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
  • 深度神经网络控制巡线智能车

    通过本文作者介绍车模控制中CNN网络应用,了解了对于嵌入式单片机中使用神经网络一半方法。 本文中神经网络应用还属于辅助控制方面。也许通过部署更加强大算力单片机,使用更加复杂算法可以完成智能车自主学习目标。这方面也为今年全国大学生智能汽车竞赛中AI电磁组给出了一定参考意义。

    作者: tsinghuazhuoqing
    发表时间: 2021-12-25 16:40:29
    776
    0
  • mind studio 中Mind project如何实现实时更改模型权重信息

    mind studio 中Mind project如何实现实时更改模型权重信息?求助,呜呜呜

    作者: 科研真难
    2076
    5
  • Spring Cloud Eureka理论深度解析

    Eureka理论深度解析 一、Eureka是什么? Eureka是Netflix开源一个服务发现组件,专门为微服务架构设计。它主要用于定位运行在AWS域中中间层服务,以达到负载均衡和中间层服务故障转移目的。在Spring Cloud生态系统中,Eureka起到了服务注册中心作用,负责服务的注册、发现和健康检查。

    作者: 红尘灯塔
    发表时间: 2024-11-25 08:41:02
    92
    0
  • 强化学习第一课复习

    友善面试官: 根据你理解,你认为强化学习使用场景有哪些呢? 比如机器人,阿法狗,无人送货车等等。 1-4 友善面试官: 请问强化学习中所谓损失函数与深度学习损失函数有什么区别呢? 不同,这个损失函数是累计价值传播损耗。而深度学习损失函数是计算真值与预测值之间差。

    作者: livingbody
    发表时间: 2022-11-15 08:36:03
    186
    0
  • 云上先锋-AI挑战赛三等奖模型

    进行训练。1. 使head学习率大于backbone学习率,以实现更好性能或更快收敛。我们将head学习率设为backbone10倍。    optimizer=dict(paramwise_cfg = dict(        custom_keys={       

    作者: yaphets丶丶
    1724
    3
  • 【CANN】【ATC】转换模型失败E19999

    使用ascend hub 提供镜像:https://ascendhub.huawei.com/#/detail/infer-modelzoo ,在镜像里使用atc 工具进行模型转换,错误如下: ATC start working now, please wait for a moment

    作者: porry
    2088
    1
  • 零知识证明对区块链技术若干深度应用

    本课程由莫晓康老师(北京大数据研究院区块链与隐私计算研究中心主任)介绍零知识证明对区块链技术若干深度应用。零知识证明是破解区块链去中心化、安全性、可扩展性三大难题核心技术之一,也是近年来区块链技术创新主流。

  • pytorch学习笔记(六):多维特征分类问题

    一步步将多个特征数据进行逻辑斯蒂回归 引入矩阵: 矩阵本质:将改变数据空间维度 具体使用: 1、加载数据集 xy = np.loadtxt('diabetes.csv.gz'

    作者: zstar
    发表时间: 2022-08-05 18:10:21
    215
    0
  • 机器学习(九):集成学习(bagging和boosting),随机森林、XGBoost、AdaBoost

    随机森林 VS bagging 二、集成学习 2.1 定义 2.2 决策树问题 2.3 袋装法概念与理论 2.4 装袋法优缺点 2.5 提升法概念与理论 2.6

    作者: 川川菜鸟
    发表时间: 2022-08-04 15:22:52
    116
    0
  • 【技术长文】物联网学习路线图

    BLE开发从入门到精通3. RFID开发与应用4. 物联网拓展与实践 学习物联网我们都应该准备一份详尽物联网学习路线图,这份学习路线图可以帮助我们更好完成学习,这就好比我们不管做什么之前都应该先做一份详尽计划,跟着计划走并适当调整计划,我们成功几率将会大大增加。素材来源:华清远见成都中心整理发布:墨竹公子

    作者: 柠檬PH=2
    746
    3
  • 数据平台模型分层架构之DM Datamarket

    专题库,又叫数据集市,对应专题库,即最后计算出来报表结果,目的是使用户可以快速访问到自己关注数据。数据集市将数据仓库中数据按照不同业务需求进行组织和存储,面向分析和报告进行针对性设计。DM层有几个特点个性化:面向不同业务需求定制开发,可复用性差。大宽表:面向查询结果设计报表,字段多。查询性能高

    作者: 智慧园区刘师傅
    302
    0
  • 【MindSpore易点通】机器学习系列:异常检测(一)

    擎是否需要进一步测试。给定数据集,假使数据集是正常,我们希望知道新数据是不是异常,即这个测试数据不属于该组数据几率是多少,因此构建模型需要根据该测试数据来告诉我们其属于这组数据集可能性。 上图中,在蓝色圈内数据属于该组数据可能性较高,而越是偏远数据,其属于该组

    作者: Skytier
    2066
    2
  • 最新半监督学习总结

    1 半监督学习简单介绍 在很多场景,标注成本高且需要专业人士,不易获取,如医学图像分割标注,而无标签数据获取容易很多。 半监督学习目标,就是挖掘无标签数据价值。 1604283340451030375.png 半监督学习主要分为两类,纯半监督学习与直推学习。 2 应用 据报

    作者: Day-Day-Up
    发表时间: 2020-10-31 20:50:29
    5608
    0
  • 基于图像自监督表征学习-高浩元-直播分享

    在自监督学习方面有更多理解和新想法。 二、演讲提纲基于图像自监督表征学习1自监督学习起源和定义1.1自监督学习提出1.2自监督学习形式1.3自监督学习理论支持2自监督学习有什么用3自监督学习方法分类3.1基于多视角方法3.2基于样本对比方法4自监督学习:基于多视角的方法4

    作者: ModelArts开发者
    1350
    2
  • ModelArts自动学习之手势识别

    实际上在训练模型时没有直接上传用于训练模型图片数据,导致失败,以下采用“自动学习”方法,并且成功训练出了模型能进行手势识别,无需按照繁琐官方教程按部就班地进行实验,且不会遇到其他突发情况和问题。 以下介绍自动学习过程: 1.进入自动学习界面,填写参

    作者: yd_255089284
    发表时间: 2023-11-11 09:31:06
    80
    0
  • 第3章:3.1华为云EI行业实践【学习心得】

    华为云在8大行业,200AI项目的落地实现,包括:和城市交警合作“交通体智能方案”。制造业。工业领域预测性维护。医疗领域病理分析,基因分析。家庭领域,家庭安防,老人、儿童看护。物流行业,单据识别,路线优化。还有其他领域应用。AI助力产业升级3种境界。1、 效率提升。海量重复的人工操作,通过AI提高准确率,节省人力成本。2、

    作者: jason635
    4276
    1
  • 深入Scikit-learn:掌握Python最强大机器学习

    print(X_new) 通过上述预处理工作,我们可以将原始数据转换为适合机器学习模型使用格式,这是进行机器学习基础。在下一部分,我们将讨论如何使用Scikit-learnAPI进行机器学习模型构建和训练。 Scikit-learn中监督学习算法 监督学习是机器学习中最常见任务之一,包

    作者: TechLead
    发表时间: 2023-10-09 15:38:04
    37
    0
  • 机器学习(十七):网格搜索(Grid Search)和SVM

    一、什么是网格搜索? 1.1 定义 Grid Search:一种调参手段;穷举搜索:在所有候选参数选择中,通过循环遍历,尝试每一种可能性,表现最好参数就是最终结果。 如上所述,模型

    作者: 川川菜鸟
    发表时间: 2022-08-04 14:50:45
    257
    0
  • 机器学习工程师第一年 12 点体会

    Native活动上讨论情况来看,大公司以外的人并不知道如何做到这一点。5. 20%时间20%时间,这意味着我们20%时间都花在了学习上。客观意义上,学习是一个松散术语,只要是关于机器学习都可以纳入到学习范畴内,相关业务也要不断学习,作为机器学习工程师,懂业务可以极大提高你的

    作者: 橘座
    发表时间: 2019-10-26 20:51:57
    3847
    0
  • MoE-LLM模型在处理高维数据时,如何选择有效特征并进行降维处理以降低模型复杂度和计算量?

    MoE-LLM模型在处理高维数据时,如何选择有效特征并进行降维处理以降低模型复杂度和计算量?

    作者: 皮牙子抓饭
    80
    2