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
  • [软件测试][Android测试环境搭建][学习笔记]

    需要和服务端交互。服务器环境配置和搭建与app测试环境没有直接关系。一般所说app测试环境特指app运行所需硬件、网络、及其它相关app。 3.1.真机测试环境 最直接方式就是使用真机进行测试。 3.2.第三方模拟器测试 一般日常学习使用的话比较推荐这种方式,可

    作者: John2021
    发表时间: 2022-09-07 23:46:23
    220
    0
  • 人工智能、机器学习深度学习关系

    数据一种机器学习技术。它基本特点,是试图模仿大脑神经元之间传递,处理信息模式。最显著应用是计算机视觉和自然语言处理(NLP)领域。显然,“深度学习”是与机器学习“神经网络”是强相关,“神经网络”也是其主要算法和手段;或者我们可以将“深度学习”称之为“改良版神经网

    作者: 我的老天鹅
    1924
    23
  • 深度学习——常用评价指标

    在识别出来图片中,True positives所占比率。也就是本假设中,所有被识别出来飞机中,真正飞机所占比例。    Recall 是测试集中所有正样本样例中,被正确识别为正样本比例。也就是本假设中,被正确识别出来飞机个数测试集中所有真实飞机个数比值。    Precision-recall

    作者: QGS
    782
    3
  • 强化学习深度学习结合

    从整个机器学习任务划分上来看,机器学习可以分为有监督学习、无监督学习和半监督学习及强化学习。图像、文本等深度学习应用都属于有监督学习范畴。自编码器和生成式对抗网络可以算在无监督深度学习范畴内。最后就剩下强化学习了。强化学习发展到现在,早已结合了神经网络迸发出新活力,强化学习结合深度学习已经形成了深度强化学习(Deep

    作者: 黄生
    48
    2
  • 深度学习会逐步取代传统机器学习吗?

    近几年媒体大肆针深度学习宣传及报道,而深度学习是被证明为最先进性能最好技术之一,那它会不会逐步取代传统机器学习了?

    作者: 建赟
    1454
    6
  • 《机器学习:算法视角(原书第2版)》 —2.2.2 训练测试和验证

    2.2.2 训练测试和验证我们现在需要三组数据:实际训练算法训练、用于跟踪其学习效果验证,以及用于产生最终结果测试。这在数据上变得越来越昂贵,特别是对于监督学习,必须附加目标值(甚至对于无监督学习,验证和测试也需要目标,以便有比较对象),并且并不总是容易

    作者: 华章计算机
    发表时间: 2019-12-21 13:00:37
    5097
    0
  • 深度学习是机器学习一种

    深度学习是机器学习一种,而机器学习是实现人工智能必经路径。深度学习概念源于人工神经网络研究,含多个隐藏层多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象高层表示属性类别或特征,以发现数据分布式特征表示。研究深度学习动机在于建立模拟人脑进行分析学

    作者: QGS
    531
    1
  • 数据高效深度学习自调优

    记数据推动深度学习获得广泛应用,但在现实场景中收集足量标记数据往往耗时耗力。为了降低标记数据需求,半监督学习侧重于同时探索标记和未标记数据,而迁移学习旨在将预训练模型微调到目标数据中。然而,从头训练半监督自训练模型容易被错误伪标签所误导,而仅仅挖掘有限标记数据迁移学

    作者: 可爱又积极
    1047
    3
  • 深度残差收缩网络:一种深度学习故障诊断算法

    png【翻译】如第一部分所述,作为一种潜在、能够从强噪声振动信号中学习判别性特征方法,本研究考虑了深度学习和软阈值化集成。相对应地,本部分注重于开发深度残差网络两个改进变种,即通道间共享阈值深度残差收缩网络、通道间不同阈值深度残差收缩网络。相关理论背景和必要想法进行了详细介绍。A.

    作者: hw9826
    发表时间: 2020-08-31 11:54:08
    4310
    0
  • 如何降低准确率损失

    您好。我们模型是在Keras(tensorflow)下训练,经过转换后,已能运行在Atlas500上,但因为原模型权重参数都是float32精度,转换为半精度后,肯定是有损失。目前,在Atlas500上跑出结果,分类目标框坐标位置有较明显偏差,想咨询一下这方面的处理建

    作者: jnpeter
    2442
    4
  • 深度学习导论

    Network)的扩展和应用为基础,这次浪潮出现标志着深度学习时代来临。这一阶段研究主要集中在如何提高深度神经网络性能和泛化能力上。SVM作为一种经典机器学习算法,在分类问题上表现出了良好性能。随着深度学习不断发展,其应用领域也在不断扩大。深度学习已经成为了许多领域重要工具,例如自然语言处理、计算

    作者: 林欣
    42
    1
  • 深度学习现实应用《深度学习与Mindspore实践》今天你读书了吗?

    换成文本技术。从早期基于模板方法到严格统计模型,再到如今深度模型,语音识别技术已经经历了几代更迭。 图像识别图像识别是深度学习最成功应用之一。深度学习在计算机视觉领域突破发生在2012年,Hinton教授研究小组利用卷积神经网络架构(AlexNet)大幅降低了ImageNet

    作者: QGS
    1026
    2
  • 深度学习Attention机制

    Attention,即Attention输出向量分布是一种one-hot独热分布或是soft软分布,直接影响上下文信息选择。加入Attention原因:1、当输入序列非常长时,模型难以学到合理向量表示2、序列输入时,随着序列不断增长,原始根据时间步方式表现越来越差,由于原始时间步模型设计结构有缺

    作者: 玉箫然
    1034
    0
  • 深度学习之TensorFlow入门、原理与进阶实战》—2.3.3 测试显卡

    所示。图2-10 显卡信息  图2-10中第1行是笔者驱动信息,第3行是笔者显卡信息GeForce GTX 1070。第4行和第5行是当前使用显卡进程。  这些信息都存在了,表明笔者安装是正确。  2.查看CUDA版本  同样在cmd中使用命令nvcc –V,显示如图2-11所示。图2-11

    作者: 华章计算机
    发表时间: 2019-05-31 13:12:40
    3522
    0
  • 深度学习使用来自不同分布数据,进行训练和测试

    深度学习算法训练数据胃口很大,当你收集到足够多带标签数据构成训练时,算法效果最好,这导致很多团队用尽一切办法收集数据,然后把它们堆到训练里,让训练数据量更大,即使有些数据,甚至是大部分数据都来自和开发测试不同分布。在深度学习时代,越来越多团队都用来自和开发

    作者: 运气男孩
    1263
    2
  • 深度学习竞赛中常见一种手段:测试时增强(TTA)

    比例是多少,在最终输出一张做过翻转图片结果贡献权重就是多少。那么相信很多有深度学习经验同学们知道,一般模型做FLIP概率为0.5,也就是模型见过做过翻转图片,大致比例上为0.5,那么flip结果最最终结果贡献就也是0.5,可得:logits = 0.5*origin_result

    作者: haha_y_c
    发表时间: 2020-08-07 14:30:56
    17689
    0
  • 深度学习进展

    和模型改进、计算能力提升以及数据量增长,深度学习应用范围不断扩大,各行各业产生了深远影响。 方向一:深度学习基本原理和算法 深度学习是一种机器学习方法,其核心思想是构建多层神经网络模型,通过大量数据训练来学习数据特征表示。深度学习通过反向传播算法来训练神经网络

    作者: ruogu994
    发表时间: 2024-02-18 09:34:20
    25
    0
  • OpenGL ES之“深度测试”与“模板测试使用流程

    当深度测试开启的时候,OpenGL ES 才会测试深度缓冲区中深度值,如果此测试通过,深度缓冲内值可以被设为新深度值;如果深度测试失败,则丢弃该片段。 深度测试是在片段着色器运行之后(并且在模板测试运行之后)在屏幕空间中执行。与屏幕空间坐标相关视区是由 OpenGL 视口设置函数 glViewport

    作者: Serendipity·y
    发表时间: 2022-06-22 16:12:50
    344
    0
  • 分享一波网上收集深度学习相关数据网站

    1.深度学习数据收集网站http://deeplearning.net/datasets/**收集大量深度学习相关数据,但并不是所有开源数据都能在上面找到相关信息。2、Tiny Images Datasethttp://horatio.cs.nyu.edu/mit/tiny/data/index

    作者: 运气男孩
    1747
    6
  • 深度学习Normalization模型

    很快被作为深度学习标准工具应用在了各种场合。BN**虽然好,但是也存在一些局限和问题,诸如当BatchSize太小时效果不佳、RNN等**络无法有效应用BN等。针对BN问题,最近两年又陆续有基于BN思想很多改进Normalization模型被提出。BN是深度学习进展中里程

    作者: 可爱又积极
    841
    3