- ML：根据不同机器学习模型输出的预测值+且与真实值相减得到绝对误差对比+误差可视化 目录 输出结果 实现代码 输出结果 实现代码 # -*- coding: utf-8 -*- #ML：根据不同机器学习模型输出的预测值+且与真实值相减得到绝对误差对比+误差可视化 #Model_comparison_error_Pl... ML：根据不同机器学习模型输出的预测值+且与真实值相减得到绝对误差对比+误差可视化 目录 输出结果 实现代码 输出结果 实现代码 # -*- coding: utf-8 -*- #ML：根据不同机器学习模型输出的预测值+且与真实值相减得到绝对误差对比+误差可视化 #Model_comparison_error_Pl...
- CV之NS之VGG16：基于预训练模型VGG16训练COCO的train2014数据集实现训练《神奈川冲浪里》风格配置yml文件 目录 一、训练 1、《神奈川冲浪里》风格 2、配置yml文件 二、TensorBoard中监控训练情况 一、训练 1、《神奈川冲浪里》风格 风格如图 2、配置yml文件 style_im... CV之NS之VGG16：基于预训练模型VGG16训练COCO的train2014数据集实现训练《神奈川冲浪里》风格配置yml文件 目录 一、训练 1、《神奈川冲浪里》风格 2、配置yml文件 二、TensorBoard中监控训练情况 一、训练 1、《神奈川冲浪里》风格 风格如图 2、配置yml文件 style_im...
- DL之DNN：自定义2层神经网络TwoLayerNet模型(封装为层级结构)利用MNIST数据集进行训练、GC对比 导读 神经网络算法封装为层级结构的作用。在神经网络算法中，通过将神经网络的组成元素实现为层，可以高效地计算梯度（反向传播法）。通过比较数值微分和误差反向传播法的结果，可以确认误差反向传播法的实现是否正确（梯度确认）。 ... DL之DNN：自定义2层神经网络TwoLayerNet模型(封装为层级结构)利用MNIST数据集进行训练、GC对比 导读 神经网络算法封装为层级结构的作用。在神经网络算法中，通过将神经网络的组成元素实现为层，可以高效地计算梯度（反向传播法）。通过比较数值微分和误差反向传播法的结果，可以确认误差反向传播法的实现是否正确（梯度确认）。 ...
- CV之NS之LF：图像风格迁移中常用的几种损失函数(内容损失、风格损失)简介、使用方法之详细攻略 目录 图像风格迁移中常用的几种损失函数 1、内容损失 2、风格损失 3、定义总损失 图像风格迁移中常用的几种损失函数 1、内容损失 # endpoints_dict是上一节提到的损失网络各层的计算结果；content_layers是... CV之NS之LF：图像风格迁移中常用的几种损失函数(内容损失、风格损失)简介、使用方法之详细攻略 目录 图像风格迁移中常用的几种损失函数 1、内容损失 2、风格损失 3、定义总损失 图像风格迁移中常用的几种损失函数 1、内容损失 # endpoints_dict是上一节提到的损失网络各层的计算结果；content_layers是...
- ML之LoR：LoR之二分类之线性决策算法实现根据两课成绩分数~预测期末通过率(合格还是不合格) 目录 输出结果 代码设计 输出结果 LoR之二分类算法实现预测期末考试成绩合格还是不合格 LoR回归函数 代码设计 import pandas as pdimport numpy as npimport matplo... ML之LoR：LoR之二分类之线性决策算法实现根据两课成绩分数~预测期末通过率(合格还是不合格) 目录 输出结果 代码设计 输出结果 LoR之二分类算法实现预测期末考试成绩合格还是不合格 LoR回归函数 代码设计 import pandas as pdimport numpy as npimport matplo...
- EL：集成学习(Ensemble Learning)的概念讲解、算法分类、问题应用、关键步骤、代码实现等相关配图详细攻略 目录 集成学习Ensemble Learning 1、集成学习中弱分类器选择 2、多个弱分类区如何组合 EL的解决问题类型 EL算法分类 1、VotingClassifier、Baggi... EL：集成学习(Ensemble Learning)的概念讲解、算法分类、问题应用、关键步骤、代码实现等相关配图详细攻略 目录 集成学习Ensemble Learning 1、集成学习中弱分类器选择 2、多个弱分类区如何组合 EL的解决问题类型 EL算法分类 1、VotingClassifier、Baggi...
- Py之scikit-learn：sklearn与机器学习的那些不可告密的事 目录 一、sklearn与ML 1、与LoR 二、sklearn与其他常用 1、sklearn与交叉验证 一、sklearn与ML 1、与LoR fro... Py之scikit-learn：sklearn与机器学习的那些不可告密的事 目录 一、sklearn与ML 1、与LoR 二、sklearn与其他常用 1、sklearn与交叉验证 一、sklearn与ML 1、与LoR fro...
- TF之pix2pix：基于TF利用Facades数据集训练pix2pix模型、测试并进行生成过程全记录 目录 TB监控 1、SCALARS 2、IMAGES 3、GRAPHS 4、DISTRIBUTIONS 输出结果 训练代码运行过程全记录 测试代码全记录 TB监控 1、SCALARS 2、IMAGES inpu... TF之pix2pix：基于TF利用Facades数据集训练pix2pix模型、测试并进行生成过程全记录 目录 TB监控 1、SCALARS 2、IMAGES 3、GRAPHS 4、DISTRIBUTIONS 输出结果 训练代码运行过程全记录 测试代码全记录 TB监控 1、SCALARS 2、IMAGES inpu...
- ML与math：机器学习与高等数学基础概念、代码实现、案例应用之详细攻略——基础篇 目录 一、ML与高等数学 0、基础数学 1、导数、方向导数、梯度 1.1、概念简介 1.2、代码实现 2、Taylor展开 3、凸函数 二、ML与概率统计 1、古典概率 2、贝叶斯公式 3、常见概率分布 4、重要统计量(基于全局的而不是样本) 5、不等式... ML与math：机器学习与高等数学基础概念、代码实现、案例应用之详细攻略——基础篇 目录 一、ML与高等数学 0、基础数学 1、导数、方向导数、梯度 1.1、概念简介 1.2、代码实现 2、Taylor展开 3、凸函数 二、ML与概率统计 1、古典概率 2、贝叶斯公式 3、常见概率分布 4、重要统计量(基于全局的而不是样本) 5、不等式...
- ML之Clustering之K-means：K-means算法简介、应用、经典案例之详细攻略 目录 K-means算法简介 1、K-means算法适用的数据类型 2、K-Means算法的全局最优解和局部最优解的比较 1、K-means算法的过程及其主要思路 2、K-means原理的理解可视化 K-means算法经典案例 1、K-means的一个应... ML之Clustering之K-means：K-means算法简介、应用、经典案例之详细攻略 目录 K-means算法简介 1、K-means算法适用的数据类型 2、K-Means算法的全局最优解和局部最优解的比较 1、K-means算法的过程及其主要思路 2、K-means原理的理解可视化 K-means算法经典案例 1、K-means的一个应...
- ML之RF：随机森林RF算法简介、应用、经典案例之详细攻略 目录 随机森林RF算法简介 1、RF基本的构建算法过程 2、RF算法相关文献、论文 随机森林RF算法的应用 1、RF用于回归 2、RF用于分类 随机森林RF算法的经典案例 1、基础用法 随机森林RF算法简介 &... ML之RF：随机森林RF算法简介、应用、经典案例之详细攻略 目录 随机森林RF算法简介 1、RF基本的构建算法过程 2、RF算法相关文献、论文 随机森林RF算法的应用 1、RF用于回归 2、RF用于分类 随机森林RF算法的经典案例 1、基础用法 随机森林RF算法简介 &...
- Dataset之IRIS：莺尾(Iris)数据集的简介、安装、使用方法之详细攻略 莺尾(Iris)数据集的简介 IRIS数据集，也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性... Dataset之IRIS：莺尾(Iris)数据集的简介、安装、使用方法之详细攻略 莺尾(Iris)数据集的简介 IRIS数据集，也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性...
- DayDayUp：职场面试技巧之STAR面试法则 目录 STAR面试法则 STAR法则应用 STAR面试法则 STAR面试法是企业招聘面试过程中可采用的技巧。其中，“STAR”是，四个英文单词的首字母组合。 SITUATION背景TASK任务A... DayDayUp：职场面试技巧之STAR面试法则 目录 STAR面试法则 STAR法则应用 STAR面试法则 STAR面试法是企业招聘面试过程中可采用的技巧。其中，“STAR”是，四个英文单词的首字母组合。 SITUATION背景TASK任务A...
- ML岗位面试：11.06早上上海某智能驾驶科技公司(创业)笔试+面试之手撕代码、项目考察、比赛考察、图像算法的考察等 导读：该公司是在同济某次大型招聘会上投的，当时和HR聊了半个多小时，后来有约，但是因为时间冲突，所以一直改到11.06早上。到了该公司，先给我了三个算法题目(限时30分钟)，一个是求字符串中最长对称的子串，另一个是求一个不重复数组内的所有子集，另一个题... ML岗位面试：11.06早上上海某智能驾驶科技公司(创业)笔试+面试之手撕代码、项目考察、比赛考察、图像算法的考察等 导读：该公司是在同济某次大型招聘会上投的，当时和HR聊了半个多小时，后来有约，但是因为时间冲突，所以一直改到11.06早上。到了该公司，先给我了三个算法题目(限时30分钟)，一个是求字符串中最长对称的子串，另一个是求一个不重复数组内的所有子集，另一个题...
- Python语言学习：python语言的特点、入门、基础用法之详细攻略 相关内容Python 基础教程 目录 python语言的特点 python语言的入门 python语言的基础用法 python语言的特点 1、pickle功能：Python 有pickle 这个便利的功能。这个功能可以将程序运行中的对象保存为文件。如果加载保存... Python语言学习：python语言的特点、入门、基础用法之详细攻略 相关内容Python 基础教程 目录 python语言的特点 python语言的入门 python语言的基础用法 python语言的特点 1、pickle功能：Python 有pickle 这个便利的功能。这个功能可以将程序运行中的对象保存为文件。如果加载保存...
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