- 从本篇文章开始，作者正式开始研究Python深度学习、神经网络及人工智能相关知识。本篇文章主要通过Tensorflow+Opencv实现CNN自定义图像分类案例，它能解决我们现实论文或实践中的图像分类问题，并与机器学习的图像分类算法进行对比实验。基础性文章，希望对您有所帮助。 从本篇文章开始，作者正式开始研究Python深度学习、神经网络及人工智能相关知识。本篇文章主要通过Tensorflow+Opencv实现CNN自定义图像分类案例，它能解决我们现实论文或实践中的图像分类问题，并与机器学习的图像分类算法进行对比实验。基础性文章，希望对您有所帮助。
- 在本教程中，您已经介绍了 PyTorch 和 TensorFlow，了解了谁在使用它们以及它们支持哪些 API，并了解了如何为您的项目选择 PyTorch 与 TensorFlow。您已经了解了每种语言、工具、数据集和模型所支持的不同编程语言，并了解了如何选择最适合您的独特风格和项目的一种。 在本教程中，您已经介绍了 PyTorch 和 TensorFlow，了解了谁在使用它们以及它们支持哪些 API，并了解了如何为您的项目选择 PyTorch 与 TensorFlow。您已经了解了每种语言、工具、数据集和模型所支持的不同编程语言，并了解了如何选择最适合您的独特风格和项目的一种。
- 可视化工具使用户能够跟踪实验指标，例如损失和准确性，可视化模型图等。可视化训练过程对于问题的发现和模型收敛效果的确定非常重要，从而优化得到较好的模型设计。 可视化工具使用户能够跟踪实验指标，例如损失和准确性，可视化模型图等。可视化训练过程对于问题的发现和模型收敛效果的确定非常重要，从而优化得到较好的模型设计。
- Tensor，它可以是0维、一维以及多维的数组，你可以将它看作为神经网络界的Numpy，它与Numpy相似，二者可以共享内存，且之间的转换非常方便。但它们也不相同，最大的区别就是Numpy会把ndarray放在CPU中进行加速运算，而由Torch产生的Tensor会放在GPU中进行加速运算。对于Tensor，从接口划分，我们大致可分为2类： Tensor，它可以是0维、一维以及多维的数组，你可以将它看作为神经网络界的Numpy，它与Numpy相似，二者可以共享内存，且之间的转换非常方便。但它们也不相同，最大的区别就是Numpy会把ndarray放在CPU中进行加速运算，而由Torch产生的Tensor会放在GPU中进行加速运算。对于Tensor，从接口划分，我们大致可分为2类：
- @Author：Runsen GPU在gpu上训练使训练神经网络比在cpu上运行快得多Keras支持使用Tensorflow和Theano后端对gpu进行培训文档： https://keras.io/getting-started/faq/#how-can-i-run-keras-on-gpu 安装GPU首先，下载并安装CUDA&CuDNN（假设您使用的是NVIDIA gpu）安装url... @Author：Runsen GPU在gpu上训练使训练神经网络比在cpu上运行快得多Keras支持使用Tensorflow和Theano后端对gpu进行培训文档： https://keras.io/getting-started/faq/#how-can-i-run-keras-on-gpu 安装GPU首先，下载并安装CUDA&CuDNN（假设您使用的是NVIDIA gpu）安装url...
- 机器学习涉及评估模型的指标，例如损失（loss）、准确度等，以及它们如何随着训练的进行而变化。 机器学习涉及评估模型的指标，例如损失（loss）、准确度等，以及它们如何随着训练的进行而变化。
- 本系列文章旨在分享tensorflow->onnx->Caffe->wk模型转换流程，主要针对的是HI3516CV500， Hi3519AV100 支持NNIE推理框架的海思芯片的算法工程落地。 本系列文章旨在分享tensorflow->onnx->Caffe->wk模型转换流程，主要针对的是HI3516CV500， Hi3519AV100 支持NNIE推理框架的海思芯片的算法工程落地。
- 本系列文章旨在分享tensorflow->onnx->Caffe->wk模型转换流程，主要针对的是HI3516CV500， Hi3519AV100 支持NNIE推理框架的海思芯片的算法工程落地。 本系列文章旨在分享tensorflow->onnx->Caffe->wk模型转换流程，主要针对的是HI3516CV500， Hi3519AV100 支持NNIE推理框架的海思芯片的算法工程落地。
- 使用Tensorflow ，完成CIFAR-10图像识别 使用Tensorflow ，完成CIFAR-10图像识别
- tf.random_normal函数 tf.random_normal函数
- 单变量线性回归标签是我们要预测的真实事物y，特征是指用于描述数据的输入变量xi样本指数据的特定实例x，有标签样本具有{特征，标签}，用于训练模型；无标签样本具有{特征,?}，用于对新数据做出预测模型可将样本映射到预测标签，由模型的内部参数定义，内部参数通过学习得到具体到这里，参数就是 y=wx+b里的w和b，也叫权重和偏差？在监督式学习中，机器学习算法通过以下方式构建模型：检查多个样本并尝试... 单变量线性回归标签是我们要预测的真实事物y，特征是指用于描述数据的输入变量xi样本指数据的特定实例x，有标签样本具有{特征，标签}，用于训练模型；无标签样本具有{特征,?}，用于对新数据做出预测模型可将样本映射到预测标签，由模型的内部参数定义，内部参数通过学习得到具体到这里，参数就是 y=wx+b里的w和b，也叫权重和偏差？在监督式学习中，机器学习算法通过以下方式构建模型：检查多个样本并尝试...
- TensorFlow实战--单变量线性回归 TensorFlow实战--单变量线性回归
- 本文介绍了如何使用Windows GPU的tensorflow 1.15版本完成LeNet网络的模型训练。 本文介绍了如何使用Windows GPU的tensorflow 1.15版本完成LeNet网络的模型训练。
- 本文旨在分享Pytorch->Caffe->om模型转换流程。标准网络Baseline：PytorchToCaffe主要功能代码在：PytorchToCaffe+-- Caffe| +-- caffe.proto| +-- layer_param.py+-- example| +-- resnet_pytorch_2_caffe.py+-- pytorch_to_caffe.py... 本文旨在分享Pytorch->Caffe->om模型转换流程。标准网络Baseline：PytorchToCaffe主要功能代码在：PytorchToCaffe+-- Caffe| +-- caffe.proto| +-- layer_param.py+-- example| +-- resnet_pytorch_2_caffe.py+-- pytorch_to_caffe.py...
- 在云上使用GPU图形加速功能时，对GPU驱动以及远程连接方式等有一些约束。为了降低用户的学习使用成本，这里给出了一些实践方面的建议。选用合适规格的GPU不同的图形加速场景对GPU的性能或者显存大小有不同的需求，请根据测试软件官方的推荐配置（一般此类软件的官网都会提供）或者云下使用的机器配置，选用合适规格的GPU加速实例。不同显卡的性能对比可参考：https://www.techpowerup... 在云上使用GPU图形加速功能时，对GPU驱动以及远程连接方式等有一些约束。为了降低用户的学习使用成本，这里给出了一些实践方面的建议。选用合适规格的GPU不同的图形加速场景对GPU的性能或者显存大小有不同的需求，请根据测试软件官方的推荐配置（一般此类软件的官网都会提供）或者云下使用的机器配置，选用合适规格的GPU加速实例。不同显卡的性能对比可参考：https://www.techpowerup...
上滑加载中
推荐直播
-
手把手教你实现mini版TinyVue组件库2024/04/17 周三 16:30-18:00
阿健 华为云前端开发DTSE 技术布道师
在前端Web开发过程中，跨版本兼容性问题是一个普遍存在的挑战。为了解决这些痛点，OpenTiny推出跨端、跨框架、跨版本组件库TinyVue。本期直播聚焦于华为云的前端开源组件库TinyVue，通过mini版TinyVue的代码实践与大家共同深入解读Vue2/Vue3不同版本间的差异。这对于提升用户体验，减低维护成本，提升开发者技术洞察有重要意义。
去报名 -
如何快速入驻O3使能伙伴服务作业平台2024/04/18 周四 16:00-16:40
红喜 O3伙伴服务工作台技术总架构师
本期邀请O3伙伴服务工作台技术总架构师，讲解O3伙伴服务工作台的设计理念，及演示工作台关键能力与价值点，带你2步快速入驻工作台。O3伙伴服务工作台，具备在线Online、开放Open、协同Orchestration的特征，作为伙伴服务的统一入口，支持伙伴以租户方式入驻，涵盖伙伴工程师、管理者等多角色，是一个以伙伴服务领域全旅程作业为中心，整合华为服务各专业领域能力，开放共享的一站式作业平台。
去报名
热门标签