- 导读：机器学习的学习方式包括监督学习和无监督学习等。针对一个给定的任务，首先要准备一定规模的训练数据，这些训练数据需要和真实数据的分布一致，然后设定一个目标函数和优化方法，在训练数据上学习一个模型。此外，不同任务的模型往往都是从零开始来训练的，一切知识都需要从训练数据中得到。这也导致了每个任务都需要准备大量的训练数据。在实际应用中，我们... 导读：机器学习的学习方式包括监督学习和无监督学习等。针对一个给定的任务，首先要准备一定规模的训练数据，这些训练数据需要和真实数据的分布一致，然后设定一个目标函数和优化方法，在训练数据上学习一个模型。此外，不同任务的模型往往都是从零开始来训练的，一切知识都需要从训练数据中得到。这也导致了每个任务都需要准备大量的训练数据。在实际应用中，我们...
- 自从人们发现越大的模型性能越好后，神经网络模型的参数量就在越来越大的道路上一去不复返了。从XX-large到GPT3，再到5300亿参数的Megatron Turing-NLG，深度学习越来越像是只有财大气粗的大公司才能玩得起的玩具。如果，我们想要在实验室“简陋”的环境下，尝试更大的模型，有什么行之有效的方法呢？ 最近，Faceb... 自从人们发现越大的模型性能越好后，神经网络模型的参数量就在越来越大的道路上一去不复返了。从XX-large到GPT3，再到5300亿参数的Megatron Turing-NLG，深度学习越来越像是只有财大气粗的大公司才能玩得起的玩具。如果，我们想要在实验室“简陋”的环境下，尝试更大的模型，有什么行之有效的方法呢？ 最近，Faceb...
- 文章目录 前言 系列文章 5.1 匹配的概念 定义5.1 定义5.2 定义 5.3 结语 前言 H... 文章目录 前言 系列文章 5.1 匹配的概念 定义5.1 定义5.2 定义 5.3 结语 前言 H...
- 这里面有几个损失函数： GitHub - MichaelFan01/STDC-Seg: Source Code of our CVPR2021 paper "Rethinking BiSeNet For Real-time Semantic Segmentation" 损失函数代码： #!/usr/bin/py... 这里面有几个损失函数： GitHub - MichaelFan01/STDC-Seg: Source Code of our CVPR2021 paper "Rethinking BiSeNet For Real-time Semantic Segmentation" 损失函数代码： #!/usr/bin/py...
- 文章目录 前言 系列文章 3.1 连通度 定义3.1 ：点断集 定义3.2 定理3.1 定理3.2 推论3.2.1 ... 文章目录 前言 系列文章 3.1 连通度 定义3.1 ：点断集 定义3.2 定理3.1 定理3.2 推论3.2.1 ...
- pytorch 区间loss 损失函数 我们知道sigmoid可以把值转化为0-1之间。 tanh函数可以把值转化到[-1，1]之间， 但是在回归时，希望梯度是均匀的，有么有别的方法呢？ 答案是肯定的， 解决方法1： data=torch.sin(data) 周期性函数，把值变到了0-1之间。 解决方法2： 比如要... pytorch 区间loss 损失函数 我们知道sigmoid可以把值转化为0-1之间。 tanh函数可以把值转化到[-1，1]之间， 但是在回归时，希望梯度是均匀的，有么有别的方法呢？ 答案是肯定的， 解决方法1： data=torch.sin(data) 周期性函数，把值变到了0-1之间。 解决方法2： 比如要...
- 文章目录 前言 系列文章 2.2 有向图的连通性 定义2.5 定义2.6 定义2.7 定义2.8 定理2.2 推论... 文章目录 前言 系列文章 2.2 有向图的连通性 定义2.5 定义2.6 定义2.7 定义2.8 定理2.2 推论...
- 目录 前言 往期文章 5.3 方阵的幂级数 5.3.1 方阵级数收敛定义及判断 定义5.7 定义5.8 ... 目录 前言 往期文章 5.3 方阵的幂级数 5.3.1 方阵级数收敛定义及判断 定义5.7 定义5.8 ...
- 目录 前言 系列文章 1.3 图的矩阵表示 1.3.1 邻接矩阵 无向图的邻接矩阵 小结 有向图... 目录 前言 系列文章 1.3 图的矩阵表示 1.3.1 邻接矩阵 无向图的邻接矩阵 小结 有向图...
- 对于“程序设计”的工作，许多初学者的理解就是“写代码”。同样，新手们苦恼的问题是，他们只会“写代码”。当接到一个新的任务，不少人总是在第一时间就爬到键盘上去敲代码。敲着敲着，就把自己绕糊涂... 对于“程序设计”的工作，许多初学者的理解就是“写代码”。同样，新手们苦恼的问题是，他们只会“写代码”。当接到一个新的任务，不少人总是在第一时间就爬到键盘上去敲代码。敲着敲着，就把自己绕糊涂...
- 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...
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