- 输入“什么是机器学习？” 进入Google搜索将打开一个Pandora的论坛，学术研究和虚假信息框，而本文的目的是在我们的机器学习研究人员小组的直接帮助下简化机器学习的定义和理解。 在AI研究和咨询公司Emerj，我们的许多企业客户都认为他们应该投资于机器学... 输入“什么是机器学习？” 进入Google搜索将打开一个Pandora的论坛，学术研究和虚假信息框，而本文的目的是在我们的机器学习研究人员小组的直接帮助下简化机器学习的定义和理解。 在AI研究和咨询公司Emerj，我们的许多企业客户都认为他们应该投资于机器学...
- 语音识别在我们的日常生活中已经被广泛应用。曾经听起来高大上的功能词汇，放到现在其实很简单就可以自己实现。本文就来带你了解 语音识别技术的原理，顺便做一个 语音识别的实战应用。 语音识别在我们的日常生活中已经被广泛应用。曾经听起来高大上的功能词汇，放到现在其实很简单就可以自己实现。本文就来带你了解 语音识别技术的原理，顺便做一个 语音识别的实战应用。
- 摘要本例提取了猫狗大战数据集中的部分数据做数据集，演示tensorflow2.0以上的版本如何使用Keras实现图像分类，分类的模型使用DenseNet121。 训练 第一步 导入需要的数据包，设置全局参数import numpy as npfrom tensorflow.keras.optimizers import Adamimport cv2from tensorflow.keras... 摘要本例提取了猫狗大战数据集中的部分数据做数据集，演示tensorflow2.0以上的版本如何使用Keras实现图像分类，分类的模型使用DenseNet121。 训练 第一步 导入需要的数据包，设置全局参数import numpy as npfrom tensorflow.keras.optimizers import Adamimport cv2from tensorflow.keras...
- 【Python训练营】Python每日一练----第3天：作物杂交 【Python训练营】Python每日一练----第3天：作物杂交
- 【Python训练营】Python每日一练----第1天：购物单 【Python训练营】Python每日一练----第1天：购物单
- 2021AIWIN 手写体 OCR 识别竞赛总结（任务一）参加了“世界人工智能创新大赛”——手写体 OCR 识别竞赛（任务一），取得了Top1的成绩。下面通过这篇文章来介绍我们队伍的方案。队伍随机组的，有人找我我就加了进来，这是我第一次做OCR相关的项目，所以随意起了个名字。 赛题一、赛题考官交通银行二、赛题背景银行日常业务中涉及到各类凭证的识别录入，例如身份证录入、支票录入、对账单录入等... 2021AIWIN 手写体 OCR 识别竞赛总结（任务一）参加了“世界人工智能创新大赛”——手写体 OCR 识别竞赛（任务一），取得了Top1的成绩。下面通过这篇文章来介绍我们队伍的方案。队伍随机组的，有人找我我就加了进来，这是我第一次做OCR相关的项目，所以随意起了个名字。 赛题一、赛题考官交通银行二、赛题背景银行日常业务中涉及到各类凭证的识别录入，例如身份证录入、支票录入、对账单录入等...
- 引言 不知道你是否和我有过同样的感受，《计算机组成原理》这门学科学起来如此的艰难：一节课下来，教室黑板上留下了满满的 “足迹”，看上去也挺简单的，不就是 0 和 1 嘛。但这些看起来简简单单的 0 1 码却成为了我当时学习路上的绊脚石。源码、反码、补码等等等等，各种的码制转换令我一头雾水，我曾一度怀疑这就是计算机干的活儿吗？ 随着后面慢慢了解《计算机组成原理》后，我愿称计算机为世界上最... 引言 不知道你是否和我有过同样的感受，《计算机组成原理》这门学科学起来如此的艰难：一节课下来，教室黑板上留下了满满的 “足迹”，看上去也挺简单的，不就是 0 和 1 嘛。但这些看起来简简单单的 0 1 码却成为了我当时学习路上的绊脚石。源码、反码、补码等等等等，各种的码制转换令我一头雾水，我曾一度怀疑这就是计算机干的活儿吗？ 随着后面慢慢了解《计算机组成原理》后，我愿称计算机为世界上最...
- ConvNeXts 完全由标准 ConvNet 模块构建，在准确性和可扩展性方面与 Transformer 竞争，实现 87.8% ImageNet top-1 准确率，在 COCO 检测和 ADE20K 分割方面优于 Swin Transformers，同时保持标准 ConvNet 的简单性和效率。论文链接：https://arxiv.org/pdf/2201.03545.pdf代码链接：... ConvNeXts 完全由标准 ConvNet 模块构建，在准确性和可扩展性方面与 Transformer 竞争，实现 87.8% ImageNet top-1 准确率，在 COCO 检测和 ADE20K 分割方面优于 Swin Transformers，同时保持标准 ConvNet 的简单性和效率。论文链接：https://arxiv.org/pdf/2201.03545.pdf代码链接：...
- 博主在4月学完西瓜书时，一头雾水，觉得还是一知半解。9月开学后上完了必修的《machine learning》课程，并且自己编程实现了多种机器学习算法和论文复现后，才对机器学习有一点了解，现在再次翻阅西瓜书，很多知识点看到都豁然开朗。所以出这一系列文章，对机器学习进行回顾，总结和记录！为大家揭开机器学习的神秘面纱！ 1、经验误差与过拟合通常我们把分类错误的样本数占样本总数的比例称为“错误率”... 博主在4月学完西瓜书时，一头雾水，觉得还是一知半解。9月开学后上完了必修的《machine learning》课程，并且自己编程实现了多种机器学习算法和论文复现后，才对机器学习有一点了解，现在再次翻阅西瓜书，很多知识点看到都豁然开朗。所以出这一系列文章，对机器学习进行回顾，总结和记录！为大家揭开机器学习的神秘面纱！ 1、经验误差与过拟合通常我们把分类错误的样本数占样本总数的比例称为“错误率”...
- ❤️KNN算法❤️ 算法图解：第十章：K最近邻算法 ❤️KNN算法❤️ 算法图解：第十章：K最近邻算法
- 在校期间主学机器学习和算法，在一次偶然的机会接触了大数据，而后便入门大数据，至今也从事大数据平台开发工作。可是，仍然对AI技术念念不忘呀，平常也会做点机器学习相关的小东西，尝试一些demo，想着某一天还能回到曾经熟悉的领域，正如我博客名称，从大数据到人工智能。由于我的工作也是平台相关的，所以本次ModelArts的体验对我来说不仅仅是产品的使用者，更是一个产品的学习者。话不多说，接下来和大家... 在校期间主学机器学习和算法，在一次偶然的机会接触了大数据，而后便入门大数据，至今也从事大数据平台开发工作。可是，仍然对AI技术念念不忘呀，平常也会做点机器学习相关的小东西，尝试一些demo，想着某一天还能回到曾经熟悉的领域，正如我博客名称，从大数据到人工智能。由于我的工作也是平台相关的，所以本次ModelArts的体验对我来说不仅仅是产品的使用者，更是一个产品的学习者。话不多说，接下来和大家...
- Inception-V3Rethinking the Inception Architecture for Computer Vision下载地址：https://arxiv.org/pdf/1512.00567.pdf 摘要对许多任务而言，卷积网络是目前最新的计算机视觉解决方案的核心。从2014年开始，深度卷积网络开始变成主流，在各种基准数据集上都取得了实质性成果。对于大多数任务而言，虽... Inception-V3Rethinking the Inception Architecture for Computer Vision下载地址：https://arxiv.org/pdf/1512.00567.pdf 摘要对许多任务而言，卷积网络是目前最新的计算机视觉解决方案的核心。从2014年开始，深度卷积网络开始变成主流，在各种基准数据集上都取得了实质性成果。对于大多数任务而言，虽...
- 线性回归的一些注意事项 无论导数正负，都可以将变化趋势向最低点靠近如果你已经在局部最低点了，θ1将不再改变，它将使你的点始终保持在局部最优点上。梯度下降能收敛到局部最优点，以一个固定的α。（随着越接近最优点，导数值越小）随着梯度下降法的运行，你移动的幅度会自动变得越来越小，直到最终移动幅度非常小，已经收敛到局部极小值。 第一个机器学习算法算法如下图，需要注意每次需要全部更新所有θ的值。（如... 线性回归的一些注意事项 无论导数正负，都可以将变化趋势向最低点靠近如果你已经在局部最低点了，θ1将不再改变，它将使你的点始终保持在局部最优点上。梯度下降能收敛到局部最优点，以一个固定的α。（随着越接近最优点，导数值越小）随着梯度下降法的运行，你移动的幅度会自动变得越来越小，直到最终移动幅度非常小，已经收敛到局部极小值。 第一个机器学习算法算法如下图，需要注意每次需要全部更新所有θ的值。（如...
- 续上篇在上一篇文章《吴恩达机器学习课程——单变量线性回归》中，我们了解了线性回归的基本概念以及代价函数的数学表达式。今天继续来研究一下这个数学函数。 代价函数的图像在线性回归中，我们假设其函数为:h(x) = ax + b，我们假设b = 0，则假设函数为：h(x) = ax代价函数为：对于固定的测试数据集合，其中的m, x(1…m)，y(1…m)都是固定的，也就是说，J(a)是一个以a为... 续上篇在上一篇文章《吴恩达机器学习课程——单变量线性回归》中，我们了解了线性回归的基本概念以及代价函数的数学表达式。今天继续来研究一下这个数学函数。 代价函数的图像在线性回归中，我们假设其函数为:h(x) = ax + b，我们假设b = 0，则假设函数为：h(x) = ax代价函数为：对于固定的测试数据集合，其中的m, x(1…m)，y(1…m)都是固定的，也就是说，J(a)是一个以a为...
上滑加载中
推荐直播
-
元宇宙漫游指南-基于VR-X3D-Blender交互平台构建元宇宙2022/01/19 周三 20:00-21:00
李少华 超图研究院产品咨询部总监
本次直播主要介绍VR-X3D-Blender交互平台如何构建元宇宙。
回顾中 -
热门标签