- 学习总结 TensorBoard，主要的实现方案是构建一个SummaryWriter，然后通过add_XXX()函数来实现。TensorBoard的基本逻辑：文件的读写逻辑。写入想要可视化的数据，然后T... 学习总结 TensorBoard，主要的实现方案是构建一个SummaryWriter，然后通过add_XXX()函数来实现。TensorBoard的基本逻辑：文件的读写逻辑。写入想要可视化的数据，然后T...
- 基于MindSpore复现Deeplabv3—语义分割 实验介绍 本实验主要介绍使用MindSpore深度学习框架在PASCAL VOC2012数据集上训练Deeplabv3网络模型。本实验使用了Mi... 基于MindSpore复现Deeplabv3—语义分割 实验介绍 本实验主要介绍使用MindSpore深度学习框架在PASCAL VOC2012数据集上训练Deeplabv3网络模型。本实验使用了Mi...
- 上一节我们使用 OpenCV 识别了图形验证码躯壳欧。这时候就有朋友可能会说了，现在深度学习不是对图像识别很准吗？那深度学习可以用在识别滑动验证码缺口位置吗？ 当然也是可以的，本节我们就来了解下使用深度学习识别滑动验证码的方法。 1. 准备工作 ... 上一节我们使用 OpenCV 识别了图形验证码躯壳欧。这时候就有朋友可能会说了，现在深度学习不是对图像识别很准吗？那深度学习可以用在识别滑动验证码缺口位置吗？ 当然也是可以的，本节我们就来了解下使用深度学习识别滑动验证码的方法。 1. 准备工作 ...
- 前言 聚类是一个将数据集中在某些方面相似的数据成员进行分类组织的过程，聚类就是一种发现这种内在结构的技术，聚类技术经常被称为无监督学习。 K均值聚类是最著名的划分聚类算法，由于简洁和效率使得他成为所有聚类算法中最广泛使用的。给定一个数据点集合和需要的聚类数目K，K由用户指定，K均值算法根据某个距离函数反复把数据分入K... 前言 聚类是一个将数据集中在某些方面相似的数据成员进行分类组织的过程，聚类就是一种发现这种内在结构的技术，聚类技术经常被称为无监督学习。 K均值聚类是最著名的划分聚类算法，由于简洁和效率使得他成为所有聚类算法中最广泛使用的。给定一个数据点集合和需要的聚类数目K，K由用户指定，K均值算法根据某个距离函数反复把数据分入K...
- MindSpore图片分类 实验介绍 本实验主要介绍使用MindSpore在CIFAR-10数据集上训练ResNet50。本实验使用MindSpore model_zoo中提供的ResNet50模型定... MindSpore图片分类 实验介绍 本实验主要介绍使用MindSpore在CIFAR-10数据集上训练ResNet50。本实验使用MindSpore model_zoo中提供的ResNet50模型定...
- ML之catboost：基于自定义数据集利用catboost 算法实现回归预测(训练采用CPU和GPU两种方式) 目录 基于自定义数据集利用catboost 算法实现回归预测(训练采用CPU和GPU两种方式) 输出结果 # T1、训练采用CPU # T2、训练采用GPU 实现代码 基于自定义数据集利用... ML之catboost：基于自定义数据集利用catboost 算法实现回归预测(训练采用CPU和GPU两种方式) 目录 基于自定义数据集利用catboost 算法实现回归预测(训练采用CPU和GPU两种方式) 输出结果 # T1、训练采用CPU # T2、训练采用GPU 实现代码 基于自定义数据集利用...
- ML之ME/LF：机器学习中回归预测模型评估指标之“调整的R2”的简介、原理、代码实现之详细攻略 目录 回归预测模型中常用的评估指标“调整的R2”的简介 回归预测模型中常用的评估指标“调整的R2”的原理 回归预测模型中常用的评估指标“调整的R2”的代码实现 回归预测模型中常用的评估指标“调整的R2... ML之ME/LF：机器学习中回归预测模型评估指标之“调整的R2”的简介、原理、代码实现之详细攻略 目录 回归预测模型中常用的评估指标“调整的R2”的简介 回归预测模型中常用的评估指标“调整的R2”的原理 回归预测模型中常用的评估指标“调整的R2”的代码实现 回归预测模型中常用的评估指标“调整的R2...
- 在机器学习中的线性回归，一般都会使用scikit-learn中的linear_model这个模块，用linear_model的好处是速度快、结果简单易懂，但它的使用是有条件的，就是使用者在明确该模型是线性模型的情况下才能用，否则生成的结果很可能是错误的。 如果不知道该模型是否是线性模型的情况下可以使用statsmodels，stats... 在机器学习中的线性回归，一般都会使用scikit-learn中的linear_model这个模块，用linear_model的好处是速度快、结果简单易懂，但它的使用是有条件的，就是使用者在明确该模型是线性模型的情况下才能用，否则生成的结果很可能是错误的。 如果不知道该模型是否是线性模型的情况下可以使用statsmodels，stats...
- 📢📢📢📣📣📣 🌻🌻🌻Hello，大家好我叫是Dream呀，一个有趣的Python博主，多多关照😜😜😜 🏅🏅🏅Python领域优质创作者，欢迎大家找我合作学习（文末有... 📢📢📢📣📣📣 🌻🌻🌻Hello，大家好我叫是Dream呀，一个有趣的Python博主，多多关照😜😜😜 🏅🏅🏅Python领域优质创作者，欢迎大家找我合作学习（文末有...
- 📢📢📢📣📣📣 🌻🌻🌻Hello，大家好我叫是Dream呀，一个有趣的Python博主，多多关照😜😜😜 🏅🏅🏅Python领域优质创作者，欢迎大家找我合作学习（文末有... 📢📢📢📣📣📣 🌻🌻🌻Hello，大家好我叫是Dream呀，一个有趣的Python博主，多多关照😜😜😜 🏅🏅🏅Python领域优质创作者，欢迎大家找我合作学习（文末有...
- 文章目录 1.deepFM的FM特点，deep部分设置了多少层，依据2.算法题：爬楼梯3.算法题：最大子数组和4.sql题：商品id、类别、价格，mysql找出找出每类前10大的商品5.1000个... 文章目录 1.deepFM的FM特点，deep部分设置了多少层，依据2.算法题：爬楼梯3.算法题：最大子数组和4.sql题：商品id、类别、价格，mysql找出找出每类前10大的商品5.1000个...
- 📢📢📢📣📣📣 🌻🌻🌻Hello，大家好我叫是Dream呀，一个有趣的Python博主，多多关照😜😜😜 🏅🏅🏅2021年度博客之星TOP100,2021年度博客之星领... 📢📢📢📣📣📣 🌻🌻🌻Hello，大家好我叫是Dream呀，一个有趣的Python博主，多多关照😜😜😜 🏅🏅🏅2021年度博客之星TOP100,2021年度博客之星领...
- 学习群｜扫码在主页获取加入方式 计算机视觉研究院专栏 作者：Edison_G 尽管最近长尾目标检测取得了成功，但几乎所有的长尾目标检测器都是基于两阶段范式开发的。在实践中，一阶段检测器在行业中更为普遍，因为它们有一个简单和快速的Pipeline，易于部署。然而，在长尾情况下，这一工作迄今还没有得到探索。 在... 学习群｜扫码在主页获取加入方式 计算机视觉研究院专栏 作者：Edison_G 尽管最近长尾目标检测取得了成功，但几乎所有的长尾目标检测器都是基于两阶段范式开发的。在实践中，一阶段检测器在行业中更为普遍，因为它们有一个简单和快速的Pipeline，易于部署。然而，在长尾情况下，这一工作迄今还没有得到探索。 在...
- 本章涵盖的主题与探测性数据分析（EDA）有许多重叠，本章与EDA一样强调可视化，而不包含聚类分析和异常检测等主题。 目录 鸢尾花数据集 汇总统计 频率和众数 百分位数 位置度量：均值和中位数 散布度量：极差和方差 多元汇总统计 汇总数据的其他方法 可视化 可视化的动机 一般概念 表示：将数据映射... 本章涵盖的主题与探测性数据分析（EDA）有许多重叠，本章与EDA一样强调可视化，而不包含聚类分析和异常检测等主题。 目录 鸢尾花数据集 汇总统计 频率和众数 百分位数 位置度量：均值和中位数 散布度量：极差和方差 多元汇总统计 汇总数据的其他方法 可视化 可视化的动机 一般概念 表示：将数据映射...
- 简 介： 虽然铅笔芯，金刚石中都有碳，但由于微观结构不同，它们在空气中并不会像普通的木炭那样容易被点燃。组成铅笔芯的石墨与金刚石都是热的良导体，但在导电性能方面，石墨是导体，而金刚石为绝缘体。 ... 简 介： 虽然铅笔芯，金刚石中都有碳，但由于微观结构不同，它们在空气中并不会像普通的木炭那样容易被点燃。组成铅笔芯的石墨与金刚石都是热的良导体，但在导电性能方面，石墨是导体，而金刚石为绝缘体。 ...
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 -
一个AI团队帮你写代码：华为云码道Agent Space实战2026/06/25 周四 19:00-21:00
张翰文-华为云码道工程师/郭英旭-青软创新科技集团股份有限公司 软件架构师
本场直播聚焦华为云码道Agent Space两大模式：研发办公、代码开发，亲身体验从需求到代码的AI自动化能力。实操演示基于华为 CodeArts CLI，依托 OpenSpec 规格体系从零搭建业务项目。
即将直播
热门标签