- 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——进阶篇 相关文章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 1、哈夫曼编码Huffman Coding简介及代码实现 1、哈夫曼编码Huffman Coding简介及代码实现 2、... 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——进阶篇 相关文章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 1、哈夫曼编码Huffman Coding简介及代码实现 1、哈夫曼编码Huffman Coding简介及代码实现 2、...
- ML之模型文件：机器学习、深度学习中常见的模型文件(.h5、.keras)简介、h5模型文件下载集锦、使用方法之详细攻略 目录 ML/DL中常见的模型文件(.h5、.keras)简介及其使用方法 一、.h5文件 1、常见的h5文件下载 二、.keras文件 1、模型的保存和载入 &... ML之模型文件：机器学习、深度学习中常见的模型文件(.h5、.keras)简介、h5模型文件下载集锦、使用方法之详细攻略 目录 ML/DL中常见的模型文件(.h5、.keras)简介及其使用方法 一、.h5文件 1、常见的h5文件下载 二、.keras文件 1、模型的保存和载入 &...
- DL之AF：机器学习/深度学习中常用的激活函数(sigmoid、softmax等)简介、应用、计算图实现、代码实现详细攻略 目录 激活函数(Activation functions)相关配图 各个激活函数 Step Function阶跃函数 sigmoid函数 DL之AF：机器学习/深度学习中常用的激活函数(sigmoid、softmax等)简介、应用、计算图实现、代码实现详细攻略 目录 激活函数(Activation functions)相关配图 各个激活函数 Step Function阶跃函数 sigmoid函数
- ML之NB：朴素贝叶斯Naive Bayesian算法的简介、应用、经典案例之详细攻略 目录 朴素贝叶斯Naive Bayesian算法的简介 1、朴素贝叶斯计算流程表述 2、朴素贝叶斯的优缺点 2.1、优点 2.2、缺点 3、分类模型之DT与NB的比较 朴素贝叶斯Naive Bayesian算法的应用 1、文本分类 朴素贝叶斯Naive Ba... ML之NB：朴素贝叶斯Naive Bayesian算法的简介、应用、经典案例之详细攻略 目录 朴素贝叶斯Naive Bayesian算法的简介 1、朴素贝叶斯计算流程表述 2、朴素贝叶斯的优缺点 2.1、优点 2.2、缺点 3、分类模型之DT与NB的比较 朴素贝叶斯Naive Bayesian算法的应用 1、文本分类 朴素贝叶斯Naive Ba...
- DL之VGGNet：VGGNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略 目录 VGG系列神经网络算法简介 1、网络架构 2、实验结果 VGG系列神经网络的架构详解 VGG系列集合以及对比 VGG16练习攻略二 1、VGG16实践经验 VGG19 1、关于imagenet-vgg-verydeep-19.mat模型简介 ... DL之VGGNet：VGGNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略 目录 VGG系列神经网络算法简介 1、网络架构 2、实验结果 VGG系列神经网络的架构详解 VGG系列集合以及对比 VGG16练习攻略二 1、VGG16实践经验 VGG19 1、关于imagenet-vgg-verydeep-19.mat模型简介 ...
- ML之Validation：机器学习中模型验证方法的简介、代码实现、案例应用之详细攻略 目录 模型验证方法的简介 1、Hold-out验证 2、K-折交叉验证 3、自助重采样 模型验证方法的代码实现 模型验证方法的案例应用 模型验证方法的简介 1、Hold-out验证 后期更新…… 2、... ML之Validation：机器学习中模型验证方法的简介、代码实现、案例应用之详细攻略 目录 模型验证方法的简介 1、Hold-out验证 2、K-折交叉验证 3、自助重采样 模型验证方法的代码实现 模型验证方法的案例应用 模型验证方法的简介 1、Hold-out验证 后期更新…… 2、...
- ML之DT：机器学习根据大量数据,已知年龄、收入、是否上海人、私家车价格的一个人，预测是否有真实购买上海黄浦区楼房的能力 目录 输出结果 实现代码 输出结果 实现代码 from sklearn.feature_extraction import DictVectorizer import csv from sklearn... ML之DT：机器学习根据大量数据,已知年龄、收入、是否上海人、私家车价格的一个人，预测是否有真实购买上海黄浦区楼房的能力 目录 输出结果 实现代码 输出结果 实现代码 from sklearn.feature_extraction import DictVectorizer import csv from sklearn...
- Py之textgenrnn：textgenrnn库的简介、安装、使用方法详细攻略 目录 textgenrnn库的简介 textgenrnn库的安装 textgenrnn库的使用方法 textgenrnn库的简介 textgenrnn 是一个基于 Keras/TensorFlow 的 Python 3 模块，用于创建 char-rnn... Py之textgenrnn：textgenrnn库的简介、安装、使用方法详细攻略 目录 textgenrnn库的简介 textgenrnn库的安装 textgenrnn库的使用方法 textgenrnn库的简介 textgenrnn 是一个基于 Keras/TensorFlow 的 Python 3 模块，用于创建 char-rnn...
- AI：人工智能概念之机器学习中常用算法的思维导图集合(非常经典、建议收藏)之详细攻略 目录 机器学习算法的思维导图集合 1、ML算法思维图 2、ML算法思维导图 相关文章：ML/DL：关于算法模型的选择 机器学习算法的思维导图集合 1、ML算法思维图 2、ML算法思维导图 AI：人工智能概念之机器学习中常用算法的思维导图集合(非常经典、建议收藏)之详细攻略 目录 机器学习算法的思维导图集合 1、ML算法思维图 2、ML算法思维导图 相关文章：ML/DL：关于算法模型的选择 机器学习算法的思维导图集合 1、ML算法思维图 2、ML算法思维导图
- ML之LF：机器学习中常见损失函数(LiR损失、L1损失、L2损失、Logistic损失)求梯度/求导、案例应用之详细攻略 目录 常见损失函数求梯度案例 1、线性回归求梯度 2、L2损失函数梯度 3、L1正则函数梯度 4、Logistic损失梯度 常见损失函数求梯度案例 1、线性回归求梯度 2... ML之LF：机器学习中常见损失函数(LiR损失、L1损失、L2损失、Logistic损失)求梯度/求导、案例应用之详细攻略 目录 常见损失函数求梯度案例 1、线性回归求梯度 2、L2损失函数梯度 3、L1正则函数梯度 4、Logistic损失梯度 常见损失函数求梯度案例 1、线性回归求梯度 2...
- 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...
上滑加载中
推荐直播
-
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 -
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
热门标签