- 强化学习从基础到进阶-常见问题和面试必知必答[7]：深度确定性策略梯度DDPG算法、双延迟深度确定性策略梯度TD3算法详解 强化学习从基础到进阶-常见问题和面试必知必答[7]：深度确定性策略梯度DDPG算法、双延迟深度确定性策略梯度TD3算法详解
- 强化学习从基础到进阶--案例与实践[7.1]：深度确定性策略梯度DDPG算法、双延迟深度确定性策略梯度TD3算法详解项目实战 强化学习从基础到进阶--案例与实践[7.1]：深度确定性策略梯度DDPG算法、双延迟深度确定性策略梯度TD3算法详解项目实战
- Classification example for Landsat 8 imagery土地分类是地学科学中的一个重要领域，可以帮助我们更好地了解和管理地球表面的不同土地类型。在Google Earth Engine（GEE）中，在使用Landsat影像进行土地分类时，进行土地分类可以利用其强大的遥感数据处理和分析能力。以下是使用GEE进行土地分类的基本步骤：1.收集遥感数据：使用GEE中提... Classification example for Landsat 8 imagery土地分类是地学科学中的一个重要领域，可以帮助我们更好地了解和管理地球表面的不同土地类型。在Google Earth Engine（GEE）中，在使用Landsat影像进行土地分类时，进行土地分类可以利用其强大的遥感数据处理和分析能力。以下是使用GEE进行土地分类的基本步骤：1.收集遥感数据：使用GEE中提...
- 强化学习从基础到进阶-常见问题和面试必知必答[6]：演员-评论员算法（advantage actor-critic，A2C），异步A2C、与生成对抗网络的联系等详解 强化学习从基础到进阶-常见问题和面试必知必答[6]：演员-评论员算法（advantage actor-critic，A2C），异步A2C、与生成对抗网络的联系等详解
- Land Surface Phenology with Sentinel-2使用Sentinel-2的地表现象学这个资源库包含谷歌地球引擎的代码，该代码是为了用Sentinel-2在高纬度地区估计地表现象学（LSP）指标（季节的开始和结束（SoS和EoS））而开发。LSP的提取方法是阈值法。Sentinel-2A/B串联卫星的高空间分辨率和重访时间使得对地表物候学的检索有可能得到改善。然而... Land Surface Phenology with Sentinel-2使用Sentinel-2的地表现象学这个资源库包含谷歌地球引擎的代码，该代码是为了用Sentinel-2在高纬度地区估计地表现象学（LSP）指标（季节的开始和结束（SoS和EoS））而开发。LSP的提取方法是阈值法。Sentinel-2A/B串联卫星的高空间分辨率和重访时间使得对地表物候学的检索有可能得到改善。然而...
- 翁布拉合成孔径雷达公开数据Umbra卫星产生的SAR图像是有史以来商业化提供的最高分辨率的图像（优于25厘米/10英寸）。合成孔径雷达卫星可以在夜间、透过云层、烟雾和雨水捕捉图像。合成孔径雷达在监测变化方面的能力是独一无二的。开放数据计划（ODP）监测世界上十个不同的地点。经常用新的图像进行更新。ODP使用户能够分析时间序列数据以检测每个地点的变化。前言 – 人工智能教程数据子集¶由于GEC... 翁布拉合成孔径雷达公开数据Umbra卫星产生的SAR图像是有史以来商业化提供的最高分辨率的图像（优于25厘米/10英寸）。合成孔径雷达卫星可以在夜间、透过云层、烟雾和雨水捕捉图像。合成孔径雷达在监测变化方面的能力是独一无二的。开放数据计划（ODP）监测世界上十个不同的地点。经常用新的图像进行更新。ODP使用户能够分析时间序列数据以检测每个地点的变化。前言 – 人工智能教程数据子集¶由于GEC...
- Stable Diffusion 是一种用于图像生成的人工智能技术。它可以根据文本描述生成相应的图像。Stable Diffusion 是基于 Transformer 语言模型的开源技术。它使用大型图像-文本数据集进行预训练,可以将图像与自然语言进行翻译,根据图像或文本描述生成新的图像。Stable Diffusion 的主要特点有:开源。代码和模型都在 MIT 许可下开源,可以自由使用和修... Stable Diffusion 是一种用于图像生成的人工智能技术。它可以根据文本描述生成相应的图像。Stable Diffusion 是基于 Transformer 语言模型的开源技术。它使用大型图像-文本数据集进行预训练,可以将图像与自然语言进行翻译,根据图像或文本描述生成新的图像。Stable Diffusion 的主要特点有:开源。代码和模型都在 MIT 许可下开源,可以自由使用和修...
- —theme: theme-orange —机器学习（Machine Learning）:使用统计学和计算机 algorithms 从数据中学习和预测，而无需显式编程。深度学习（Deep Learning）:一种基于机器学习中的神经网络的算法。它模拟人脑，通过对大量数据进行训练，找到其中的规律。神经网络（Neural Network）:受生物神经元启发的算法结构，由连接的节点（神经元）构成... —theme: theme-orange —机器学习（Machine Learning）:使用统计学和计算机 algorithms 从数据中学习和预测，而无需显式编程。深度学习（Deep Learning）:一种基于机器学习中的神经网络的算法。它模拟人脑，通过对大量数据进行训练，找到其中的规律。神经网络（Neural Network）:受生物神经元启发的算法结构，由连接的节点（神经元）构成...
- 在信息化社会，数据被誉为新的石油。然而，与之相反的是，我们却面临着优质数据的严重缺乏。这种现象引发了一系列的问题，特别是在人工智能（AI）和机器学习（ML）领域，这一问题尤为突出 在信息化社会，数据被誉为新的石油。然而，与之相反的是，我们却面临着优质数据的严重缺乏。这种现象引发了一系列的问题，特别是在人工智能（AI）和机器学习（ML）领域，这一问题尤为突出
- 强化学习从基础到进阶-常见问题和面试必知必答[4]：：深度Q网络-DQN、double DQN、经验回放、rainbow、分布式DQN 强化学习从基础到进阶-常见问题和面试必知必答[4]：：深度Q网络-DQN、double DQN、经验回放、rainbow、分布式DQN
- 1.下载和安装PyTorch，以及所需的其他依赖项。2.准备数据集，并将其转换为适合PyTorch使用的格式（例如，利用 torchvision 库中的 transform 处理图像数据，并将其转换为 tensor）。3.创建一个神经网络模型，可以使用 torch.nn 模块中提供的各种层构建模型。4.定义损失函数（如交叉熵损失函数）和优化器（如随机梯度下降优化器或 Adam 优化器）。5.... 1.下载和安装PyTorch，以及所需的其他依赖项。2.准备数据集，并将其转换为适合PyTorch使用的格式（例如，利用 torchvision 库中的 transform 处理图像数据，并将其转换为 tensor）。3.创建一个神经网络模型，可以使用 torch.nn 模块中提供的各种层构建模型。4.定义损失函数（如交叉熵损失函数）和优化器（如随机梯度下降优化器或 Adam 优化器）。5....
- 地表温度（LST）对于评估地表状况的各种研究越来越重要，例如城市气候、蒸发和植被压力的研究。Landsat系列卫星有可能提供高空间分辨率的LST估计值，这特别适用于地方或小规模的研究。许多研究提出了Landsat系列的LST检索算法，一些数据集可以在线获得。然而，这些数据集通常要求用户能够处理大量的数据。谷歌地球引擎（GEE）是一个在线平台，旨在让遥感用户轻松地进行大数据分析，而不增加对本... 地表温度（LST）对于评估地表状况的各种研究越来越重要，例如城市气候、蒸发和植被压力的研究。Landsat系列卫星有可能提供高空间分辨率的LST估计值，这特别适用于地方或小规模的研究。许多研究提出了Landsat系列的LST检索算法，一些数据集可以在线获得。然而，这些数据集通常要求用户能够处理大量的数据。谷歌地球引擎（GEE）是一个在线平台，旨在让遥感用户轻松地进行大数据分析，而不增加对本...
- 强化学习从基础到进阶-常见问题和面试必知必答[1]：强化学习概述、序列决策、动作空间定义、策略价值函数、探索与利用、Gym强化学习实验 强化学习从基础到进阶-常见问题和面试必知必答[1]：强化学习概述、序列决策、动作空间定义、策略价值函数、探索与利用、Gym强化学习实验
- 地球物理测井是石油工程中重要的勘探和生产技术之一。随着人工智能（Artificial Intelligence，AI）的迅猛发展，越来越多的研究开始将AI应用于地球物理测井解释领域。本文将介绍人工智能在地球物理测井解释中的前沿研究，并提供一个代码示例来演示其应用。引言地球物理测井解释是分析测井数据以推断地下地质信息的过程。传统的测井解释方法往往需要依赖于人工经验和专业知识，而人工智能技术的出... 地球物理测井是石油工程中重要的勘探和生产技术之一。随着人工智能（Artificial Intelligence，AI）的迅猛发展，越来越多的研究开始将AI应用于地球物理测井解释领域。本文将介绍人工智能在地球物理测井解释中的前沿研究，并提供一个代码示例来演示其应用。引言地球物理测井解释是分析测井数据以推断地下地质信息的过程。传统的测井解释方法往往需要依赖于人工经验和专业知识，而人工智能技术的出...
- 在石油工程领域，测井数据是评估油藏性质和确定油藏产能的重要数据来源。然而，测井数据往往包含大量的特征，其中一些可能是冗余的或者不相关的。在这篇博客文章中，我们将探讨如何使用机器学习的方法来选择和降维测井数据特征，以提高预测模型的性能和效率。特征选择方法:特征选择是从原始测井数据中选择最相关的特征子集，以减少数据维度并提高预测模型的性能。下面是一些常用的特征选择方法：相关性分析：通过计算特征与... 在石油工程领域，测井数据是评估油藏性质和确定油藏产能的重要数据来源。然而，测井数据往往包含大量的特征，其中一些可能是冗余的或者不相关的。在这篇博客文章中，我们将探讨如何使用机器学习的方法来选择和降维测井数据特征，以提高预测模型的性能和效率。特征选择方法:特征选择是从原始测井数据中选择最相关的特征子集，以减少数据维度并提高预测模型的性能。下面是一些常用的特征选择方法：相关性分析：通过计算特征与...
上滑加载中
推荐直播
-
华为云码道Skill实战与极速交付，智能开发全链路实战2026/07/22 周三 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；姜浩-华为云HCDG核心组成员
直播深度解读华为云码道6月产品新特性，从Skill市场安装专家技能，带你零距离体验从需求，开发，审查，重构全链路闭环的开发过程。从零构建并交付一个完整项目，让您体验从代码提交到服务上线的“极速”之旅。
回顾中 -
聚开发者之力，创具身新未来2026/07/23 周四 15:00-17:00
张豪杰/程文/王军/刘新春/黄钦开 /张晓天
本次华为云具身智能开发平台CloudRobo培训面向具身智能开发者，带您全流程体验机器人本体R2C小时级接入、环境重建与轨迹生成仿真数据生产、PB级数据管理、数据评测、模型训推、强化学习和Benchmark一键评测等功能，并体验业界主流具身模型应用。
回顾中 -
用码道，让你的AI作品三步上朋友圈2026/08/04 周二 19:00-20:00
林华鼎-华为云AI开发者运营负责人
从入门 · 到做AI应用 · 到企业级开发。不教编程，只教用AI · 零代码、有产出、能带走、可炫耀 · 每课人人动手实操
回顾中
热门标签