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
  • 华为全栈全场景AI助力智能升级,一文看懂企业AI开发路线

    ts一站式AI开发平台及关键技术,应用案例。 AI开发的核心流程主要包括了前期准备(方案设计)、数据准备、算法选择开发、模型训练、模型评估调优、应用生成/评估发布、应用维护子流程。各个子流程都涉及很多复杂工作,存在成本、门槛、效率和可信等多方面的挑战。 由于目前AI开发者的

    作者: 技术火炬手
    发表时间: 2020-12-28 16:57:20
    7693
    0
  • 强化学习从基础到进阶-案例实践[3]:表格型方法:Sarsa、Qlearning;蒙特卡洛策略、时序差分等以及Qlearnin

    很不一样。 图 3.34 SarsaQ学习的区别 4.3 同策略异策略的区别 总结一下同策略和异策略的区别。 Sarsa 是一个典型的同策略算法,它只用了一个策略 π\piπ,它不仅使用策略 π\piπ 学习,还使用策略 π\piπ 环境交互产生经验。 如果策略采用 ε

    作者: 汀丶
    发表时间: 2023-06-23 14:55:51
    0
    0
  • LLM 大模型学习必知必会系列(七):掌握分布式训练LoRA/LISA微调:打造高性能大模型的秘诀进阶实战指南

    LLM 大模型学习必知必会系列(七):掌握分布式训练LoRA/LISA微调:打造高性能大模型的秘诀进阶实战指南 1.微调(Supervised Finetuning) 指令微调阶段使用了已标注数据。这个阶段训练的数据集数量不会像预训练阶段那么大,最多可以达到几千万条,最少可

    作者: 汀丶
    发表时间: 2024-05-28 10:46:34
    10
    0
  • 【开发者空间实践指导】基于PyTorch的手写体识别

    案例介绍随着人工智能技术的飞速发展,图像识别技术在众多领域得到了广泛应用。手写体识别作为图像识别的一个重要分支,其在教育、金融、医疗等领域具有广泛的应用前景。本实验旨在利用深度学习框架PyTorch,结合MNIST手写体数据集,构建一个高效、准确的手写体识别系统,本实验是在云主机中安装PyCharm,并且基于PyT

    作者: 云起龙骧
    184
    8
  • Nat. Biomed. Eng.| 综述:医学和医疗保健中的自监督学习

    合进而提高模型效果。 未来的医疗模型可能会有两个发展趋势:第一,更多地使用多模态数据。例如,患者的常规体测数据如年龄、体重、血压等可以心电图融合在一起训练,这两类数据提供了不同的诊断支撑。第二,未来的模型可能会在预训练阶段引入更加广泛的医疗测试数据,使得模型可以“理解”潜在

    作者: DrugAI
    发表时间: 2022-08-24 16:08:18
    197
    0
  • 仿QQ音乐(HTML+CSS)

    演唱会主题、🥁爵士乐音乐、民族音乐、等网站的设计制作。 二、✍️网站描述 🏷️HTML音乐网页设计,采用DIV+CSS布局,共有多个页面,排版整洁,内容丰富,主题鲜明,首页使用CSS排版比较丰富,色彩鲜明有活力,导航正文字体分别设置不同字号大小。导航区域设置了背景图。子页面有纯文字页面和图文并茂页面。

    作者: IT司马青衫
    发表时间: 2022-08-10 16:34:48
    174
    0
  • 【转载】AI框架在GPU上训练性能优化实践(1)

    MindSpore的数据计算部分如何配合工作的示意图,为了解决数据处理自身的性能问题,在数据处理的各关键环节中都尽量的采用了多线程来并行处理任务;而在数据处理计算进行交互上,采用了在设备侧的显存上开辟一个存放已处理好的训练数据的数据队列,数据处理模块计算模型分别各自异步的向

    作者: chengxiaoli
    4542
    2
  • [论文阅读] (11)ACE算法和暗通道先验图像去雾算法(Rizzi | 何恺明老师)

    引用及参考中文论文: 尹胜楠, 等. 基于快速ACE算法的视觉里程计图像增强方法[J]. 电子测量仪器学报, 2021. 李景文, 等. 基于暗通道先验改进的自动色彩均衡算法[J]. 科学技术工程, 2019. 杨秀璋, 等. 一种改进的复杂环境下条形码图像增强和定位算法[J]. 现代计算机

    作者: eastmount
    发表时间: 2022-06-15 10:36:43
    1041
    0
  • 使用MXNet实现Caltech图像识别

    --- 本示例介绍在ModelArts平台如何使用深度学习框架MXNet训练Caltech数据集,并把得到的模型发布成一个可用的推理服务。 首先,参考[准备工作]完成前期准备,然后,参考如下基本流程使用MXNet完成Caltech图像识别应用。 1. [准备数据]:获取Caltech101数据集,并上传至OBS。

    作者: 运气男孩
    1761
    2
  • 华为AR&VR黑科技:以“自由视角”360度尽展舞台唯美

    的“小试牛刀”获得了不错的反响,让我们在业内也获得了不错的评价,也因此有了后续湖南卫视《舞蹈风暴》合作的机会。 成都乒乓球世界杯 自由视角直播系统 争分夺秒闯关到演播室 大显身手的机会来了,我们马上融合视频产品线的兄弟们组成联合项目组,开始攻关解决方案。我们AR&VR工程部团

    作者: 技术火炬手
    发表时间: 2021-03-01 17:57:40
    11823
    0
  • 还记得元宵节逃跑的华为云智能汪吗?它被逮着了...

    <align=center>14175</align> <align=center>智能汪化身一款微信小程序,供人们上传照片或拍摄照片,采用基于深度学习技术打造的华为云图像识别服务,对图像内容进行分析,得到人物属性信息和语义信息,通过梳理出来的高频典型标签,匹配文案中的特色内容,<b>智

    作者: feng
    18737
    1
  • 学习研究Atlas 200DK历程

    习研究Atlas 200DK的经历。 1.环境部署首先是环境部署,需要SD卡、Type-C连接线、网线。详细步骤可以参考华为云学院里的《深度学习》课程(https://education.huaweicloud.com/courses/course-v1:HuaweiX+CBUC

    作者: whu_mmap
    1844
    2
  • 【Unity 实战100例】 教程 专栏《导航帖》,带你深入学习Unity实战经验

    和 下载图片、文件 【引擎实用技能实战篇】| ☀️UnityAndroid交互之 使用AndroidJavaProxy代理方式,让AndroidUnity通讯 【引擎实用技能实战篇】| ☀️Unity SO 交互 之 详细讲解 Unity端使用C# 调用so文件的具体方法

    作者: 呆呆敲代码的小Y
    发表时间: 2022-01-14 03:56:52
    1410
    0
  • 华为防火墙配置(防火墙基础)

    和防火墙真正的一体化,而不是简单地基于模块,另外,NGFW还需要具备强大的应用程序感知和应用可视化能力,基于应用策略、 日志统计、安全能力应用识别深度融合,使用更多的外部信息协助改进安全策略,如用户身份识别等 &nbsp; &nbsp; &nbsp;传统的防火墙只能基于时

    作者: 1风天云月
    发表时间: 2022-02-17 00:53:59
    1550
    0
  • 简单的五子棋操作用两种方法实现

    最近有五子棋的大作业,周折半天才弄明白其中的原理,查阅了许多资料,然后网上的代码只有几篇原创并且注释很少,感觉不好理解。所以感觉有必要分享一下自己的心得 本人使用两种方法: 1:(传统方法)鼠标点击事件。大致流程为 定义窗口——从写JPanel中的paint函数(画图由paint实现)——

    作者: bigsai
    发表时间: 2021-02-02 22:45:50
    3336
    0
  • 【蓝桥杯Java_C组·从零开始卷】第四节(附)、河图洛书【九宫格】(卷王必备,不想卷的略过,使用优化暴力破解,网上莫名其妙的

    &nbsp;目录 河图洛书到底是什么? 一,河图之象 二,河图之数 三、Java二维数组表示方法 河图洛书到底是什么? 河图洛书是中国古代流传下来的两幅神秘图,历来被认为是河洛文化的滥觞,中华文明的源头,被誉为宇宙魔方。相传,上古伏羲氏时,洛阳东北孟津县境内的黄河中浮出龙马,背负

    作者: 红目香薰
    发表时间: 2022-01-23 10:08:27
    1038
    0
  • 强化学习从基础到进阶-案例实践[6]:演员-评论员算法(advantage actor-critic,A2C),异步A2C

    Actor-Critic Methods”。 生成对抗网络演员-评论员都挺难训练,所以在文献上就有各式各样的方法,告诉我们怎么样可以训练 生成对抗网络。知道生成对抗网络演员-评论员非常相似后,我们就可以知道怎样训练演员-评论员。但是因为做 生成对抗网络 演员-评论员的人是两群人,所以这篇论文里

    作者: 汀丶
    发表时间: 2023-06-26 23:03:53
    54
    0
  • Word2VecLDA有什么区别和联系?

    Word2Vec的两种网络结构 1.1 输入层 1.2 映射层 1.3 输出层 1.4 神经网络的权重 2. Word2VecLDA的区别和联系 2.1 主题模型词嵌入方法  总述: Word2Vec是2013年谷歌提出来目前最为常用的词嵌入模型之一。 Word2Vec是一种浅层的

    作者: 王博Kings
    发表时间: 2020-12-30 00:07:44
    3401
    0
  • 自监督学习入门

    设计一个前置将无监督的问题转换为有监督的任务。 往往前置任务不会有什么新的产出,它的目的是使网络学习如何从数据中捕获有用的特征。 前置任务常见的监督问题有相似之处:我们知道监督训练需要标注。依赖人工标注者的不断努力。 但在许多情况下,标注非常昂贵或无法获得。 我们也知道模型天生

    作者: qinggedada
    8052
    34