练之前，需要对训练数据进行预处理。常见的预处理方法包括归一化、标准化等。这些方法可以帮... 神经网络的训练是深度学习中的核心问题之一。神经网络的训练过程是指通过输入训练数据，不断调整神经网络的参数，使其输出结果更加接近于实际值的过程。本文将介绍神经网络的训练过程、常见的训练算法以及如何避免过拟合等问题。 神经网络的训练过程神经网络的训练过程通常包括以下几个步骤： 步骤1：数据预处理在进行神经网络训练之前，需要对训练数据进行预处理。常见的预处理方法包括归一化、标准化等。这些方法可以帮...
- 神经网络是一种由多个神经元按照一定的拓扑结构相互连接而成的计算模型。其灵感来自于人类大脑中神经元之间的相互作用。在过去的几十年里，神经网络一直是人工智能领域中的热门研究方向之一。随着深度学习的兴起，神经网络的应用越来越广泛。本文将详细介绍神经网络的基本概念、架构和训练方法。 基本概念 神经元神经元是神经网络的基本组成单元。它接收输入信号，通过对输入信号的处理产生输出信号。每个神经元都有多个输... 神经网络是一种由多个神经元按照一定的拓扑结构相互连接而成的计算模型。其灵感来自于人类大脑中神经元之间的相互作用。在过去的几十年里，神经网络一直是人工智能领域中的热门研究方向之一。随着深度学习的兴起，神经网络的应用越来越广泛。本文将详细介绍神经网络的基本概念、架构和训练方法。 基本概念 神经元神经元是神经网络的基本组成单元。它接收输入信号，通过对输入信号的处理产生输出信号。每个神经元都有多个输...
- 目录介绍算法的例子KNN算法原理KNN算法的关键：算法的优点：算法的缺点：关于k值的选取代码实现总结KNN（K-Nearest Neighbor）最邻近分类算法是数据挖掘分类（classification）技术中最简单的算法之一，其指导思想是”近朱者赤，近墨者黑“，即由你的邻居来推断出你的类别。介绍算法的例子小河的左侧是有钱人的别墅，右侧是普通的居民，如果左侧搬来了一家房屋，能确定他是有钱... 目录介绍算法的例子KNN算法原理KNN算法的关键：算法的优点：算法的缺点：关于k值的选取代码实现总结KNN（K-Nearest Neighbor）最邻近分类算法是数据挖掘分类（classification）技术中最简单的算法之一，其指导思想是”近朱者赤，近墨者黑“，即由你的邻居来推断出你的类别。介绍算法的例子小河的左侧是有钱人的别墅，右侧是普通的居民，如果左侧搬来了一家房屋，能确定他是有钱...
- 目录1、使用机器学习模型时，一般怎么处理数据集2、什么是训练误差和测试误差3、什么是过拟合与欠拟合?怎么解决4、机器学习当中的回归模型有哪些5、机器学习当中的分类模型有哪些6、回归和分类模型的评价指标都有哪些7、遇到高维数据怎么处理8、常用的降维方法有哪些9、常用的特征选择方法有哪些10、什么是正则化?什么时候需要正则化11、L1正则化与L2正则化的区别12、线性回归的原理和适用条件13、线... 目录1、使用机器学习模型时，一般怎么处理数据集2、什么是训练误差和测试误差3、什么是过拟合与欠拟合?怎么解决4、机器学习当中的回归模型有哪些5、机器学习当中的分类模型有哪些6、回归和分类模型的评价指标都有哪些7、遇到高维数据怎么处理8、常用的降维方法有哪些9、常用的特征选择方法有哪些10、什么是正则化?什么时候需要正则化11、L1正则化与L2正则化的区别12、线性回归的原理和适用条件13、线...
- 人工智能领域中，提问问题的耦合度（Coupling）通常指问题与数据之间的联系程度，即问题对数据的依赖程度。具体来说，问题的耦合度越高，说明问题需要更多的信息和背景知识才能得到正确的答案；反之，耦合度越低，问题所需的信息和背景知识越少，答案也更容易得到。例如，对于以下两个问题：(1) 计算机视觉中的目标检测算法有哪些？(2) 如何检测图像中的人脸？第一个问题的耦合度相对较低，因为它只需要知道... 人工智能领域中，提问问题的耦合度（Coupling）通常指问题与数据之间的联系程度，即问题对数据的依赖程度。具体来说，问题的耦合度越高，说明问题需要更多的信息和背景知识才能得到正确的答案；反之，耦合度越低，问题所需的信息和背景知识越少，答案也更容易得到。例如，对于以下两个问题：(1) 计算机视觉中的目标检测算法有哪些？(2) 如何检测图像中的人脸？第一个问题的耦合度相对较低，因为它只需要知道...
- 卷积操作是一种线性操作，通常用于处理信号和图像等数据。在图像处理中，卷积操作可以用于提取图像的特征，例如边缘、纹理等。卷积操作是通过卷积核（也称滤波器）与输入数据进行逐元素乘积、求和运算的过程，从而得到卷积特征图。卷积核可以看作是一种模板，用于提取输入数据中的局部特征。在每个位置上，卷积核都会与输入数据中对应的元素进行逐元素乘积、求和运算，从而得到卷积特征图中对应位置的元素。具体来说，假设输... 卷积操作是一种线性操作，通常用于处理信号和图像等数据。在图像处理中，卷积操作可以用于提取图像的特征，例如边缘、纹理等。卷积操作是通过卷积核（也称滤波器）与输入数据进行逐元素乘积、求和运算的过程，从而得到卷积特征图。卷积核可以看作是一种模板，用于提取输入数据中的局部特征。在每个位置上，卷积核都会与输入数据中对应的元素进行逐元素乘积、求和运算，从而得到卷积特征图中对应位置的元素。具体来说，假设输...
- 上周我有幸参加了由中国图像图形学会和合合信息共同举办的CSIG企业行活动。这次活动邀请了多位来自图像描述与视觉问答、图文公式识别、自然语言处理、生成式视觉等领域的学者，他们分享了各自的研究成果和经验，并与现场观众进行了深入的交流和探讨。干货多多，感悟多多，在这里分享此次的收获给大家。一、活动介绍 ✍中国图像图形学学会（China Society of Image and Graphics，C... 上周我有幸参加了由中国图像图形学会和合合信息共同举办的CSIG企业行活动。这次活动邀请了多位来自图像描述与视觉问答、图文公式识别、自然语言处理、生成式视觉等领域的学者，他们分享了各自的研究成果和经验，并与现场观众进行了深入的交流和探讨。干货多多，感悟多多，在这里分享此次的收获给大家。一、活动介绍 ✍中国图像图形学学会（China Society of Image and Graphics，C...
- 即使我们可以利用反向传播来进行优化，但是训练过程中仍然会出现一系列的问题，比如鞍点、病态条件、梯度消失和梯度爆炸，对此我们首先提出了小批量随机梯度下降，并且基于批量随机梯度下降的不稳定的特点，继续对其做出方向和学习率上的优化。 即使我们可以利用反向传播来进行优化，但是训练过程中仍然会出现一系列的问题，比如鞍点、病态条件、梯度消失和梯度爆炸，对此我们首先提出了小批量随机梯度下降，并且基于批量随机梯度下降的不稳定的特点，继续对其做出方向和学习率上的优化。
- PyTorch是当前主流深度学习框架之一，其设计追求最少的封装、最直观的设计，其简洁优美的特性使得PyTorch代码更易理解，对新手非常友好。 本文为实战篇，介绍搭建卷积神经网络进行图像分类与图像风格迁移。 PyTorch是当前主流深度学习框架之一，其设计追求最少的封装、最直观的设计，其简洁优美的特性使得PyTorch代码更易理解，对新手非常友好。 本文为实战篇，介绍搭建卷积神经网络进行图像分类与图像风格迁移。
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