- 浅谈nlp-----word2vec那些事 前言什么是NLP?什么是word2vec?我们是怎么样构建训练数据的啦？什么是CBOW和skipgram?代码 前言 由于太久没水博客了，。 什么是NLP? 首先引入一个简单的列子,判断一个词的词性，是动词还是名词。用机器学习的思路，我们有一系列样本(x,y)，这里 x 是词语，y 是它们的词性，我们要构... 浅谈nlp-----word2vec那些事 前言什么是NLP?什么是word2vec?我们是怎么样构建训练数据的啦？什么是CBOW和skipgram?代码 前言 由于太久没水博客了，。 什么是NLP? 首先引入一个简单的列子,判断一个词的词性，是动词还是名词。用机器学习的思路，我们有一系列样本(x,y)，这里 x 是词语，y 是它们的词性，我们要构...
- batch 深度学习的优化算法，即梯度下降。有批梯度下降，随机梯度下降 第一种，遍历全部数据集算一次损失函数，然后算函数对各个参数的梯度，更新梯度。使用batch梯度下降法时，每次迭代你都需要历遍整个训练集，这称为Batch gradient descent，批梯度下降。这个算法每个迭代需要处理大量训练样本，该算法的主要弊端在于特别是在训练样本数量巨大的时候，单次迭... batch 深度学习的优化算法，即梯度下降。有批梯度下降，随机梯度下降 第一种，遍历全部数据集算一次损失函数，然后算函数对各个参数的梯度，更新梯度。使用batch梯度下降法时，每次迭代你都需要历遍整个训练集，这称为Batch gradient descent，批梯度下降。这个算法每个迭代需要处理大量训练样本，该算法的主要弊端在于特别是在训练样本数量巨大的时候，单次迭...
- 浅谈背景建模和光流估计那些事 前言背景建模1.帧差法2.混合高斯模型3.匹配方式 光流估计 前言 浅谈下背景建模和光流估计。 背景建模 1.帧差法 由于场景中的目标在运动，目标的影像在不同图像帧中的位置不同。该类算法对时间上连续的两帧或三帧图像进行差分运算，不同帧对应的像素点相减，判断灰度差的绝对值，当绝对值超过一定阈值时，即可判断为运动目标... 浅谈背景建模和光流估计那些事 前言背景建模1.帧差法2.混合高斯模型3.匹配方式 光流估计 前言 浅谈下背景建模和光流估计。 背景建模 1.帧差法 由于场景中的目标在运动，目标的影像在不同图像帧中的位置不同。该类算法对时间上连续的两帧或三帧图像进行差分运算，不同帧对应的像素点相减，判断灰度差的绝对值，当绝对值超过一定阈值时，即可判断为运动目标...
- 总感觉很古老的图像特征计算Harris和Sift 前言预备知识1.泰勒级数2.现代知识极值点Harris角点检测原理什么是角点？Harris 角点检测算法的原理 Sift 角点检测Sift前言图像尺度空间 Sift 步骤1. 高斯差分金字塔（DOG）2.计算极值点DoG空间极值检测 .关键点的精确定位消除边界相应生成特征描述 前言 今天，我... 总感觉很古老的图像特征计算Harris和Sift 前言预备知识1.泰勒级数2.现代知识极值点Harris角点检测原理什么是角点？Harris 角点检测算法的原理 Sift 角点检测Sift前言图像尺度空间 Sift 步骤1. 高斯差分金字塔（DOG）2.计算极值点DoG空间极值检测 .关键点的精确定位消除边界相应生成特征描述 前言 今天，我...
- 浅谈目标检测中常规的回归loss计算----------最新yolov4中ciou计算 前言目标检测loss的发展史学习前言什么是iou 什么是Smooth L1 Loss？什么是IoU Loss？什么是GIoU Loss？什么是DIoU Loss？什么是CIoU Loss？ 前言 今天我们来看下目标检测里面提出的CIOU。 目标检测loss的发展... 浅谈目标检测中常规的回归loss计算----------最新yolov4中ciou计算 前言目标检测loss的发展史学习前言什么是iou 什么是Smooth L1 Loss？什么是IoU Loss？什么是GIoU Loss？什么是DIoU Loss？什么是CIoU Loss？ 前言 今天我们来看下目标检测里面提出的CIOU。 目标检测loss的发展...
- 目录 搭建环境 准备数据集 训练级联文件 之前使用Python+OpenCV实现交通路标识别，具体实现步骤及心得如下： OpenCV训练属于自己的xml文件，需以下几个步骤： 1、首先下载OpenCV（Windows版）； 2、准备数据集，分为正样本集和负样本集； 3、生成路径，将正样本集的路径要存成 *.vec格式；负样本集的路径不做要求，*... 目录 搭建环境 准备数据集 训练级联文件 之前使用Python+OpenCV实现交通路标识别，具体实现步骤及心得如下： OpenCV训练属于自己的xml文件，需以下几个步骤： 1、首先下载OpenCV（Windows版）； 2、准备数据集，分为正样本集和负样本集； 3、生成路径，将正样本集的路径要存成 *.vec格式；负样本集的路径不做要求，*...
- 前馈神经网络 首先我先寻找了知乎中的一个介绍进行学习：https://www.zhihu.com/question/22553761/answer/126474394 来自知乎学者YJango的回答：https://www.zhihu.com/people/YJango，以及其它... 前馈神经网络 首先我先寻找了知乎中的一个介绍进行学习：https://www.zhihu.com/question/22553761/answer/126474394 来自知乎学者YJango的回答：https://www.zhihu.com/people/YJango，以及其它...
- 1.PBI PBI的这种方法是正规边界交点法的一个变体。定义为下： d1，d2关系如下图： 其中F(x)-Z*是d3的距离，d1是d3的投影。F(x)在w上的投影是P，d2是投影距离（体现多样性，靠近w的点也可以作为选取点， θ相当于惩罚）。d1被用来评价x对EF的收敛性，d2是一种衡量种群多样性的方法。通过将d2的值乘以θ和d1，从而让gpbi(... 1.PBI PBI的这种方法是正规边界交点法的一个变体。定义为下： d1，d2关系如下图： 其中F(x)-Z*是d3的距离，d1是d3的投影。F(x)在w上的投影是P，d2是投影距离（体现多样性，靠近w的点也可以作为选取点， θ相当于惩罚）。d1被用来评价x对EF的收敛性，d2是一种衡量种群多样性的方法。通过将d2的值乘以θ和d1，从而让gpbi(...
- 两个博客：关于机器学习和神经网络的： 博主： 计算机的潜意识 链接： https://www.cnblogs.com/subconscious/p/5058741.html https://www.cnblogs.com/subconscious/p/4107357.html#first 一、机器学习： 依据... 两个博客：关于机器学习和神经网络的： 博主： 计算机的潜意识 链接： https://www.cnblogs.com/subconscious/p/5058741.html https://www.cnblogs.com/subconscious/p/4107357.html#first 一、机器学习： 依据...
- 浅谈小技巧标签平滑-----Label Smoothing 前言什么是交叉熵？1.信息量2.熵3.交叉熵 标签平滑 前言 今天来聊下yolov4中引进的标签平滑小技巧吧！标签平滑让我想到了，90分就优秀了，为啥还要追求100分？ 什么是交叉熵？ 1.信息量 信息量来衡量一个事件的不确定性，一个事件发生的概率越大，不确定性越小，则其携带的信息量就... 浅谈小技巧标签平滑-----Label Smoothing 前言什么是交叉熵？1.信息量2.熵3.交叉熵 标签平滑 前言 今天来聊下yolov4中引进的标签平滑小技巧吧！标签平滑让我想到了，90分就优秀了，为啥还要追求100分？ 什么是交叉熵？ 1.信息量 信息量来衡量一个事件的不确定性，一个事件发生的概率越大，不确定性越小，则其携带的信息量就...
- 浅谈利用A3C玩转超级玛丽奥 前言github什么是Actor-Critic？A3C算法loss值计算 前言 很早以前看过超级玛丽奥利用人工智能玩，以前感觉很高档。就写一篇吧。 github https://github.com/yanjingke/Super-mario 什么是Actor-Critic？ Actor-Critic，其实是用了... 浅谈利用A3C玩转超级玛丽奥 前言github什么是Actor-Critic？A3C算法loss值计算 前言 很早以前看过超级玛丽奥利用人工智能玩，以前感觉很高档。就写一篇吧。 github https://github.com/yanjingke/Super-mario 什么是Actor-Critic？ Actor-Critic，其实是用了...
- 说说优秀的目标检测retinanet那些事 前言论文地址github地址预备知识1.tf.where()2. retinanet---anchor解读3.retinanet---focalloss解读 retinanet 代码讲解1.预测部分主干特征提取resnet50特征金字塔构建，获得预测结果预测结果的解码 2.训练部分真实框的编码loss值计算 ... 说说优秀的目标检测retinanet那些事 前言论文地址github地址预备知识1.tf.where()2. retinanet---anchor解读3.retinanet---focalloss解读 retinanet 代码讲解1.预测部分主干特征提取resnet50特征金字塔构建，获得预测结果预测结果的解码 2.训练部分真实框的编码loss值计算 ...
- 深度学习: 学习率 (learning rate) 作者：liulina603 致敬 原文：https://blog.csdn.net/liulina603/article/details/80604385 深度学习: 学习率 (learning rate) Intro... 深度学习: 学习率 (learning rate) 作者：liulina603 致敬 原文：https://blog.csdn.net/liulina603/article/details/80604385 深度学习: 学习率 (learning rate) Intro...
- 学习了一个学期机器学习算法，从什么都不懂到对十个机器学习算法有一定的了解，下面总结一下十大机器学习算法，从算法的概念、原理、优点、缺点、应用等方面来总结，如果有错误的地方，欢迎指出。 目录 1.决策树 2.线性回归 3.逻辑回归 4.支持向量机SVM 5.朴素贝叶斯 1.决策树 这个监督式... 学习了一个学期机器学习算法，从什么都不懂到对十个机器学习算法有一定的了解，下面总结一下十大机器学习算法，从算法的概念、原理、优点、缺点、应用等方面来总结，如果有错误的地方，欢迎指出。 目录 1.决策树 2.线性回归 3.逻辑回归 4.支持向量机SVM 5.朴素贝叶斯 1.决策树 这个监督式...
- 数据(Data)：信息数据元素(Data Element)：数据的基本单位，由若干数据项组成。数据项(Data Item)：具有独立含义的最小单位。数据对象(Data Object)：元素的集合数据结构(Data Structure)：三要素（逻辑结构、存储结构、数据运算：增、删、改、查）逻辑结构：数据元素之间的关系（逻辑结构形式上用二元组，B=（K,R），K是结点的集... 数据(Data)：信息数据元素(Data Element)：数据的基本单位，由若干数据项组成。数据项(Data Item)：具有独立含义的最小单位。数据对象(Data Object)：元素的集合数据结构(Data Structure)：三要素（逻辑结构、存储结构、数据运算：增、删、改、查）逻辑结构：数据元素之间的关系（逻辑结构形式上用二元组，B=（K,R），K是结点的集...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签