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
  • 2001 年至 2019 年全球土地覆被估算(GLanCE)每年土地覆被和土地覆被变化

    全球土地覆被估算(GLanCE) 全球土地覆被估算(GLanCE)数据集利用 30 米空间分辨率的大地遥感卫星图像,提供了 2001 年至 2019 年期间每年土地覆被和土地覆被变化的高质量长期记录。 该数据集涵盖除南极洲以外的全球所有陆地区域,包括 10 个科学数据集(SDS),用于跟踪土地覆被、土地覆被变化和绿化动态。

    作者: 此星光明
    发表时间: 2024-10-22 14:05:58
    53
    0
  • 记录物联网的学习历程

    是在就业面前变得一无是处。机缘巧合下遇到了华为云学院,也开始走上了了职业技能学习的道路。在大专时期,我的专业就是物联网,不过那时候物联网还是刚刚起步,面对第一次就业的我胆怯了,于是选择了升学,也转而学习软件。 大学时期接触物联网的时间并不短,从物联网基础(数电模电)、软件开发、R

    作者: 蜡笔不辣
    发表时间: 2021-05-10 02:45:08
    1820
    0
  • 【2020华为云AI实战营】第八章语音识别打卡过程详细记录

    就会出现如下图的。2、作业1:根据作业打卡作业2打卡:从官方指导的文档上下载训练数据训练数据集和添加的pig数据集,上传到obs上。如下图。然后从ModelArts选择自动学习选择名称和数据集输入和输出位置同步数据源并开始标注完成数据标注并开始训练开始训练训练完成部署上线部署完成,开始预测至此,预测完成。

    作者: huxian123
    发表时间: 2020-08-25 15:13:03
    4159
    1
  • 耶鲁地球观测中心:2003-2018年白天与夜晚SUHI强度的平均月度合成产品

    Urban Heat Islands 数据集包括了全世界超10000个城市群的年度、夏季和冬季,白天与夜晚地表热岛强度指数(SUHI)数据。该数据集使用了MODIS 8天Terra和Aqua地表温度(LST)产品、Landscan城市分布数据集、2010年全球多分辨率地形数据和欧洲

    作者: 此星光明
    发表时间: 2024-05-13 21:40:19
    26
    0
  • 探索卷积神经网络在地震数据处理中的应用

    本文探索了卷积神经网络在地震数据处理中的应用。通过利用CNN的特征学习和模式识别能力,可以提高地震数据处理的效率和准确性。卷积神经网络在数据降噪、目标检测和分割、目标识别和分类等方面展现出巨大的潜力,为油田勘探提供了新的工具和方法。未来,随着技术的不断发展和深度学习算法的改进,我们有理由相信卷积神经网络将在地震数据处理中发挥越来越重要的作用。

    作者: 皮牙子抓饭
    发表时间: 2023-06-30 17:10:39
    5
    0
  • [当人工智能遇上安全] 1.人工智能真的安全吗?浙大团队外滩大会分享AI对抗样本技术

    对抗攻击等。 2.AI数据安全问题 AI数据安全简单来说就是通过构造特定数据集,结合模型预测的结果来获取深度学习模型的参数或数据。如下图所示,通过模型逆向攻击重建图像,深度学习模型泄露了训练数据中的敏感信息。 AI数据安全包括模型参数泄露和训练数据泄露,

    作者: eastmount
    发表时间: 2022-01-25 15:05:23
    2943
    0
  • Fiber 学习笔记

    Fiber 学习笔记 文章出处:拉 勾 大前端 高薪训练营 1. 开发环境配置 1.1 文件夹结构 文件 / 文件夹描述src存储源

    作者: 楚楚冻人玥玥仙女
    发表时间: 2021-11-18 16:50:28
    999
    0
  • 强化学习中模型不确定性建模与优化方法研究

    max) C. 深度不确定性模型 深度不确定性模型通过深度学习的方法对环境的不确定性进行建模。例如,使用贝叶斯神经网络(Bayesian Neural Network, BNN)和蒙特卡罗 Dropout(Monte Carlo Dropout)等方法,可以在深度强化学习中估计模型的不确定性。

    作者: Y-StarryDreamer
    发表时间: 2024-05-20 14:50:49
    4
    0
  • 使用Python实现决策树算法

    plot_tree 2. 准备数据 接下来,我们准备一个示例数据集,例如鸢尾花数据集: iris = load_iris() X = iris.data y = iris.target 3. 划分训练集和测试集 然后,我们将数据集划分为训练集和测试集: X_train, X_test

    作者: Echo_Wish
    发表时间: 2024-04-07 10:16:09
    101
    0
  • HDC.Cloud2021|华为视觉计划:三大方向、六大课题,走进CV新时代

    数据高效、模型高效、知识高效,是计算机视觉的重点研究方向 计算机视觉,本质上是从视觉数据中学习知识的学科。在大数据时代,深度学习技术蓬勃发展,为计算机视觉带来了辉煌的今天。计算机视觉算法在限定场景下已经取得了令人瞩目的成就,然而监督学习带来的红利将逐渐减弱。当前,计算机视觉算法面临对数据需求大、模型难以

    作者: 华为云头条
    发表时间: 2021-04-21 08:47:15
    39699
    2
  • Python中的h5py介绍

    数据集(Dataset):数据集是HDF5文件中存储数据的基本单元。它可以包含不同类型和维度的数据。 组(Group):组是HDF5文件中的一种层次结构,用于组织数据集和其他组。组可以嵌套包含其他组和数据集。 属性(Attribute):属性是HDF5文件中与数据集和组相关

    作者: 皮牙子抓饭
    发表时间: 2023-10-13 14:50:16
    84
    1
  • 机器学习之线性回归(一)

     首先我们聊一聊什么是线性回归. 在机器学习里,什么是线性回归呢,其实很好理解,简单一点讲,输出的预测值是连续值,就是回归,那什么是连续值呢,好比说我们预测一个房价,房价可能是120.3万,也有可能是120.45万,还有可能是120.554万,这就是连续值,那如果你告诉我房子12

    作者: 最后一个好人
    发表时间: 2020-10-23 14:26:57
    7489
    0
  • Mol2vec | 一种无监督机器学习方法的分子亚结构向量表示

      受自然语言处理技术的启发,这里介绍Mol2vec是一种无监督的机器学习方法,用于学习分子亚结构的向量表示。就像Word2vec模型一样,密切相关的单词的向量在向量空间中非常接近,Mol2vec可以学习指向化学相关子结构的相似方向的分子子结构的向量表示。通过将各个子结构的向量

    作者: DrugAI
    发表时间: 2021-07-14 20:35:06
    1219
    0
  • 2023“域见杯”医检人工智能开发者大赛-团队“中文GPT“-TOP4方案分享

    的分享,一起交流学习。分享首先了解一下赛题一的赛题背景和数据集,简单表示为根据用户咨询医疗检测项目的真实临床问答数据,训练一个智能问答模型,辅助医生决策,训练集和验证集共2788条。然后我们针对question和answer做了一个简单的长度分布统计。根据数据集长度分布情况,可以

    作者: yd_247956141
    70
    0
  • DWS双重好礼来袭,给你一个免费学习、体验平台

    统的课程培训二:学习理论后没有真实的环境实践。现在,我们要做对正真有用的,脚踏实地的带你了解、熟悉数据仓库服务。而且我们已经这么做了。星月学堂——DWS实际操作体验平台(点我)华为数据仓库服务(Data Warehouse Service)官网提供的一个免费学习、体验平台。目前,

    作者: 小仓
    15485
    5
  • 中国第一个10米分辨率的建筑高度

    人工智能教程 中国10m建筑物高度CNBH数据集是一个由中国测绘地理信息局提供的全国覆盖的建筑物高度数据集,其数据更新至2020年。该数据集包含了中国境内所有高度超过10米的建筑物,数据集中每个建筑物都包含了其地理坐标、高度信息和建筑物轮廓等属性。该数据集可以用于城市规划、建筑设计、电信网络规划、环保评估等领域的应用。

    作者: 此星光明
    发表时间: 2023-08-07 03:40:27
    45
    0
  • 软件测试/人工智能|一文告诉你ChatGPT原理与架构

    等。模型通过大量文本数据学习语言的规律、语法、语义和逻辑,从而能够生成类似人类语言的文本。 Fine-tuning 在训练完成后,模型可能会通过Fine-tuning进一步优化以适应特定任务。Fine-tuning是指在特定领域或任务的数据集上对模型进行微调,使其在特

    作者: Tester_muller
    发表时间: 2023-11-16 18:58:28
    3
    0
  • 体验MindSpore新年新版本,前所未有的丝滑

    本次实操会基于Lenet实现一个简单的图片分类的功能,涉及到数据集的准备和处理、定义网络&损失函数&优化器、数据集加载、模型加载\保存\推理\验证等过程,是一些基本的操作,万丈高楼平地起,Copy攻城狮就从这平地开始吧!数据集准备数据集: http://yann.lecun.com/ex

    作者: 胡琦
    1056
    1
  • 异质风险最小化,Heterogeneous Risk Minimization

    基于经验风险最小化的机器学习算法由于贪心地利用训练数据之间的相关性,在分布位移下不稳定,因此泛化性能较差。近年来,利用多个训练环境来寻找非变量关系的非变量学习方法被提出用于非分布泛化(OOD)。然而,现代数据集通常是通过合并来自多个源的数据来组装的,而没有显式的源标签。由此产生的

    作者: 可爱又积极
    1039
    3
  • 5分钟了解下HDFS

    场景 说明 大规模数据集存储 HDFS可以存储PB级别的数据,适合大规模数据集的存储和管理。 高吞吐量计算 HDFS优化了数据访问模式,支持高吞吐量的数据读写。 数据密集型应用 对于需要频繁访问大量数据的应用,如数据挖掘、机器学习和分析处理,HDFS提供了高效的数据访问。

    作者: 云叔记
    发表时间: 2024-05-09 09:41:09
    98
    0