- 最近一段时间使用PaddleOCR做了一个OCR相关的项目，本文记录一下项目的实现过程。由于数据集是公司的真是数据，不方便公开，我从网上搜集了一些数据集，给大家做演示。PaddleOCR用的最新的PaddleOCR-release-2.5，模型用的v3模型。 一、配置Paddle环境创建虚拟环境conda create --name pp python=3.7创建完成后激活环境conda a... 最近一段时间使用PaddleOCR做了一个OCR相关的项目，本文记录一下项目的实现过程。由于数据集是公司的真是数据，不方便公开，我从网上搜集了一些数据集，给大家做演示。PaddleOCR用的最新的PaddleOCR-release-2.5，模型用的v3模型。 一、配置Paddle环境创建虚拟环境conda create --name pp python=3.7创建完成后激活环境conda a...
- 之前学了一个深度学习应用开发，学了一段时间，后来就没学了。确实是"靡不有初，鲜克有终"，现在不愿意再继续之前的学。我又找了一本书从头开始，这本书的名字是<深度学习入门与TensorFlow实践>。数（scalar）是一个数字。简直是废话。不过这才刚开始嘛。多个数字有序的放在一起，可以构成向量。比如下图的x:你看左边的是行向量，右边的是列向量。多个数字以二维的形式表示的，可以构成矩阵。比如X：... 之前学了一个深度学习应用开发，学了一段时间，后来就没学了。确实是"靡不有初，鲜克有终"，现在不愿意再继续之前的学。我又找了一本书从头开始，这本书的名字是<深度学习入门与TensorFlow实践>。数（scalar）是一个数字。简直是废话。不过这才刚开始嘛。多个数字有序的放在一起，可以构成向量。比如下图的x:你看左边的是行向量，右边的是列向量。多个数字以二维的形式表示的，可以构成矩阵。比如X：...
- Transformer + Art 系列中，今天新挖一个 CLIP 的坑，多模态不是一个新鲜的瓜，随着 AI 的发展，多模态已经成为一种趋势，而 CLIP 就是在多模态领域里迈出了重要的一步。其具有非常好的迁移学习能力，预训练好的模型可以在任意一个视觉分类数据集上取得不错的效果，而且是 Zero-shot（不需要对新数据集重新训练，就能得到很好的结果）。 Transformer + Art 系列中，今天新挖一个 CLIP 的坑，多模态不是一个新鲜的瓜，随着 AI 的发展，多模态已经成为一种趋势，而 CLIP 就是在多模态领域里迈出了重要的一步。其具有非常好的迁移学习能力，预训练好的模型可以在任意一个视觉分类数据集上取得不错的效果，而且是 Zero-shot（不需要对新数据集重新训练，就能得到很好的结果）。
- Pytorch自动混合精度(AMP)的使用总结pytorch从1.6版本开始，已经内置了torch.cuda.amp，采用自动混合精度训练就不需要加载第三方NVIDIA的apex库了。本文借鉴别人的文章和自己的经验编写，如果有错误还请大家指正。本文包含一下内容：1、介绍混合精度实现的两个接口。2、如何将混合精度和梯度裁剪结合。3、如果在torch.nn.DataParallel方式下实现混... Pytorch自动混合精度(AMP)的使用总结pytorch从1.6版本开始，已经内置了torch.cuda.amp，采用自动混合精度训练就不需要加载第三方NVIDIA的apex库了。本文借鉴别人的文章和自己的经验编写，如果有错误还请大家指正。本文包含一下内容：1、介绍混合精度实现的两个接口。2、如何将混合精度和梯度裁剪结合。3、如果在torch.nn.DataParallel方式下实现混...
- 训练完成上面的步骤后，就开始train脚本的编写，新建train.py. 导入项目使用的库import jsonimport osimport shutilimport matplotlib.pyplot as pltimport torchimport torch.nn.parallelimport torch.optim as optimimport torch.utils.datai... 训练完成上面的步骤后，就开始train脚本的编写，新建train.py. 导入项目使用的库import jsonimport osimport shutilimport matplotlib.pyplot as pltimport torchimport torch.nn.parallelimport torch.optim as optimimport torch.utils.datai...
- 大家好，我是小寒。今天我们来分享第二个深度学习案例：手写数字识别。MNIST 手写数字识别数据集来自美国国家标准与技术研究所(National Institute of Standards and Technology,NIST)。这个数据集由250个不同人手写的数字构成, 其中50%来自高中生, 50%来自美国人口普查局(the Census Bureau) 的工作人员。MNIST 是图像... 大家好，我是小寒。今天我们来分享第二个深度学习案例：手写数字识别。MNIST 手写数字识别数据集来自美国国家标准与技术研究所(National Institute of Standards and Technology,NIST)。这个数据集由250个不同人手写的数字构成, 其中50%来自高中生, 50%来自美国人口普查局(the Census Bureau) 的工作人员。MNIST 是图像...
- 👩💻博客主页：风起 风落的博客主页✨欢迎关注🖱点赞🎀收藏⭐留言✒👕参考网站：牛客网💻首发时间：🎞2022年7月30日🎠🎨你的收入跟你的不可替代成正比🀄如果觉得博主的文章还不错的话，请三连支持一下博主哦💬给大家介绍一个求职刷题收割offer的地方👉点击网站@TOC 前言 1.BC106 上三角矩阵判定描述KiKi想知道一个n阶方矩是否为上三角矩阵，请帮他编程判定。上三... 👩💻博客主页：风起 风落的博客主页✨欢迎关注🖱点赞🎀收藏⭐留言✒👕参考网站：牛客网💻首发时间：🎞2022年7月30日🎠🎨你的收入跟你的不可替代成正比🀄如果觉得博主的文章还不错的话，请三连支持一下博主哦💬给大家介绍一个求职刷题收割offer的地方👉点击网站@TOC 前言 1.BC106 上三角矩阵判定描述KiKi想知道一个n阶方矩是否为上三角矩阵，请帮他编程判定。上三...
- 多通道信号分析(MUSIA)软件，包含多种信号数据文件(如EDF)读写，信号波形显示、浏览与测量，信号中波峰与事件标注，信号处理与分析，医学信号处理与分析，信号特征参数提取等极为丰富的功能，具有可视化人机交互特点，并可以通过脚本文件进行预处理以及定义软件风格，是多通道随机信号分析与信息挖掘的有力工具。 多通道信号分析(MUSIA)软件，包含多种信号数据文件(如EDF)读写，信号波形显示、浏览与测量，信号中波峰与事件标注，信号处理与分析，医学信号处理与分析，信号特征参数提取等极为丰富的功能，具有可视化人机交互特点，并可以通过脚本文件进行预处理以及定义软件风格，是多通道随机信号分析与信息挖掘的有力工具。
- 原文链接大家好，我是小寒。今天来分享一个真实的 Kaggle ⽐赛案例：预测房价。此数据集由 Bart DeCock 于 2011 年收集，涵盖了2006-2010 年期间亚利桑那州埃姆斯市的房价。 读取数据集数据分为训练集和测试集。每条记录包括了房屋的属性，如街道类型、施⼯年份、屋顶类型、地下室状况等。这些特征由各种数据类型组成。我们使⽤ pandas 分别加载包含训练数据和测试数据的两个... 原文链接大家好，我是小寒。今天来分享一个真实的 Kaggle ⽐赛案例：预测房价。此数据集由 Bart DeCock 于 2011 年收集，涵盖了2006-2010 年期间亚利桑那州埃姆斯市的房价。 读取数据集数据分为训练集和测试集。每条记录包括了房屋的属性，如街道类型、施⼯年份、屋顶类型、地下室状况等。这些特征由各种数据类型组成。我们使⽤ pandas 分别加载包含训练数据和测试数据的两个...
- @[toc]在上一篇文章中完成了前期的准备工作，见链接：MixNet实战：使用MixNet实现图像分类（一）这篇主要是讲解如何训练和测试 训练完成上面的步骤后，就开始train脚本的编写，新建train.py. 导入项目使用的库import jsonimport osimport shutilimport matplotlib.pyplot as pltimport torchimport ... @[toc]在上一篇文章中完成了前期的准备工作，见链接：MixNet实战：使用MixNet实现图像分类（一）这篇主要是讲解如何训练和测试 训练完成上面的步骤后，就开始train脚本的编写，新建train.py. 导入项目使用的库import jsonimport osimport shutilimport matplotlib.pyplot as pltimport torchimport ...
- MixNet实战：使用MixNet实现图像分类@[toc]论文翻译：https://wanghao.blog.csdn.net/article/details/124779609模型解析以及pytorch源码：https://wanghao.blog.csdn.net/article/details/124817384MixConv 的主要思想是在单个深度卷积操作中混合多个不同大小的内核，... MixNet实战：使用MixNet实现图像分类@[toc]论文翻译：https://wanghao.blog.csdn.net/article/details/124779609模型解析以及pytorch源码：https://wanghao.blog.csdn.net/article/details/124817384MixConv 的主要思想是在单个深度卷积操作中混合多个不同大小的内核，...
- 无论你是菜鸟还是老司机，都跟着我来，今天带大家一步步体验"混动"AI开发！1. 准备工作PyCharm专业版---官网提供30天试用期的专业版（专业版官网地址）ModelArts插件---可以按照文档下载安装登录 （插件文档地址）Demo案例，点击附件进行下载2. “混动”开发2.1 创建Notebook远程资源（notebook地址）注意注意！！！ 一定要打开SSH远程开发开关，只有这样P... 无论你是菜鸟还是老司机，都跟着我来，今天带大家一步步体验"混动"AI开发！1. 准备工作PyCharm专业版---官网提供30天试用期的专业版（专业版官网地址）ModelArts插件---可以按照文档下载安装登录 （插件文档地址）Demo案例，点击附件进行下载2. “混动”开发2.1 创建Notebook远程资源（notebook地址）注意注意！！！ 一定要打开SSH远程开发开关，只有这样P...
- 主动学习和被动学习(监督学习)、半监督学习的关系 主动学习和被动学习(监督学习)、半监督学习的关系
- 👋👋欢迎来到👋👋🎩魔术之家！！🎩该文章收录专栏✨— 机器学习 —✨专栏内容✨— 【机器学习】浅谈正规方程法&梯度下降 —✨✨— 机器学习】梯度下降之数据标准化 —✨✨— 第十届“泰迪杯“感谢学习总结—✨@toc正规方程法（最小二乘）与梯度下降法都是为了求解线性回归的最优参数，但是不同的是正规方程法只需要一步就可以得到代价函数最优点，而梯度下降则是迭代下降，看起来似乎正规方程法要好... 👋👋欢迎来到👋👋🎩魔术之家！！🎩该文章收录专栏✨— 机器学习 —✨专栏内容✨— 【机器学习】浅谈正规方程法&梯度下降 —✨✨— 机器学习】梯度下降之数据标准化 —✨✨— 第十届“泰迪杯“感谢学习总结—✨@toc正规方程法（最小二乘）与梯度下降法都是为了求解线性回归的最优参数，但是不同的是正规方程法只需要一步就可以得到代价函数最优点，而梯度下降则是迭代下降，看起来似乎正规方程法要好...
- 迁移学习(Transfer Learning)的背景、历史及学习人工智能培训网chinaai.org迁移学习的背景、历史及学习1、迁移学习提出背景 在机器学习、深度学习和数据挖掘的大多数任务中，我们都会假设training和inference时，采用的数据服从相同的分布（distribution）、来源于相同的特征空间（feature space）。但在现实应用中，这个假设很难成立，往... 迁移学习(Transfer Learning)的背景、历史及学习人工智能培训网chinaai.org迁移学习的背景、历史及学习1、迁移学习提出背景 在机器学习、深度学习和数据挖掘的大多数任务中，我们都会假设training和inference时，采用的数据服从相同的分布（distribution）、来源于相同的特征空间（feature space）。但在现实应用中，这个假设很难成立，往...
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