已找到以下 10000 条记录
  • 【Atlas200dk】【数据传输】如何将测量数据传到开发板?

    请教各位专家两个问题:如果把开发板当作一个边缘计算设备来用,把电能表测量的数据传输过来,请问有什么方法可以实现这一功能?需要用什么接口什么协议呢?如何把Matlab/Simulink等仿真软件中产生的数据自动上传到开发板?希望专家能够指导一下具体方法,谢谢!

    作者: 西湖山水
    929
    3
  • Standard支持的AI框架 - AI开发平台ModelArts

    pore-GPU GPU 是 是 rlstudio1.0.0-ray1.3.0-cuda10.1-ubuntu18.04 CPU、GPU强化学习算法开发和训练基础镜像,预置AI引擎 CPU/GPU 是 是 mindquantum0.9.0-mindspore2.0.0-cuda11

  • 卷积与互相关

    在信号处理、图像处理和其它工程/科学领域,卷积都是一种使用广泛的技术。在深度学习领域,卷积神经网络(CNN)这种模型架构就得名于这种技术。但是,深度学习领域的卷积本质上是信号/图像处理领域内的互相关(cross-correlation)。这两种操作之间存在细微的差别。 无需太过深

    作者: @Wu
    1056
    4
  • 云计算学习路径

    云计算学习路径 以云主机、云存储、云网络的基础概念作为切入点、深入实践云服务的配置与应用 第一阶段:基础阶段 6门课程 HDIC-数据中心:全面云化的新一代互联网基础 全屋智能以“打造全场景智慧空间,将数字化带入每个家庭”为战略,提供“交互、连接、计算、生态”核心能力。学习和掌握

  • 鸿蒙物联网学习路径

    鸿蒙物联网学习路径 在学习技术架构基础上,掌握鸿蒙开发及编译环境搭建并进行硬件开发实践 第一阶段:基础阶段 1门课程 HDIC-全屋智能物联网设备的组网与调试 全屋智能以“打造全场景智慧空间,将数字化带入每个家庭”为战略,提供“交互、连接、计算、生态”核心能力。学习和掌握全屋智能

  • 移动应用开发学习路径

    移动应用开发学习路径 从鸿蒙系统的体系架构开始,逐步掌握ArkTS鸿蒙应用开发 第一阶段:基础阶段 2门课程 HDIC-HarmonyOS体系架构 HarmonyOS,面向万物互联时代的全场景分布式操作系统。 目前平台配套课程包含课程教材、编码教程、教学软件、考题四大部分。 立即学习

  • 影片修复—消除瑕疵

    法可以分为基于空间域和基于时域的降噪,基于机器学习的视频降噪算法也得到了越来越多的研究,如 2019 年 4 月荷兰代尔夫特理工大学提出的深度盲去噪算法 ViDeNN 等。 对于老电影,由于胶片自身的损伤,背景上一般都会有很多坏点划痕,比如一条条的竖线。去划痕非常有必要。经典解决

    作者: 黄生
    1276
    7
  • 基于知识锚点进化的AutoML

    2020 年 4 月,深度赋智使用全自动机器学习框架获得了国际自动机器学习领域的顶级赛事 NeurIPS-AutoDL 的冠军,并在图像、音频、视频、文本、表格不同场景的十个数据集上稳定获得八项第一和均分第一,证明了该框架在不同场景的普适性。 竞赛得分情况。近日,深度赋智与厦门大学纪荣

    作者: 可爱又积极
    729
    3
  • 机器学习《Machine Learning1》----机器学习经典总结:入门必读

    关的应用非常的多,例如百度识图、手写字符识别、车牌识别等等应用。这个领域是应用前景非常火热的,同时也是研究的热门方向。随着机器学习的新领域深度学习的发展,大大促进了计算机图像识别的效果,因此未来计算机视觉界的发展前景不可估量。 语音识别 语音识别=语音处理+机器学习。语音识别就

    作者: 是Dream呀
    发表时间: 2022-03-13 16:45:22
    772
    0
  • 华为云WeLink

    应用,在城市治理和政务服务领域实现了智能化,远程化的服务能力,城市治理提质增效 他们已率先实现数字化 软通动力 软通动力和WeLink进行深度融合进行协同办公,通过WeLink连接团队、连接业务、连接知识、连接设备的能力,大幅提升办公效率,信息安全得到绝对保障 中软国际 WeLi

  • 【机器学习】从马尔可夫链到CRF:全方位解析序列建模的核心技术

    Programming 作者:Martin L. Puterman 简介:这本书介绍了马尔可夫决策过程(MDP),这是马尔可夫过程的一个重要扩展,常用于强化学习和优化问题。它涵盖了MDP的理论基础、解法以及实际应用。 链接:Markov Decision Processes: Discrete Stochastic

    作者: 小馒头学Python
    发表时间: 2024-11-22 22:13:10
    143
    0
  • 测试开发基础|一文搞定计算机网络(一)

    的同学靠临时抱佛脚突击搜索学习,对系统知识和重点难点的理解总是不够透彻。本系列文章就带大家从最最基础的网络知识开始,一步一个台阶学习,最终深度理解和掌握计算机网络核心知识点、相关面试题以及在测试工作中的应用。网络、互联网、因特网,经常听到的这三个名词,他们的区别是什么?先参考如下图

    作者: 橙子_hogwarts
    发表时间: 2022-04-20 06:09:27
    331
    0
  • 内容审核-图像的应用场景介绍

    确率高:基于改进的深度学习算法,检测准确率高。响应速度快:视频直播响应速度速度小于0.1秒。在线商城智能审核商家/用户上传图像,高效识别并预警不合规图片,防止涉黄、涉暴、政治敏感类图像发布,降低人工审核成本和业务违规风险。场景优势如下:准确率高:基于改进的深度学习算法,检测准确率高。响应速度快:单张图像识别速度小于0

    作者: 建赟
    4361
    2
  • “智能基座”产教融合协同育人基地(学生专区)

    “智能基座”学生专区 高校学生学习活动交流专区 高校社团线上活动地图 DevRun智能基座高校行 高校行精彩瞬间 学生微认证代金券 学生微认证5折优惠 高校社团线上活动地图 智能基座高校社团是“教育部-华为72所智能基座项目”合作高校在学校内线下活动社团,旨在通过智能基座社团活动

  • 【云享新鲜】社区周刊·Vol.6- MindSpore开源新特性;文字识别3种信息提取模型;聊聊Redis的前世今生…

    文字识别:关键信息提取的3种深度学习模型 深度学习模型已经在OCR领域,包括文本检测和文本识别任务,获得了巨大的成功。而从文档中提取关键信息,其作为OCR的下游任务,存在非常多的实际应用场景。     MindSpore开源周年狂欢,量子机器学习与深度分子模拟等巨量新特性来袭,发布新开源TinyMS工具包!

    作者: 华为云社区精选
    发表时间: 2021-04-12 02:38:09
    3398
    0
  • 【AI理论】上海交大张拳石:神经网络的可解释性,从经验主义到数学建模

    可以做到的,学术研究需要严谨。但是,寻找适当的数学工具去建模深度神经网络表达能力和训练能力,将基于经验主义的调参式深度学习,逐渐过渡为基于一些评测指标定量指导的深度学习, 是新一代人工智能需要面对的课题,也是在当前深度学习浑浑噩噩的大背景中的一些新的希望。这篇短文旨在介绍团队近期的ICML工作——”Towards

    作者: HWCloudAI
    发表时间: 2019-08-05 19:58:36
    5763
    0
  • 讲解[TensorRT] ERROR: Network must have at least one output

    have at least one output 介绍 TensorRT(TensorRT )是一个高性能深度学习推理优化器和运行时引擎,用于在 NVIDIA GPU 上加速深度学习推理。然而,在使用TensorRT时,我们可能会遇到一些错误提示。其中,一个常见的错误是:[TensorRT]

    作者: 皮牙子抓饭
    发表时间: 2023-12-30 11:45:08
    17
    0
  • 连续三次位居中国政务云领导者,华为云持续领先

    第三,深耕行业,场景升级:持续深入政府业务场景,发布城市数字孪生、数据要素、财政一体化等场景化方案,持续深耕行业,实现场景升级。 持续深耕,实现政务场景与技术创新深度融合 迈向深度用云新阶段,华为云携手政府行业客户围绕政务大数据、数据要素、政务大模型等政府数字化场景开展云上创新,借助科技力量助力政府业务更新更强

  • Opengl es2.0 学习笔记(四)shader语法 GLSL

    句柄sampler3D三维纹理句柄samplerCubecube map纹理句柄sampler1DShadow一维深度纹理句柄sampler2DShadow二维深度纹理句柄 三、结构体 结构体可以组合基本类型和数组来形成用户自定义的类型。在定义一个结构体的同时,你可以定义一个结构体实例。或者后面再定义。

    作者: 鱼酱
    发表时间: 2022-01-08 16:05:36
    840
    0
  • 梯度弥散、梯度爆炸和模型退化

    在ResNet之前,简单粗暴的增加卷积层网络深度时,存在梯度弥散、梯度爆炸和模型退化等问题,简述如下:梯度弥散(梯度消失)发生原因 :在深度神经网络(尤其是深度卷积神经网络)中,增加卷积层导致网络变深。当使用激活函数(如 Sigmoid 或 Tanh )时,其导数可能较小。在反向

    作者: 黄生
    11
    1