已找到以下 10000 条记录
  • Android开发之通过渲染纹理展示地球仪

    肯定要启用纹理功能了,并且为了能够正确渲染,还需同时启用深度测试。启用深度测试的目的,是只绘制物体朝向观测者的正面,而不绘制物体的背面。上一篇文章的立方体球体因为没有开启深度测试,所以背面的线段也都画了出来。启用纹理与深度测试的代码示例如下: // 启用某功能,对应的glDisable是关闭某功能。

    作者: aqi00
    发表时间: 2019-01-14 15:11:28
    8485
    0
  • 人工智能普及教育:基于MindSpore与Atlas800的软硬协同解决方案

    统,支持多种处理器,能够充分释放计算芯片的潜能。(3)算法方面,MindSpore是新型开源深度学习/推理框架,提供了友好的设计高效的执行,有利于AI初学者学习;同时,有丰富的模型库活跃的社区,可提供算法层的技术支持。

    作者: 交大er
    41
    1
  • 高等教育的肮脏秘密

    信息、网络、语言、空间、时间、媒体、金钱、生命水。 例如,探究一个水项目。今后几十年,水问题将比石油问题更加突出,水的数量、质量分布将构成重大的科学、技术生态困难,并面临严峻的政治经济挑战。如果不考虑重要的哲学、宗教伦理等方面的问题,这些令人烦恼的实际问题就不能得

    作者: tsinghuazhuoqing
    发表时间: 2021-12-26 15:14:17
    791
    0
  • 智慧园区

    工业园区、文体场馆、城市治理智慧工地等场景,基于华为云人工智能大数据的技术优势,实现泛园区场景的智慧化管理,提供基于AI的事件智能感知分析能力,助力业务闭环,使生产生活更加便捷高效。方案架构园区智能体通过对泛园区场景的多源、多模态数据进行采集接入,基于灵活的云上或边缘部

    作者: sangjunke
    2004
    4
  • 华为云资料 2022年6月刊

    种维度的细粒度权限策略管理方式。CCE的权限管理包括“集群权限”“命名空间权限”两种能力,分别从集群命名空间两个…… CCE弹性伸缩,让您的业务以最小成本运行 弹性伸缩是指在集群资源不足时,通过自动调整集群的规模以提高集群的承载能力,从而保证用户体验系统服务的稳定性,而在

  • 基于CNN卷积神经网络的步态识别matlab仿真,数据库采用CASIA库

    走视频。利用此数据库进行训练测试,要求模型具有良好的泛化能力鲁棒性。          基于CNN的步态识别技术通过深度学习模型强大的特征学习能力,实现了对步态序列的有效分析个体身份的准确识别。结合如CA

    作者: 简简单单做算法
    发表时间: 2024-07-25 19:22:03
    45
    0
  • 使用PyTorch处理多维特征输入的完美指南

    🥦引言 在机器学习深度学习领域,我们经常会面对具有多维特征输入的问题。这种情况出现在各种应用中,包括图像识别、自然语言处理、时间序列分析等。PyTorch是一个强大的深度学习框架,它提供了丰富的工具库,可以帮助我们有效地处理这些多维特征输入数据。在本篇博客中,我们将探讨如

    作者: 小馒头学Python
    发表时间: 2023-11-05 10:31:57
    68
    0
  • 【机器学习入门与实践】合集入门必看系列,含数据挖掘项目实战

    程。它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值阈值,使网络的误差平方最小。BP神经网络模型拓扑结构包括输入层(input)、隐层(hide layer)输出层(output layer)。在模拟过程中收集系统所产生的误差,通过误差反传,然后调整权值大小,

    作者: 汀丶
    发表时间: 2023-04-17 10:11:03
    143
    0
  • 开发者们,来一起到华为的黑土地上去种庄稼!

    统、HMS等各个领域的技术热点、最佳实践以及发展趋势等进行深入和解读分享。 简单概括,在HDC.Cloud 2021大会,开发者可以:1、体验分享最新的ICT技术在行业的深度创新和最佳实践;2、系统学习深度实践华为云、人工智能、鲲鹏、昇腾、容器、微服务、DevOps、数据库

    作者: 技术火炬手
    发表时间: 2021-03-26 08:54:11
    1955
    0
  • 语义相似度与语言建模:理解文本的奥秘

    神经网络模型:使用神经网络来捕捉语言中的复杂模式。 深度学习模型:如LSTM、GRUTransformer,通过多层神经网络来建模语言。 预训练模型:如BERT、GPT,通过预训练微调来实现强大的语言理解生成能力。 III. 计算语义相似度的方法 A. 基于词汇的相似度

    作者: Y-StarryDreamer
    发表时间: 2024-08-07 15:33:30
    124
    0
  • 数据互联、万物智联!青云科技获选 2021 物联网优秀方案商

    、透明化的社区管理,提升小区安全管理基层治理水平,推进智慧城市建设。作为一项赋能型技术,物联网几乎已在各行业被应用,对技术发展业务场景创新产生深远影响。未来,青云科技将进一步强化物联网平台研发创新能力,持续深化“云网边端一体化”架构,深度融合产业上下游更多产品、服务,加速物联

    作者: 一览芳华
    540
    4
  • Hilens人脸识别模型部署使用体验

                                       绪论    随着机器学习,深度学习的快速发展,越来越多的传统计算机视觉任务也得到了全新的发展,特别是最近几年深度学习中卷积神经网络在图像处理检测方面的巨大成功,诸如目标检测,语义分割,实例分割等计算机视觉任务也得到巨大的发

    作者: 一样的错误,同求帮助
    35236
    26
  • Python在机器学习中的大数据应用

    3. TensorFlow PyTorch 在大数据机器学习中,深度学习框架如 TensorFlow PyTorch 能够处理非常复杂大规模的数据集,特别是在图像、语音和文本处理方面表现优秀。 TensorFlow:是 Google 提供的深度学习框架,支持分布式计算,可

    作者: 数字扫地僧
    发表时间: 2024-12-03 13:07:29
    0
    0
  • 虚拟仿真实验教学管理平台

    前瞻性管理共享,实现校内校外、本地区及更广范围内的实验教学资源共享,满足多地区、多学校多学科专业的虚拟仿真实验教学的需求。通过校、院、专业、年纪班级的多层级维度,实现实验课程中心、实验中心、在线实验平台、考核中心、实验室仪器耗材管理等模块,拓展实验教学广度深度,让实验课

  • HDC.Cloud 2021|开发者们,来一起到华为的黑土地上去种庄稼!

    统、HMS等各个领域的技术热点、最佳实践以及发展趋势等进行深入和解读分享。 简单概括,在HDC.Cloud 2021大会,开发者可以:1、体验分享最新的ICT技术在行业的深度创新和最佳实践;2、系统学习深度实践华为云、人工智能、鲲鹏、昇腾、容器、微服务、DevOps、数据库

    作者: 技术火炬手
    发表时间: 2021-03-26 08:56:50
    2908
    0
  • 【HCSD-DevCloud训练营学习笔记】飞机大战游戏上云实验相关知识点学习总结

    配置不同的部署参数、部署方法,可将同一应用部署到不同的环境。 发布:提供全面的软件制品管理,保障CI/CD全流程的实现 发布服务是持续集成持续交付的中间环节,存储软件开发过程中的中间产物,并为部署实施提供软件包来源、为构建任务提供私有依赖。 

    作者: yd_229071962
    60
    0
  • PyTorch ToTensor解读

    html PyTorch载入图片后ToTensor解读(含PILOpenCV读取图片对比)   概述 PyTorch在做一般的深度学习图像处理任务时,先使用dataset类dataloader类读入图片,在读入的时候需要做transform

    作者: 风吹稻花香
    发表时间: 2021-06-04 14:48:10
    1352
    0
  • 迎接AI挑战:构建新一代AI网络基础设施

    代AI基础设施在网络带宽、延迟、可靠性冗余等方面提出了更高的要求。 网络对于AI而言,不仅是重要,而且是必要的。AI大模型的训练推理过程高度依赖分布式计算存储。鉴于单个计算节点的计算能力内存容量有限,难以高效处理大规模数据复杂模型,因此,将计算任务分配到多个节点

    作者: 犀思云
    发表时间: 2024-08-16 11:09:35
    14
    0
  • 【21天专题系列活动】对你AI!AI!AI不完!21天转型AI实战营课程汇总

    AI服务服务,为开发者们奉献一场技术盛宴!本期课程,汇聚华为云全球10+位顶尖AI技术专家涉及机器学习、深度学习、人工智能、人脸识别等行业大热技术,更有千元华为云资源大礼包AI智能音箱等惊喜好礼!10月8-16日活动限时招募全面启动!!!21天转型AI实战营!!!对你AI!AI

    作者: 小助手
    249744
    41
  • 在Self-Attention上再施加一层注意力!浙大提出MEAT,用Mask控制自注意力的输出,使模型能够实现终生学习

    MEA T 相比,带来的性能提升更少。 作者在涉及六个数据集三个采用的 ViT 上可视化了第 2 层第 11 编码器层的训练二进制掩码。可以观察到,同一token在浅层深层的激活隔离状态在数据集主干之间呈现出明显不同的模式。 首先,所有的 ViT 倾向于在

    作者: 风吹稻花香
    发表时间: 2022-08-17 16:14:16
    590
    0