- 当您有超过 10000000 个像素时，bestEffort 参数将仅使用像素子集来计算统计信息。如果您想要实际的最小值/最大值，请将 maxPixels 设置为更高的数字使用图层管理器计算的参数是使用您所在缩放级别的地图中可见像素的子集完成的。 （ 参考）。可以得到近似的最小值/最大值如果您想要实际的最小/最大值，则需要以原始比例（30m）为整个几何图形运行计算推荐的方法是使用 e... 当您有超过 10000000 个像素时，bestEffort 参数将仅使用像素子集来计算统计信息。如果您想要实际的最小值/最大值，请将 maxPixels 设置为更高的数字使用图层管理器计算的参数是使用您所在缩放级别的地图中可见像素的子集完成的。 （ 参考）。可以得到近似的最小值/最大值如果您想要实际的最小/最大值，则需要以原始比例（30m）为整个几何图形运行计算推荐的方法是使用 e...
- 你喜欢动画片，或者说卡通，动漫吗？我是挺喜欢的。绚丽多彩的卡通世界从来没有缺失过吸引力。手冢治虫画笔下，那个可以上天入地的阿童木，在与邪恶世界的斗争中教会了我们勇敢与正义。漫画工匠宫崎骏用清新的水彩勾勒出自然的乡村景观，不染一丝现实的尘土。美艳而不可方物的世界令人神往。这次是将AnimeGAN部署到Ascend 310，从而实现对自己想要图片的一键转换为我们想看到的卡通风格。 你喜欢动画片，或者说卡通，动漫吗？我是挺喜欢的。绚丽多彩的卡通世界从来没有缺失过吸引力。手冢治虫画笔下，那个可以上天入地的阿童木，在与邪恶世界的斗争中教会了我们勇敢与正义。漫画工匠宫崎骏用清新的水彩勾勒出自然的乡村景观，不染一丝现实的尘土。美艳而不可方物的世界令人神往。这次是将AnimeGAN部署到Ascend 310，从而实现对自己想要图片的一键转换为我们想看到的卡通风格。
- 在计算索引并生成高质量马赛克时，有一个明显的图像是异常值。我已经确定了图像，问题在于 B5 波段的值非常低，这使得索引具有非常高的值。编号：哥白尼/S2_SR/20200829T174909_20200829T175522_T13UFP代码：var imageCollection = ee.ImageCollection("COPERNICUS/S2_SR"), geometry =... 在计算索引并生成高质量马赛克时，有一个明显的图像是异常值。我已经确定了图像，问题在于 B5 波段的值非常低，这使得索引具有非常高的值。编号：哥白尼/S2_SR/20200829T174909_20200829T175522_T13UFP代码：var imageCollection = ee.ImageCollection("COPERNICUS/S2_SR"), geometry =...
- 一、环境及准备工作CPU/GPU复现使用华为云ModelArts-CodeLab平台Ascend复现使用华为云ModelArts-开发环境-Notebook原始Lenet代码链接：https://gitee.com/lai-pengfei/LeNet 二、在CPU/GPU中运行原始代码第一步：打开CodeLab注：如果需要切换GPU资源，可以点资源选择GPU资源，可以使用1小时，1小时候需... 一、环境及准备工作CPU/GPU复现使用华为云ModelArts-CodeLab平台Ascend复现使用华为云ModelArts-开发环境-Notebook原始Lenet代码链接：https://gitee.com/lai-pengfei/LeNet 二、在CPU/GPU中运行原始代码第一步：打开CodeLab注：如果需要切换GPU资源，可以点资源选择GPU资源，可以使用1小时，1小时候需...
- 一、KNN算法描述KNN（K Near Neighbor）：找到k个最近的邻居，即每个样本都可以用它最接近的这k个邻居中所占数量最多的类别来代表。KNN算法属于有监督学习方式的分类算法，所谓K近邻算法，就是给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的K个实例（就是上面提到的K个邻居），如果这K个实例的多数属于某个类，就将该输入实例分类到这个类中。上图中有两种不同类... 一、KNN算法描述KNN（K Near Neighbor）：找到k个最近的邻居，即每个样本都可以用它最接近的这k个邻居中所占数量最多的类别来代表。KNN算法属于有监督学习方式的分类算法，所谓K近邻算法，就是给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的K个实例（就是上面提到的K个邻居），如果这K个实例的多数属于某个类，就将该输入实例分类到这个类中。上图中有两种不同类...
- 论文：Weighted boxes fusion: Ensembling boxes from different object detection models 论文：Weighted boxes fusion: Ensembling boxes from different object detection models
- 训练检测口罩模型 下载项目https://github.com/Megvii-BaseDetection/YOLOX打开项目 安装环境pip install -r requirements.txt如果报错pip install -c esri pycocotools 第一步下载数据集在datasets文件夹下新建VOCdevkit文件夹并将下载的data文件夹放进去，并改名为VOC2020... 训练检测口罩模型 下载项目https://github.com/Megvii-BaseDetection/YOLOX打开项目 安装环境pip install -r requirements.txt如果报错pip install -c esri pycocotools 第一步下载数据集在datasets文件夹下新建VOCdevkit文件夹并将下载的data文件夹放进去，并改名为VOC2020...
- Lenet5训练模型 下载数据集可以提前下载也可以在线下载train_data = torchvision.datasets.MNIST(root='./',download=True,train=True,transform=transform)test_data = torchvision.datasets.MNIST(root='./',download=True,train=Fal... Lenet5训练模型 下载数据集可以提前下载也可以在线下载train_data = torchvision.datasets.MNIST(root='./',download=True,train=True,transform=transform)test_data = torchvision.datasets.MNIST(root='./',download=True,train=Fal...
- 使用cifar10数据集和alexnet网络模型训练分类模型 下载cifar10数据集 代码：import torchvisionimport torchtransform = torchvision.transforms.Compose( [torchvision.transforms.ToTensor(), torchvision.transforms.Resize(22... 使用cifar10数据集和alexnet网络模型训练分类模型 下载cifar10数据集 代码：import torchvisionimport torchtransform = torchvision.transforms.Compose( [torchvision.transforms.ToTensor(), torchvision.transforms.Resize(22...
- 深度学习 1. 深度学习介绍 2. 深度学习原理 3. 深度学习实现 深度学习 1. 深度学习介绍深度学习（Deep learning）是机器学习的一个分支领域,其源于人工神经网络的研究。深度学习广泛应用在计算机视觉,音频处理,自然语言处理等诸多领域。人工神经网络（Artificial Neural Network），以数学模型模拟神经元活动，是基于模仿大脑神经网络结构和功能而建立的一种信... 深度学习 1. 深度学习介绍 2. 深度学习原理 3. 深度学习实现 深度学习 1. 深度学习介绍深度学习（Deep learning）是机器学习的一个分支领域,其源于人工神经网络的研究。深度学习广泛应用在计算机视觉,音频处理,自然语言处理等诸多领域。人工神经网络（Artificial Neural Network），以数学模型模拟神经元活动，是基于模仿大脑神经网络结构和功能而建立的一种信...
- 实现基于CNN网络的手写字体识别 1、搭建CNN网络模型； 2、设计损失函数，选择优化函数； 3、实现模型训练与测试。 代码： 实现基于CNN网络的手写字体识别首先下载数据 1、搭建CNN网络模型；class CNN(nn.Module): def __init__(self): super(CNN,self).__init__() ''' ... 实现基于CNN网络的手写字体识别 1、搭建CNN网络模型； 2、设计损失函数，选择优化函数； 3、实现模型训练与测试。 代码： 实现基于CNN网络的手写字体识别首先下载数据 1、搭建CNN网络模型；class CNN(nn.Module): def __init__(self): super(CNN,self).__init__() ''' ...
- 本文约3.6千字，新手阅读需要11分钟，复习需要3分钟 【收藏随时查阅不再迷路】 👉关于作者众所周知，人生是一个漫长的流程，不断克服困难，不断反思前进的过程。在这个过程中会产生很多对于人生的质疑和思考，于是我决定将自己的思考，经验和故事全部分享出来，以此寻找共鸣 ！！！专注于Android/Unity和各种游戏开发技巧，以及各种资源分享（网站、工具、素材、源码、游戏等）有什么需要欢迎私我... 本文约3.6千字，新手阅读需要11分钟，复习需要3分钟 【收藏随时查阅不再迷路】 👉关于作者众所周知，人生是一个漫长的流程，不断克服困难，不断反思前进的过程。在这个过程中会产生很多对于人生的质疑和思考，于是我决定将自己的思考，经验和故事全部分享出来，以此寻找共鸣 ！！！专注于Android/Unity和各种游戏开发技巧，以及各种资源分享（网站、工具、素材、源码、游戏等）有什么需要欢迎私我...
- 本文约3千字，新手阅读需要10分钟，复习需要3分钟 【收藏随时查阅不再迷路】 👉关于作者众所周知，人生是一个漫长的流程，不断克服困难，不断反思前进的过程。在这个过程中会产生很多对于人生的质疑和思考，于是我决定将自己的思考，经验和故事全部分享出来，以此寻找共鸣 ！！！专注于Android/Unity和各种游戏开发技巧，以及各种资源分享（网站、工具、素材、源码、游戏等）有什么需要欢迎私我，交... 本文约3千字，新手阅读需要10分钟，复习需要3分钟 【收藏随时查阅不再迷路】 👉关于作者众所周知，人生是一个漫长的流程，不断克服困难，不断反思前进的过程。在这个过程中会产生很多对于人生的质疑和思考，于是我决定将自己的思考，经验和故事全部分享出来，以此寻找共鸣 ！！！专注于Android/Unity和各种游戏开发技巧，以及各种资源分享（网站、工具、素材、源码、游戏等）有什么需要欢迎私我，交...
- 本文介绍了EM算法的第一层境界的第二部分内容：形式上理解EM算法的期望和最大化，以经典的三硬币问题作为例子，通过数学推导介绍了EM算法的形式和内容。 本文介绍了EM算法的第一层境界的第二部分内容：形式上理解EM算法的期望和最大化，以经典的三硬币问题作为例子，通过数学推导介绍了EM算法的形式和内容。
- 本文介绍了EM算法的第一层境界的第一部分内容：形式上理解EM算法的期望和最大化，以经典的三硬币问题作为例子，直觉上介绍了EM算法的形式和内容。 本文介绍了EM算法的第一层境界的第一部分内容：形式上理解EM算法的期望和最大化，以经典的三硬币问题作为例子，直觉上介绍了EM算法的形式和内容。
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