- 目录 前言 往期文章 4.1 向量范数及其性质 4.1.1 向量范数的概念及P-范数 定义4.1 向量的几种... 目录 前言 往期文章 4.1 向量范数及其性质 4.1.1 向量范数的概念及P-范数 定义4.1 向量的几种...
- 目录 前言 往期文章 4.2 矩阵的范数 4.2.1 矩阵范数的定义与性质 定义4.3 4.2.2... 目录 前言 往期文章 4.2 矩阵的范数 4.2.1 矩阵范数的定义与性质 定义4.3 4.2.2...
- 目录 前言 3.2 线性变换的矩阵表示 定义3.7 命题 定理3.2.1 结语 前言 Hello！小伙伴！ 非... 目录 前言 3.2 线性变换的矩阵表示 定义3.7 命题 定理3.2.1 结语 前言 Hello！小伙伴！ 非...
- 前言： 本专栏主要结合OpenCV4，来实现一些基本的图像处理操作、经典的机器学习算法（比如K-Means、KNN、SVM、决策树、贝叶斯分类器等），以及常用的深度学习算法。 系列文章，持续更新： ... 前言： 本专栏主要结合OpenCV4，来实现一些基本的图像处理操作、经典的机器学习算法（比如K-Means、KNN、SVM、决策树、贝叶斯分类器等），以及常用的深度学习算法。 系列文章，持续更新： ...
- 文章目录 一.前言二.数据准备三.数据读取四.加载预训练模型测试五.完整源码 一.前言 情感倾向分析（Sentiment Classification，简称Senta）针对带有主观描述... 文章目录 一.前言二.数据准备三.数据读取四.加载预训练模型测试五.完整源码 一.前言 情感倾向分析（Sentiment Classification，简称Senta）针对带有主观描述...
- 目录 前言 2.1 欧氏空间 2.1.1 欧式空间定义 定义2.1 例 - 1 例 - 2 ... 目录 前言 2.1 欧氏空间 2.1.1 欧式空间定义 定义2.1 例 - 1 例 - 2 ...
- RDD的transformations和actions 两个RDD：一个RDD包含 {1, 2, 3} , 另一个RDD包含{3, 4, 5} 函数名功能例子结果map()对每个元素应用函数rdd.m... RDD的transformations和actions 两个RDD：一个RDD包含 {1, 2, 3} , 另一个RDD包含{3, 4, 5} 函数名功能例子结果map()对每个元素应用函数rdd.m...
- 目录 1. 机器学习是什么2. 机器学习、深度学习和人工智能的区别与联系3. 机器学习的应用4. 机器学习分类4.1 监督学习4.2 无监督学习4.3 半监督学习4.4 强化学习 5. 小练习... 目录 1. 机器学习是什么2. 机器学习、深度学习和人工智能的区别与联系3. 机器学习的应用4. 机器学习分类4.1 监督学习4.2 无监督学习4.3 半监督学习4.4 强化学习 5. 小练习...
- 目录 1. 聚类与分类1.1 聚类1.2 分类 2. 关于KNN算法2.1 `Lp距离`定义：2.1 `K `值的选取 3. 练习第一题：第二题： 最后 1. 聚类与分类 1.... 目录 1. 聚类与分类1.1 聚类1.2 分类 2. 关于KNN算法2.1 `Lp距离`定义：2.1 `K `值的选取 3. 练习第一题：第二题： 最后 1. 聚类与分类 1....
- 今天给大家介绍来自不列颠哥伦比亚大学和阿尔伯塔大学联合发表的一篇文章。该文章系统地评估并优化了基于循环神经网络在低数据环境中的分子生成模型。发现该模型可以从更少的例子中学习到健壮的模型。同时，本文还确定了低数据下，得到等学习效果和等质量模型的策略；特别是通过枚举非规范SMILES进行数据增强，并通过学习细菌、植物和真菌代谢组... 今天给大家介绍来自不列颠哥伦比亚大学和阿尔伯塔大学联合发表的一篇文章。该文章系统地评估并优化了基于循环神经网络在低数据环境中的分子生成模型。发现该模型可以从更少的例子中学习到健壮的模型。同时，本文还确定了低数据下，得到等学习效果和等质量模型的策略；特别是通过枚举非规范SMILES进行数据增强，并通过学习细菌、植物和真菌代谢组...
- pytorch 多次backward 影响pytorch梯度的参数： 1.requires_grad 需要为True for param in model.named_parameters(): if param[0] in need_frozen_list: param[1].requires_grad ... pytorch 多次backward 影响pytorch梯度的参数： 1.requires_grad 需要为True for param in model.named_parameters(): if param[0] in need_frozen_list: param[1].requires_grad ...
- 学习目标 目标 知道逻辑回归的算法计算输出、损失函数知道导数的计算图知道逻辑回归的梯度下降算法知道多样本的向量计算应用 应用完成向量化运算应用完成一个单神经元神经网络的结构 1.2.1 Logistic回归 1.2.1.1 Logistic回归 逻辑回归是一个主要用于二分分类类的算法。那么逻辑回归是给定一个xx&nbs... 学习目标 目标 知道逻辑回归的算法计算输出、损失函数知道导数的计算图知道逻辑回归的梯度下降算法知道多样本的向量计算应用 应用完成向量化运算应用完成一个单神经元神经网络的结构 1.2.1 Logistic回归 1.2.1.1 Logistic回归 逻辑回归是一个主要用于二分分类类的算法。那么逻辑回归是给定一个xx&nbs...
- 学习目标 目标 了解CapsuleNet应用 无 5.3.1 CapsuleNet为什么会出现 2017年，CapsuleNet的出现是Hinton大佬对于卷积神经网络等的思考，想去构建一种新的网络结构, 如何克服CNN存在的问题的，那CN网络又存在什么问题： CNN的目标不正确 1、CNN对于旋转类型图片不确... 学习目标 目标 了解CapsuleNet应用 无 5.3.1 CapsuleNet为什么会出现 2017年，CapsuleNet的出现是Hinton大佬对于卷积神经网络等的思考，想去构建一种新的网络结构, 如何克服CNN存在的问题的，那CN网络又存在什么问题： CNN的目标不正确 1、CNN对于旋转类型图片不确...
- 训练Tesseract 大多数其他的验证码都是比较简单的。例如，流行的 PHP 内容管理系统 Drupal 有一个著 名的验证码模块(https://www.drupal.org/project/captcha)，可以生成不同难度的验证码。 那么与其他验证码相比，究竟是什么让这个验证码更容易被人类和机器读懂呢? ... 训练Tesseract 大多数其他的验证码都是比较简单的。例如，流行的 PHP 内容管理系统 Drupal 有一个著 名的验证码模块(https://www.drupal.org/project/captcha)，可以生成不同难度的验证码。 那么与其他验证码相比，究竟是什么让这个验证码更容易被人类和机器读懂呢? ...
- [toc] 练习四 现在我们有全球排名靠前的 10000 本书的数据, 那么请统计一下下面几个问题: 1. 不同年份书的数量 执行结果: 2. 不同年份书的平均评分情况 执行结果: [toc] 练习四 现在我们有全球排名靠前的 10000 本书的数据, 那么请统计一下下面几个问题: 1. 不同年份书的数量 执行结果: 2. 不同年份书的平均评分情况 执行结果:
上滑加载中
推荐直播
-
华为云码道-玩转OpenClaw，在线养虾2026/03/11 周三 19:00-21:00
刘昱，华为云高级工程师/谈心，华为云技术专家/李海仑，上海圭卓智能科技有限公司CEO
OpenClaw 火爆开发者圈，华为云码道最新推出 Skill ——开发者只需输入一句口令，即可部署一个功能完整的「小龙虾」智能体。直播带你玩转华为云码道，玩转OpenClaw
回顾中 -
华为云码道-AI时代应用开发利器2026/03/18 周三 19:00-20:00
童得力，华为云开发者生态运营总监/姚圣伟，华为云HCDE开发者专家
本次直播由华为专家带你实战应用开发，看华为云码道(CodeArts)代码智能体如何在AI时代让你的创意应用快速落地。更有华为云HCDE开发者专家带你用码道玩转JiuwenClaw，让小艺成为你的AI助理。
回顾中 -
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中
热门标签