- 题号 标题 已通过代码 通过率 团队的状态 A Array 点击查看 388/4063 B Eezie and Pie 点击查看 1042/2840 C Forest 点击查看 38/144 未通过 ... 题号 标题 已通过代码 通过率 团队的状态 A Array 点击查看 388/4063 B Eezie and Pie 点击查看 1042/2840 C Forest 点击查看 38/144 未通过 ...
- 文章目录 5 模型选择及调优5.1 数据增强5.2 过拟合5.3 交叉验证5.4 超参数搜索——网格搜索 5 模型选择及调优 5.1 数据增强 有时候，你和你的老板说你数据不够，它是... 文章目录 5 模型选择及调优5.1 数据增强5.2 过拟合5.3 交叉验证5.4 超参数搜索——网格搜索 5 模型选择及调优 5.1 数据增强 有时候，你和你的老板说你数据不够，它是...
- 文章目录 十 岭回归10.1 岭回归的接口10.2 岭回归处理房价预测 十 岭回归 岭回归是线性回归的改进，有时候迫不得已我们的参数确实不能少，这时候过拟合的现象就可能发生。为了避免过... 文章目录 十 岭回归10.1 岭回归的接口10.2 岭回归处理房价预测 十 岭回归 岭回归是线性回归的改进，有时候迫不得已我们的参数确实不能少，这时候过拟合的现象就可能发生。为了避免过...
- 文章目录 致谢 3 自动求导机制3.1 传播机制与计算图3.1.1 前向传播3.1.2 反向传播 3.2 自动求导3.3 再来做一次3.4 线性回归3.4.1 回归3.4.2 线性回归的... 文章目录 致谢 3 自动求导机制3.1 传播机制与计算图3.1.1 前向传播3.1.2 反向传播 3.2 自动求导3.3 再来做一次3.4 线性回归3.4.1 回归3.4.2 线性回归的...
- 一、无人机简介 无人机的航迹规划是指在综合考虑无人机飞行油耗、威胁、飞行区域以及自身物理条件限制等因素的前提下, 为飞行器在飞行区域内规划出从初始点到目标点最优或者满意的飞行航迹, 其本质是一个多约束的... 一、无人机简介 无人机的航迹规划是指在综合考虑无人机飞行油耗、威胁、飞行区域以及自身物理条件限制等因素的前提下, 为飞行器在飞行区域内规划出从初始点到目标点最优或者满意的飞行航迹, 其本质是一个多约束的...
- 本文目录： 一、机器学习与人工智能、深度学习1.机器学习和人工智能，深度学习的关系2.达特茅斯会议-人工智能的起点 二、机器学习、深度学习能做些什么1.用在挖掘、预测领域2.用在图像领域3... 本文目录： 一、机器学习与人工智能、深度学习1.机器学习和人工智能，深度学习的关系2.达特茅斯会议-人工智能的起点 二、机器学习、深度学习能做些什么1.用在挖掘、预测领域2.用在图像领域3...
- @Author: Runsen 基于flask和网页端部署yolo自训练模型 关于yolov5模型的flask的部署, 需要通过torch.hub.load 加载yolov5 自定义的模型，sourc... @Author: Runsen 基于flask和网页端部署yolo自训练模型 关于yolov5模型的flask的部署, 需要通过torch.hub.load 加载yolov5 自定义的模型，sourc...
- 问题 1164: 【数组的距离】 时间限制: 1Sec 内存限制: 128MB 提交: 293 解决: 144 题目描述 已知元素从小到大排列的两个数组x[]和y[]，请写出一个程序算出两个数组彼此之间... 问题 1164: 【数组的距离】 时间限制: 1Sec 内存限制: 128MB 提交: 293 解决: 144 题目描述 已知元素从小到大排列的两个数组x[]和y[]，请写出一个程序算出两个数组彼此之间...
- 根据开源项目进行部署测试： GitHub - thb1314/tensorrt-onnx-fasterrcnn-fpn-roialign 本部分基于repo GitHub - shouxieai/tensorRT_Pro: C++ library based on tensorrt integration 安装部分请看该... 根据开源项目进行部署测试： GitHub - thb1314/tensorrt-onnx-fasterrcnn-fpn-roialign 本部分基于repo GitHub - shouxieai/tensorRT_Pro: C++ library based on tensorrt integration 安装部分请看该...
- 理清三个概念： 1、Epoch 训练次数 2、Batch-Size：各批量的大小 3、Iteration：使用批量的次数 Iteration*Batch-Size=Number of samples s... 理清三个概念： 1、Epoch 训练次数 2、Batch-Size：各批量的大小 3、Iteration：使用批量的次数 Iteration*Batch-Size=Number of samples s...
- 在训练深度学习模型时，我遇到了这个bug CUDA out of memory 这个bug意思就是显存不足，有两种办法可以解决。 1、杀死线程 具体操作可参见 杀死GPU线程 2、减小ba... 在训练深度学习模型时，我遇到了这个bug CUDA out of memory 这个bug意思就是显存不足，有两种办法可以解决。 1、杀死线程 具体操作可参见 杀死GPU线程 2、减小ba...
- @Author：Runsen 本想找下，有没有代码可以实现自定义模型的检测，发现百度没有一篇。 大家肯定说，直接用load加载不就是行了吗，别以为用torch.load(“”) 直接加载就Ok？... @Author：Runsen 本想找下，有没有代码可以实现自定义模型的检测，发现百度没有一篇。 大家肯定说，直接用load加载不就是行了吗，别以为用torch.load(“”) 直接加载就Ok？...
- 前言 本笔记参考的课程是李宏毅老师的自然语言处理 课程Link：https://aistudio.baidu.com/aistudio/education/lessonvideo/1000466 To... 前言 本笔记参考的课程是李宏毅老师的自然语言处理 课程Link：https://aistudio.baidu.com/aistudio/education/lessonvideo/1000466 To...
- 简介 最近在使用VisDrone作为目标检测任务的数据集，看到了这个TPH-YOLOv5这个模型在VisDrone2021 testset-challenge数据集上的检测效果排到了第五，mAP达到39... 简介 最近在使用VisDrone作为目标检测任务的数据集，看到了这个TPH-YOLOv5这个模型在VisDrone2021 testset-challenge数据集上的检测效果排到了第五，mAP达到39...
- 1. 实验概述 本次实验使用的是VOC2012数据集，首先从图像中随机采样图像块，然后利用Hog方法提取图像块特征，最后采用余弦相似度和k-means聚类两种方法来挖掘视觉模式。 2. 数据集说明 ... 1. 实验概述 本次实验使用的是VOC2012数据集，首先从图像中随机采样图像块，然后利用Hog方法提取图像块特征，最后采用余弦相似度和k-means聚类两种方法来挖掘视觉模式。 2. 数据集说明 ...
上滑加载中
推荐直播
-
华为云码道 × 仓颉编程：工程化AI编码探索2026/05/27 周三 19:00-21:00
刘俊杰-华为云仓颉语言专家/李炎-华为云码道技术专家/王智鹏-OpenCangjie开源社区发起人
本场直播围绕华为云仓颉语言与华为云码道的深度结合，展示华为云智能编程从零基础到高效落地的完整生态能力。以华为云码道为引擎，仓颉语言为载体，带给大家日常提效、趣味创新到极速量产的开发体验。
回顾中
热门标签