内容选择
全部
内容选择
内容分类
  • 学堂
  • 博客
  • 论坛
  • 开发服务
  • 开发工具
  • 直播
  • 视频
  • 用户
时间
  • 一周
  • 一个月
  • 三个月
  • DeepSeek带来的Deepshock,一次看懂DeepSeek

    DeepSeek 完全开源了模型权重,所遵循的 MIT License 开源协议极为宽松,允许其他开发者将模型用于商业用途并进行模型蒸馏,被Facebook首席人工智能科学家杨立昆誉为“开源模型对闭源模型的胜利”。

    作者: 华为云社区精选
    发表时间: 2025-02-08 17:38:02
    6
    0
  • 使用Python实现深度学习模型:智能城市噪音监测与控制

    # 训练模型 history = model.fit(X_train, y_train, epochs=50, batch_size=32, validation_data=(X_test, y_test)) # 绘制训练损失和验证损失曲线 import matplotlib.pyplot

    作者: Echo_Wish
    发表时间: 2024-10-28 09:14:38
    12
    0
  • 基于CNN卷积神经网络的目标识别算法matlab仿真,测试mnist数据库

    (XTrain, YTrain,layers,options); % 在训练集上预测结果并计算准确率 YPred = predict(net,XTrain); acc = mean_accuracy( YTrain, YPred ); fprintf( '训练集识别率: %g\

    作者: 简简单单做算法
    发表时间: 2023-07-22 00:00:35
    24
    0
  • cms接口咨询

     【问题来源】【必填】          亿迅【问题简要】【必填】                 cms接口咨询  【问题类别】【必填】           cms接口咨询    【AICC解决方案版本】【必填】         AICC 22.100     【期望解决时间】【

    作者: yd_244583679
    76
    8
  • DDK环境 | pb转om模型时pre-compile failed

    软件版本:华为环境:DDK 2.0+intel cpu+vmware虚拟机+ubuntu18.04LTSres-net50训练环境:tf:1.13.0python:3.6【操作步骤&问题现象】1、在tf环境中ckpt\pb模型测试无误后,预备部署在华为atlas300环境上,需要先进行

    作者: 陈天
    3467
    2
  • 【声源定位】基于matlab不同信噪比下麦克风接收信号【含Matlab源码 546期】

    (第3版)[M].清华大学出版社,2019. [2]柳若边.深度学习:语音识别技术实践[M].清华大学出版社,2019. [3]陶巍,刘建平,张一闻.基于麦克风阵列的声源定位系统[J].计算机应用. 2012,32(05)

    作者: 海神之光
    发表时间: 2022-05-28 20:17:42
    234
    0
  • RK3399平台开发系列讲解(其他篇)1.1、RV1108芯片介绍

    最多支持8路MIC阵列,支持回声消除、噪声抑制等3A语音算法;5、高集成、高扩展:支持多Camera sensor输入,HDMI OUT/CVBS OUT/ CVBS IN /AudioCodec RV1108系列博客: MIPI 接口摄像头模组: OV4689 CIF 接口摄像头模组

    作者: 内核笔记
    发表时间: 2021-06-08 16:37:15
    1783
    0
  • TensorFlow2迁移学习实战(九):搭建残差网络ResNet-101,实现对花的精准分类

    我是【AI 菌】,一枚爱弹吉他的程序员。我热爱AI、热爱分享、热爱开源! 这博客是我对学习的一点总结与思考。

    作者: AI 菌
    发表时间: 2021-08-04 15:46:20
    1609
    0
  • 卷积神经网络在CR中的频谱感知方面的相关应用

    CNN广泛应用于图像识别和语音识别,具有良好的分类性能。使用CNN解决频谱感知可以看作是一个双重假设检验问题。张等人。在进行波形识别时,使用二维时频图表征各种信号,然后进行信号识别。但是,成像的原始信号不可避免地会丢失一些信息,从而影响分类结果。

    作者: 初学者7000
    3209
    0
  • 自主AI监控和物联网实施:更智能的城市

    “ 尽管在某些方面出现了Cloud Vs Edge辩论,但我们在实践中将看到的是Cloud和Edge的融合,由AI的命令所形成。斯蒂芬霍金教授谈到人工智能“我们生活的方方面面都会改变。简而言之,创造人工智能的成功可能是我们文明史上最大的事件。

    作者: 万巨侠
    发表时间: 2018-12-17 13:12:11
    4533
    0
  • 查询呼叫队列信息扩展CELL调用失败

    问题来源: 亿迅问题类别:IVR(gsl / vxml1.0 / vxml2.0 / vxml2.1)AICC解决方案版本:   CTI版本:ICD V300R008C25问题简要:    我需要查询队列的排队信息和预计等待时长,去播放排队语音,但是调用查询呼叫队列信息扩展CELL

    作者: zane-yang
    66
    4
  • 现在需要支持视频 IVR,请问下需要的环境去哪下载

    公司以前一直只做语音 IVR,现在需要做视频 IVR,发现业务开发环境中没有选择视频的 Cell,所以这个视频 IVR 支撑的环境版本应该是多少的。如果换成了 AICC 的环境还能不能正常编辑以前的 IVR,现在很多线上的 IVR,怕有影响。

    作者: yd_248397390
    54
    1
  • pytorch实现LSTM自动AI作诗(藏头诗和首句续写)| 第6例

    正在更新中~ ✨🚨 我的项目环境:平台:Windows10语言环境:python3.7编译器:PyCharmPyTorch版本:1.8.1💥 项目专栏:【PyTorch深度学习项目实战100例】一、LSTM自动AI作诗本项目使用了LSTM作为模型实现AI作诗,作诗模式分为两种,

    作者: 福州司马懿
    462
    4
  • 基于深度学习网络的烟雾检测算法matlab仿真

            4.部分核心程序 % 预处理训练数据 data = read(trainingData); In_layer_Size = [224 224 3]; % 估计锚框 pre_train_data = transform

    作者: 简简单单做算法
    发表时间: 2023-11-27 19:56:45
    27
    0
  • 探索Python中的集成方法:Stacking

    # 加载数据集 iris = load_iris() X, y = iris.data, iris.target # 划分训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2

    作者: Echo_Wish
    发表时间: 2024-03-26 08:49:51
    14
    0
  • 【CANN文档速递11期】带您了解昇腾模型压缩工具

    量化感知训练(Quantization-Aware Training,简称QAT) 在量化过程中,对模型进行训练的一种量化。

    作者: 昇腾CANN
    发表时间: 2022-09-08 07:06:24
    1638
    0
  • ResNet实战:tensorflow2.X版本,ResNet50图像分类任务(大数据集)

    2、加载模型的预训练权重,训练时间更短。 3、数据增强选用albumentations。

    作者: AI浩
    发表时间: 2022-01-22 08:46:00
    1562
    0
  • 多语言建模:跨语言的挑战与解决方案

    进行训练: trainer = Trainer( model=model, args=training_args, train_dataset=train_dataset, eval_dataset=test_dataset, compute_metrics

    作者: Y-StarryDreamer
    发表时间: 2024-08-09 11:17:33
    134
    0
  • 如何获得英语单词的发音?增加 IPA-SAMPA

    1.1 文字转语音   在 Python(九)- 音频文字转换 给出了几个语音模块: pyttsx3 :软件包,是系统内置的语音引擎实现发音,不生成MP3;win32com:Windows 操作系统内置的语音引擎实现文字发音;   在 更新pip3与pyttsx3文字语音转换

    作者: tsinghuazhuoqing
    发表时间: 2022-02-19 14:08:08
    1300
    0
  • 人工智能、机器学习和数据工程 InfoQ 趋势报告 - 2021 年 8 月

    人工智能、机器学习和数据工程 InfoQ 趋势报告 - 2021 年 8 月 每年,InfoQ 的编辑们都会讨论 AI、ML 和数据工程的最新状态,以确定作为软件工程师、架构师或数据科学家应该关注的趋势。

    作者: Regan Yue
    发表时间: 2021-10-24 04:35:59
    1265
    0