已找到以下 10000 条记录
  • 学习OpenCV 3(中文版)》 —简单的变换

    简单的变换很好,现在你已经可以用OpenCV来自己动手建立一个视频播放器了,这和现有的那些播放器差不多,但是我们的关注点在计算机视觉,所以希望做一些计算机视觉相关的工作。许多基础的计算机视觉工作都包括对视频流使用滤波器。我们将会对已有的程序进行修改以对视频中的每一帧实现一些简单的

    作者: 清华大学出版社
    发表时间: 2019-10-23 20:57:14
    8820
    0
  • 如何在MindSpore中使用预训练模型进行迁移学习

    如何在MindSpore中使用预训练模型进行迁移学习 当我们面临一个新的机器学习任务时,通常我们需要大量的数据和计算资源来从头开始训练一个深度神经网络模型。幸运的是,迁移学习可以帮助我们利用已经在大规模数据集上预训练的模型,在我们自己的任务上取得更好的性能。MindSpore提

    作者: 皮牙子抓饭
    发表时间: 2023-12-20 09:26:08
    15
    0
  • C语言学习第24篇---多维数组和多维指针

    知识来源主要是陈正冲老师的《C语言深度解剖》及Delphi Tang老师的《C语言剖析》和《征服C指针》,《C和指针》,有兴趣的朋友可以看我置顶文章获取   指向指针的指针 指针的本质是变量指针会占用一定的内存空间可以定义指针的指针来保存指针变量的地址值

    作者: CodeAllen
    发表时间: 2021-10-29 15:00:00
    735
    0
  • AI使能服务优化与提升服务

    对业务场景为简单场景的企业或政府单位进行算法原型开发或者优化服务,基于脱敏数据,训练深度学习或机器学习模型,形成相关的验证报告 AI算法原型开发-高级版 对业务场景为普通场景的企业或政府单位进行算法原型开发或者优化服务,基于脱敏数据,训练深度学习或机器学习模型,形成相关的验证报告 AI算法原型开发-铂金版 对

  • 手把手学习RabbitMQ消息队列(Demo详解)

    password=guest 12345 相信你一定看懂了整个项目的基本运行流程,本篇仅仅是一个基础应用实践案例,其实rabbitmq还有很多细节和基础值得我们深度学习 ,下期见! The best investment is to invest in yourself. 2020.09.12

    作者: 辰兮
    发表时间: 2022-03-22 14:41:24
    507
    0
  • 强化学习从基础到进阶--案例与实践含面试必知必答[9]:稀疏奖励、reward shaping、curiosity、分层强化学习

    好奇心模块 3.课程学习curriculum learning 第二个方向是课程学习(curriculum learning) 。课程学习不是强化学习独有的概念,在机器学习尤其是深度学习中,我们都会用到课程学习的概念。具体来说,课程学习是指我们为智能体的学习做规划,给他“喂”的训

    作者: 汀丶
    发表时间: 2023-06-29 11:35:34
    73
    0
  • 【一周AI资讯】20210528:机器学习揭示量子系统的底层物理原理,助力物理学发现

    流行的学习架构中的「Self-attention」。同一时期,清华大学软件学院丁贵广团队提出的结合重参数化技术的 MLP 也取得了非常不错的效果。原文链接:https://www.jiqizhixin.com/articles/2021-05-27-13 热点二:机器学习打破「神经元分割

    作者: chengxiaoli
    1067
    0
  • TensorRT 基础笔记

    和 cudnn 的高性能深度学习推理加速引擎,能够使深度学习模型在 GPU 上进行低延迟、高吞吐量的部署。采用 C++ 开发,并提供了 C++ 和 Python 的 API 接口,支持 TensorFlow、Pytorch、Caffe、Mxnet 等深度学习框架,其中 Mxnet、Pytorch

    作者: 嵌入式视觉
    发表时间: 2023-01-31 11:07:46
    105
    0
  • 数字孪生可视化开发技术(ThingJS)学习笔记

    depth: 10,// 深度 center: 'Bottom',// 轴心 //widthSegments: 1,// 宽度上的节数 //heightSegments: 1,// 高度上的节数 //depthSegments: 1,// 深度上的节数 position:[0

    作者: jcLee95
    发表时间: 2023-06-15 00:34:10
    32
    0
  • [学习笔记]【物联网课程学习课堂笔记】关于《IoT开发精英实战营》第三章 第四节小熊派开发板介绍的理解与看法

    一.课程简介本课程带领我们学习了小熊派开发板的开发过程。二.个人理解    小熊派开发板在华为的竞赛与应用中使用非常广泛,其配置某种意义上可以说是真正的物联网开发板。    个人认为,如果华为想把生态铺的再快一些,最好开发个可以跑LiteOS的模拟器,毕竟开发板的成本在那,学生党进入时也要考虑,开发验证稍有些麻烦。

    作者: 子本兮
    1021
    0
  • Android开发的学习流程 final,finally,finalize的区别

    Android初始阶段的学习在Java培训的过程中,final,finally,finalize是有区别的:   Final:用于声明属性、方法和类。修饰的是基本类型,就表示这个变量被赋予的值是不可变的,即它是个常量;final修

    作者: aiot_bigbear
    发表时间: 2022-09-24 19:43:57
    117
    0
  • 人工智能与机器学习在网络安全中的应用

    人工智能是指由计算机系统所表现出的智能行为。而机器学习是实现人工智能的一种方法,它使计算机能够从数据中学习,无需明确编程就能完成特定任务。通过不断优化算法模型,机器学习可以有效识别模式、预测趋势并做出决策,这为网络安全提供了强有力的支持。 二、AI与ML在网络安全中的具体应用 威胁检测与响应 利用机器学习算法分析网络

    作者: wljslmz
    发表时间: 2024-11-13 11:00:44
    163
    0
  • 【机器学习】特征工程、降维与超参数调优:提升机器学习模型表现的三大核心技术

    可视化:降维后可以将高维数据投影到2D或3D空间,便于数据的可视化和分析 🍋4 超参数调优:寻找最佳模型配置 在机器学习中,超参数(Hyperparameters)是训练过程之外需要手动设置的参数,如学习率、树的深度、正则化参数等。正确的超参数设置可以显著提高模型的性能。超参数调优(Hyperparameter

    作者: 小馒头学Python
    发表时间: 2024-11-22 21:51:51
    53
    0
  • 使用强化学习AlphaZero算法训练五子棋AI

    案例目标通过本案例的学习和课后作业的练习:了解强化学习AlphaZero算法利用AlphaZero算法进行一次五子棋AI训练你也可以将本案例相关的 ipynb 学习笔记分享到 AI Gallery Notebook 版块获得成长值,分享方法请查看此文档。案例内容介绍AlphaZe

    作者: HWCloudAI
    95
    0
  • 创原会:30+云原生精英齐聚HDC.Cloud 2021,共话数字化转型之路

    原会·云原生技术精英沙龙同场召开,以“云原生如何加速企业数字化转型”为主题,邀请了来自互联网、金融、物流等多个行业的30位云原生技术精英参与,共同探讨云原生发展趋势和应用实践。 ▲创原会·云原生技术精英沙龙现场图 

    作者: 创原会
    发表时间: 2021-05-07 02:13:41
    1729
    0
  • AIGC技术深度剖析:底层原理及其应用

    户体验和效率。 应用场景是创建一个闲聊聊天机器人。我们可以使用Python和相应的深度学习库来实现。 首先,你需要安装以下库: TensorFlow或PyTorch:用于构建和训练深度学习模型。 Transformers库:用于使用预训练的AIGC模型。 接下来,我们将从T

    作者: 皮牙子抓饭
    发表时间: 2024-06-18 22:38:57
    32
    0
  • 会员10月刊_2022

    北汽福田携手华为云加“智”前行 云+文娱 云上印尼:“数”影婆娑的千岛之国 云+农业 守护泰国进口榴莲 还原一场AI奔赴智慧化农业的旅程 云+物流 全新的数字化物流世界 德邦快递与华为云携手共进 云+零售 传统古法遇上现代科技 五粮液携手华为云共推酒业数字化 云+考古 为甲骨文研究插上科技的翅膀

  • 值迭代网络在强化学习中的原理与实际应用

    任务的解决能力。 异质性优化:针对不同任务特点,设计异质性的网络结构和优化策略。 结合深度学习:探索值迭代网络与其他深度学习方法的结合,提升复杂环境中的策略学习效果。

    作者: Y-StarryDreamer
    发表时间: 2024-05-20 14:38:33
    4
    0
  • 深度学习应用篇-计算机视觉-目标检测[4]:综述、边界框bounding box、锚框(Anchor box)、交并比、非极大值

    深度学习应用篇-计算机视觉-目标检测[4]:综述、边界框bounding box、锚框(Anchor box)、交并比、非极大值抑制NMS、SoftNMS 1.目标检测综述 对计算机而言,能够“看到”的是图像被编码之后的数字,它很难理解高层语义概念,比如图像或者视频帧中出现的

    作者: 汀丶
    发表时间: 2023-06-08 10:47:41
    56
    0
  • 基于最大化相关性的个性化联邦学习

    本课程由华为诺亚的李老师,介绍基于最大化相关性的个性化联邦学习。针对Non-IID联邦学习,在pFedMe基础上做了创新和改进。

提示

您即将访问非华为云网站,请注意账号财产安全