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
  • MindSpore实验体验——基于MindSpore深度学习框架实现图片分类应用

    看到MindSpore出实验教程非常棒,先体验一下再说实验非常简单,也是深度学习最基础minst手写体数字识别。希望以后可以多增加一下其他方向上教程,让更多人了解并且使用MindSpore邮箱:997385374@qq.com

    作者: franco52576
    846
    1
  • [基于MindSpore深度学习框架实现图片分类应用]在线实验记录

    html (参见该贴56楼之后内容)当时自己做whl包精度能达到 0.98517.。。而官方whl包精度能达到 0.98758.。。。而本次实验,通过清晰代码和详尽解释,原原本本将整个数据集定义、处理、搭建lenet神经网络、定义回调函数收集模型损失值和精度值,搭建训练

    作者: 张辉
    2167
    1
  • 【ModelArts】【自动学习】声音分类项目添加音频文件后页面不刷新

    【功能模块】自动学习【操作步骤&问题现象】1、创建自动学习声音分类项目2、点击“添加音频”,选择音频文件上传,点确定后,页面显示如下:3、过一会之后,上图页面并不会主动刷新显示,需要自己刷新一下网页,才能看到新添加音频文件,如下图所示:【截图信息】【日志信息】(可选,上传日志

    作者: 天桥调参师
    1238
    3
  • 深度学习基础知识--分类问题算法

    与回归问题不同是,分类问题输出不再是连续值,而是离散值,即样本类别。分类问题在现实中应用非常广泛,例如区分图片上猫和狗、手写数字识别、垃圾邮件分类、人脸识别等。分类问题有二分类(“是”或“不是”)和多分类(多个类别中判别哪一类),而所有的多分类问题都可以转换成多个二分类问题,例

    作者: 角动量
    1921
    4
  • 基于深度学习校园安全系统

    -up两种,与目标检测不同,无论是基于热力图或是基于检测器处理关键点检测算法,都较为依赖计算资源,推理耗时略长。所以出现了以YOLO为基线关键点检测器,无热力图方法,在处理速度上具有一定优势。目前基于YOLOv7-w6模型的人体关键点检测模型已经开源。

    作者: zhaoning
    102
    4
  • 深度学习基于梯度优化方法

    大多数深度学习算法涉及某种形式优化。优化指的是改变 x 以最小化或最大化某个函数 f(x) 任务。我们通常以最小化 f(x) 指代大多数最优化问题。最大化可经由最小化算法最小化 −f(x) 来实现。我们把要最小化或最大化函数称为目标函数 (ive function) 或准则

    作者: 小强鼓掌
    837
    1
  • Python深度学习入门——手写数字分类

    层(layer)是神经网络核心组件,它是一种数据处理模块,你可以将它看成数据过滤器。进去一些数据,出来数据变得更加有用。大多数深度学习都是将简单层链接起来,从而实现渐进式 数据蒸馏(data distillation)。深度学习模型就像是数据处理筛子,包含一系列越来越精细数据过滤器(即层)。

    作者: Python新视野
    发表时间: 2022-04-28 10:26:24
    765
    0
  • 基于深度学习骨龄自动评估方法

    随着深度学习技术在语义加工,人脸识别等领域成功应用,深度学习方法在自动化骨龄评估中也有了一些尝试。深度学习方法与传统模式识别方法相比,其最大优点在于无需构造手工特征,将特征提取和分类相结合。传统方法中,因依赖于手工调参,特征参数数量有限;而深度学习可以挖掘到特征数量成千上万

    作者: AI资讯
    2660
    35
  • 可靠图深度学习最新进展:对抗攻击、固有噪声和分布转移

    为,旨在通过精心设计模式或对原始数据扰动导致模型不当行为。典型例子包括对抗性样本[Zugner¨et al., 2018]和后门触发器[Xi et al., 2021]。 图1显示了在一个典型深度学习流程中不同威胁是如何发生。作为对比,固有噪声或分布偏移通常发生在

    作者: 可爱又积极
    469
    2
  • 基于深度学习 智能社会媒体挖掘-节选

         基于深度学习 智能社会媒体挖掘-节选     社会媒体重要性众所周知。全球 人口中,一半人是网民,网民中三分之 二是社会媒体用户。常见社会媒体包括 Facebook,twitter,国内微信和微博也是 常用社会媒体。我们在社会媒体能够做 各种各样事情,包括和亲友交流沟通、

    作者: andyleung
    1338
    2
  • 基于MindSpore文本分类迁移学习

    邮箱:chaojililin@163.com基于MindSpore1.3.0文本分类迁移学习本人基于MindSpore1.3.0版本开发文本分类迁移学习(下面是关键步骤解释说明,具体代码见附件)导入模块:import argparseimport osimport os.pathimport

    作者: 李响
    3365
    2
  • 基于机器学习深度学习玫瑰花种类识别

    准备自行准备一个玫瑰花朵数据集,尽量多种类和数量,下面教程已自备数据集。数据预处理将图片转换为模型可以处理格式,对数据进行归一化处理。import tensorflow as tf from tensorflow.keras.preprocessing.image import

    作者: 浩泽学编程
    55
    4
  • 深度学习进阶,Keras视频分类

    Keras视频分类 在此教程中,您将学习如何使用Keras、Python 和深度学习执行视频分类。 具体来说,您将学习: 视频分类与标准图像分类区别如何使用 Keras 进行图像分类来训练一个旋转神经网络如何采取CNN,然后使用它视频分类如何使用滚动预测平均值来减少结果中的"闪烁"

    作者: AI浩
    发表时间: 2021-12-22 14:15:58
    1160
    0
  • 蛋白序列 | 基于深度学习蛋白质序列家族分类

    标甚至整个病毒结构。但是,找到所需信息可能是一项挑战,因为PDB会存在许多不同结构,经常发现给定分子或部分结构多种结构,或已经从其天然形式修饰或失活结构。 蛋白质序列家族分类 根据氨基酸序列对蛋白质家族进行分类。 工作基于自然语言处理(NLP)中深度学习模型,并假设蛋

    作者: DrugAI
    发表时间: 2021-07-14 21:20:20
    1321
    0
  • 分享基于立体视觉深度估计深度学习技术研究

    GR推荐原因这是第一篇关于基于深度学习立体匹配任务综述文章,以往关于立体匹配综述文章多基于传统方法,或者年代已久。这篇综述文章主要总结了过去6年发表在主要会议和期刊上150多篇深度立体匹配论文,可以称得上方法最新,分类最全,概括最广。在论文中,作者首先介绍了深度立体匹配网络常用架构,然

    作者: 初学者7000
    580
    2
  • 基于深度学习图像配准

    以小组未完全标记数据集和较多未标记数据集。2.2 项目方案架构介绍基于MindX SDK基于深度学习图像配准业务流程为:将输入两幅图片进行归一化等预处理操作后,输入到模型中进行推理,对输出关键点,进行极大值抑制去除相近关键点,再进一步去除靠近边界关键点,最后利用

    作者: yd_255186024
    57
    0
  • 深度学习分类任务常用评估指标

    0,0)和(1,1)线和PRC重合地方F1是这条线最大F1(光滑情况下),此时F1对于PRC就好象AUC对于ROC一样。一个数字比一条线更方便调模型。 AP 严格AP就是PR曲线下面积,mAP就是所有类AP算术平均。 但是一般都是用逼近方法去估计这个面积。 sklearn实现:

    作者: lutianfei
    发表时间: 2021-05-18 01:47:13
    4966
    0
  • 基于深度学习标签分布学习介绍

    名不变,标签值不是很重要;LDL关心是整体标签分布,每个标签描述程度值是很重要。 以往SLL和MLL评价指标是通用;LDL性能通过预测标签分布和真实标签分布之间相似性或距离和评估。 问题定义 由上图可知,LDL是SLL和MLL更普遍情况,SLL和MLL可以看作是LDL的特殊情况。

    作者: Tianyi_Li
    发表时间: 2022-01-10 16:10:31
    3077
    0
  • MindSpore在线体验感受“基于MindSpore深度学习框架实现图片分类应用”

    建议:1.  希望MindSpore能够支持Adam优化器;          2.  同样网络及参数,MindSpore训练时长要高于tensorflow,希望能优化一下。邮箱:chaojililin@163.com

    作者: 李响
    1244
    6
  • MindSpore在线体验感受“基于MindSpore深度学习框架实现图片分类应用”

    体验mindspore用户,有点疑惑这次体验想突出什么?从教程上看,很用心,每一步都有详细背景和操作方法,用户一步步体验下来,大致了解mindspore训练和推理接口。我作为用户,看到这个活动,想到是mindspore在华为云上提供了资源,给没有板子爱好者提供了方便,但是

    作者: logicyi
    723
    0