- 识别猫咪AI算法代价函数的所有求导过程 识别猫咪AI算法代价函数的所有求导过程
- 1 概念将对象转换为可保存状态（例如字节流、文本表示等）称为序列化，而反序列化将数据从上述格式转换回对象。序列化格式会将内存中重建对象所需的所有信息保留在与序列化时相同的状态。在 Python 中提供了一个 pickle 模块，pickle 模块实现了二进制协议。支持我们的对象数据的序列和反序列化。2 存储 Python 原生对象：pickle 模块pickle 模块能够让我们直接在文件中存... 1 概念将对象转换为可保存状态（例如字节流、文本表示等）称为序列化，而反序列化将数据从上述格式转换回对象。序列化格式会将内存中重建对象所需的所有信息保留在与序列化时相同的状态。在 Python 中提供了一个 pickle 模块，pickle 模块实现了二进制协议。支持我们的对象数据的序列和反序列化。2 存储 Python 原生对象：pickle 模块pickle 模块能够让我们直接在文件中存...
- 🤵♂️ 个人主页: @计算机魔术师👨💻 作者简介：CSDN内容合伙人，全栈领域优质创作者。🌐 推荐一款找工作神器网站: 牛客网🎉🎉|笔试题库|面试经验|实习招聘内推 还没账户的小伙伴 速速点击链接跳转牛客网登录注册 开始刷爆题库，速速通关面试吧🙋♂️该文章收录专栏✨— 机器学习 —✨@toc@[toc](【机器学习】向量化计算 —机器学习路上必经路) 一、求解矩阵在求... 🤵♂️ 个人主页: @计算机魔术师👨💻 作者简介：CSDN内容合伙人，全栈领域优质创作者。🌐 推荐一款找工作神器网站: 牛客网🎉🎉|笔试题库|面试经验|实习招聘内推 还没账户的小伙伴 速速点击链接跳转牛客网登录注册 开始刷爆题库，速速通关面试吧🙋♂️该文章收录专栏✨— 机器学习 —✨@toc@[toc](【机器学习】向量化计算 —机器学习路上必经路) 一、求解矩阵在求...
- @TOC 简介Hello！非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ ଘ(੭ˊᵕˋ)੭昵称：海轰标签：程序猿｜C++选手｜学生简介：因C语言结识编程，随后转入计算机专业，获得过国家奖学金，有幸在竞赛中拿过一些国奖、省奖…已保研学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！ 唯有努力💪 本文仅记录自己感兴趣的内容 说明作业要求：每章从课后习题中选... @TOC 简介Hello！非常感谢您阅读海轰的文章，倘若文中有错误的地方，欢迎您指出～ ଘ(੭ˊᵕˋ)੭昵称：海轰标签：程序猿｜C++选手｜学生简介：因C语言结识编程，随后转入计算机专业，获得过国家奖学金，有幸在竞赛中拿过一些国奖、省奖…已保研学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！ 唯有努力💪 本文仅记录自己感兴趣的内容 说明作业要求：每章从课后习题中选...
- 概述生物多样性重要性地图(MoBI) 由栅格地图组成，该地图结合了美国本土 2,216 种濒危物种的栖息地信息，使用基于范围大小和保护程度的权重来确定对生物多样性保护具有高度重要性的区域。该项目包括的物种是截至 2018 年 9 月，全球保护状态为 G1（濒危）或 G2（濒危）或根据美国濒危物种法在全物种层面被列为受威胁或濒危的物种. 该项目包括的分类群包括脊椎动物（鸟类、哺乳动物、两栖动物... 概述生物多样性重要性地图(MoBI) 由栅格地图组成，该地图结合了美国本土 2,216 种濒危物种的栖息地信息，使用基于范围大小和保护程度的权重来确定对生物多样性保护具有高度重要性的区域。该项目包括的物种是截至 2018 年 9 月，全球保护状态为 G1（濒危）或 G2（濒危）或根据美国濒危物种法在全物种层面被列为受威胁或濒危的物种. 该项目包括的分类群包括脊椎动物（鸟类、哺乳动物、两栖动物...
- 目标检测是很多计算机视觉应用的基础，比如实例分割等，它结合了目标分类和定位两个任务。 深度学习用于目标检测的算法从思路上来看，可以分为两大类，一类是two stage的方法，也就是把整个分为两部分，生成候选框和识别框内物体，例如R-CNN系列；另一类是one stage的方法，把整个流程统一在一起，直接给出检测结果，主要包含SSD,YOLO系列。 目标检测的backbone一般基于ImageN 目标检测是很多计算机视觉应用的基础，比如实例分割等，它结合了目标分类和定位两个任务。 深度学习用于目标检测的算法从思路上来看，可以分为两大类，一类是two stage的方法，也就是把整个分为两部分，生成候选框和识别框内物体，例如R-CNN系列；另一类是one stage的方法，把整个流程统一在一起，直接给出检测结果，主要包含SSD,YOLO系列。 目标检测的backbone一般基于ImageN
- 使用 BioNet 估计生物物理参数和现实不确定性BioNet 计算几个关键参数的高空间分辨率乘积 (30 m) 以量化陆地生物圈：LAI、FAPAR、FVC 和 CWC。人工神经网络 (ANN) 接受了辐射传输模型反演的训练，以预测 30 米空间分辨率的生物物理变量及其相关的现实不确定性条。它由一种通用且可扩展的方法组成，用于结合认知（模型）和任意（输入）不确定性通过利用蒙特卡罗 (M... 使用 BioNet 估计生物物理参数和现实不确定性BioNet 计算几个关键参数的高空间分辨率乘积 (30 m) 以量化陆地生物圈：LAI、FAPAR、FVC 和 CWC。人工神经网络 (ANN) 接受了辐射传输模型反演的训练，以预测 30 米空间分辨率的生物物理变量及其相关的现实不确定性条。它由一种通用且可扩展的方法组成，用于结合认知（模型）和任意（输入）不确定性通过利用蒙特卡罗 (M...
- 前言本作者在16年大学开始接触ROS后，逐步向着机器人建图导航方面扩展，尤其是对激光雷达方向比较感兴趣，目前打算针对近阶段的SC-LEGO-LOAM进行分析讲述。从ScanContext和Lego LOAM两个部分进行分析阐述。一方面也是记录自己的学习成果，另一方面也是帮助他人一起熟悉这篇20年的经典文章。 LOAM系列发展 LOAMLOAM作为该系列的鼻祖，在前几年kitti数据集中常年... 前言本作者在16年大学开始接触ROS后，逐步向着机器人建图导航方面扩展，尤其是对激光雷达方向比较感兴趣，目前打算针对近阶段的SC-LEGO-LOAM进行分析讲述。从ScanContext和Lego LOAM两个部分进行分析阐述。一方面也是记录自己的学习成果，另一方面也是帮助他人一起熟悉这篇20年的经典文章。 LOAM系列发展 LOAMLOAM作为该系列的鼻祖，在前几年kitti数据集中常年...
- AVS视频编码标准的演变：20年来的创新与发展转载自：人工智能培训网(https://www.chinaai.org.cn/newsinfo/2821164.html）1 研究意义20世纪90年代至21世纪初，MPEG和VCEG等国际标准工作组制定了系列视频编码标准，如MPEG-1，H.261，MPEG-2/H.262标准等。在这些编码标准中几乎没有我国专利的影子，这意味着我们国家的企业如果... AVS视频编码标准的演变：20年来的创新与发展转载自：人工智能培训网(https://www.chinaai.org.cn/newsinfo/2821164.html）1 研究意义20世纪90年代至21世纪初，MPEG和VCEG等国际标准工作组制定了系列视频编码标准，如MPEG-1，H.261，MPEG-2/H.262标准等。在这些编码标准中几乎没有我国专利的影子，这意味着我们国家的企业如果...
- “迁移学习(Transfer Learning)核心技术开发与应用研修班”根据《guowuyua关于推行终身职业技能培训制度的意见》提出的“紧跟新技术、新职业发展变化，建立职业分类动态调整机制，加快职业标准开发工作”要求，中国管理科学研究院现代教育研究所联合龙腾亚太举办“迁移学习核心技术开发与应用研修班”。时间：2022年08月19日 — 2022年08月22日 线上（19日下发上课所需... “迁移学习(Transfer Learning)核心技术开发与应用研修班”根据《guowuyua关于推行终身职业技能培训制度的意见》提出的“紧跟新技术、新职业发展变化，建立职业分类动态调整机制，加快职业标准开发工作”要求，中国管理科学研究院现代教育研究所联合龙腾亚太举办“迁移学习核心技术开发与应用研修班”。时间：2022年08月19日 — 2022年08月22日 线上（19日下发上课所需...
- Author：AXYZdong李宏毅《机器学习》系列参考视频地址：https://www.bilibili.com/video/BV1Ht411g7Ef参考文档：DataWhale文档 六个Task李宏毅 机器学习 丨1. Introduction of this course（机器学习介绍）李宏毅 机器学习 丨2. Regression（回归）李宏毅 机器学习 丨3. Gradient D... Author：AXYZdong李宏毅《机器学习》系列参考视频地址：https://www.bilibili.com/video/BV1Ht411g7Ef参考文档：DataWhale文档 六个Task李宏毅 机器学习 丨1. Introduction of this course（机器学习介绍）李宏毅 机器学习 丨2. Regression（回归）李宏毅 机器学习 丨3. Gradient D...
- 1. 聚类分析简介我们知道，机器学习本质上是一类优化问题——获取数据样本和目标函数，并尝试优化目标函数。在监督学习中，目标函数基于数据数据样本的标签，我们的目标是最小化模型预测和实际标签之间的差异，但在无监督学习中，我们并没有数据样本的标签。本文主要介绍无监督学习中最重要的分枝之一——聚类 (Clustering)。 当我们需要为在不带有标签的数据中挖掘所需的潜在信息时，聚类通常是我们的首选... 1. 聚类分析简介我们知道，机器学习本质上是一类优化问题——获取数据样本和目标函数，并尝试优化目标函数。在监督学习中，目标函数基于数据数据样本的标签，我们的目标是最小化模型预测和实际标签之间的差异，但在无监督学习中，我们并没有数据样本的标签。本文主要介绍无监督学习中最重要的分枝之一——聚类 (Clustering)。 当我们需要为在不带有标签的数据中挖掘所需的潜在信息时，聚类通常是我们的首选...
- 1. 监督学习简介近年来，机器学习已经成为最热门的研究领域之一，机器学习通常可以分为监督学习和无监督学习。本文主要介绍监督学习，可以在博文《无监督学习》中详细了解主流无监督学习算法。在给出正式的定义之前，我们考虑以下示例：假设存在一组人物图片，每张图片都有一个关于图中人物性别的标签，我们就可以将这些数据输入监督算法中，并使用输入变量(图片像素)来计算目标变量(图片中人物性别)，更正式地说：监... 1. 监督学习简介近年来，机器学习已经成为最热门的研究领域之一，机器学习通常可以分为监督学习和无监督学习。本文主要介绍监督学习，可以在博文《无监督学习》中详细了解主流无监督学习算法。在给出正式的定义之前，我们考虑以下示例：假设存在一组人物图片，每张图片都有一个关于图中人物性别的标签，我们就可以将这些数据输入监督算法中，并使用输入变量(图片像素)来计算目标变量(图片中人物性别)，更正式地说：监...
- 1. 机器学习基础机器学习是令计算机根据可用数据执行相应策略而无需以明确的编程方式执行策略的一门学科。 在过去几十年间，由于可用数据的数量和质量呈指数级增长，同时高性能的计算设备也得到了快速发展，机器学习在图像识别、自然语言处理、推荐系统和自动驾驶等领域都取得了突破性进展。机器学习的目标是构建强大的模型，可以操纵输入数据以预测输出，同时随着新数据的增加不断更新模型。传递到计算机中的任何信息或... 1. 机器学习基础机器学习是令计算机根据可用数据执行相应策略而无需以明确的编程方式执行策略的一门学科。 在过去几十年间，由于可用数据的数量和质量呈指数级增长，同时高性能的计算设备也得到了快速发展，机器学习在图像识别、自然语言处理、推荐系统和自动驾驶等领域都取得了突破性进展。机器学习的目标是构建强大的模型，可以操纵输入数据以预测输出，同时随着新数据的增加不断更新模型。传递到计算机中的任何信息或...
- Notebook开发环境，训练任务实例都会进行目录挂载。本位主要介绍挂载目录的详细情况。 Notebook开发环境，训练任务实例都会进行目录挂载。本位主要介绍挂载目录的详细情况。
上滑加载中
推荐直播
-
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中 -
华为云码道全新升级，多会话并行与多智能体协作2026/05/08 周五 19:00-21:00
王一男-华为云码道产品专家；张嘉冉-华为云码道工程师；胡琦-华为云HCDE；程诗杰-华为云HCDG
华为云码道4月份版本全新升级，此次直播深度解读4月份产品特性，通过“特性解读+实操演示+实战案例+设计创新”的组合，全方位展现码道在多会话并行与多智能体协作方面的能力，赋能开发者提升效率
正在直播
热门标签