已找到以下 10000 条记录
  • OpenCV中的深度学习图像分类

    上一篇博文对图像分类理论部分做了比较详细的讲解,这一篇主要是对图像分类代码的实现进行分析。理论部分我们谈到了使用BOW模型,但是BOW模型如何构建以及整个步骤是怎么样的呢?可以参考下面的博客http://www.cnblogs.com/yxy8023ustc/p/3369867.

    作者: Ustinian_2022
    发表时间: 2022-08-06 13:38:19
    414
    0
  • 深度学习基础:2.最小二乘法

    最小二乘法代数表示方法 假设多元线性方程有如下形式:

    作者: zstar
    发表时间: 2022-08-05 16:50:29
    194
    0
  • 【深度学习】图像超分实验:SRCNN/FSRCNN

    图像超分即超分辨率,将图像从模糊的状态变清晰 本文为深度学习专业课的实验报告,完整的源码文件/数据集获取方式见文末

    作者: zstar
    发表时间: 2022-08-05 17:31:53
    172
    0
  • 如何将Mish函数用到深度学习算法中

    目录 摘要 如何在Pytorch使用Mish函数 如何在Keras中使用Mish激活函数。 摘要 Diganta Misra的一篇题为“Mish: A Self Regularized Non-Monotonic Neural

    作者: AI浩
    发表时间: 2021-12-22 17:05:49
    618
    0
  • 探索基于深度学习的石油炼化过程能耗控制

    引言 石油炼化行业是一个能源密集型行业,能耗控制是石油炼化企业关注的重点之一。传统的能耗控制方法往往依赖于经验和规则,缺乏灵活性和适应性。而深度学习技术的兴起为石油炼化过程的能耗控制提供了新的解决方案。本文将探索基于深度学习的石油炼化过程能耗控制,并提供一个具体的应用场景。 场景描述

    作者: 皮牙子抓饭
    发表时间: 2023-06-30 22:07:36
    9
    0
  • 探索基于深度学习的油田水力压裂设计

    水力压裂是一种常用的油藏增产技术,而深度学习作为人工智能的分支之一,具有强大的数据建模和预测能力。本文将探索如何将深度学习应用于油田水力压裂设计,以提高压裂效果和优化生产。 首先,我们需要收集大量的油藏和压裂相关数据,包括地质属性、岩石力学参数、压裂液组成等。这些数据将构成我们的训练集。

    作者: 皮牙子抓饭
    发表时间: 2023-06-30 20:13:04
    8
    0
  • PyTorch深度学习实战 | 神经网络的优化难题

    image.png 01、局部极小值,鞍点和非凸优化 基于梯度的一阶和二阶优化都在梯度为零的点停止迭代,梯度为零的点并非表示我们真的找到了最佳的参数,更可能是局部极小值或者鞍点,在统计学习的大部分问题中,我们似乎并不关心局部极小值和全局最小值的问题,这是因为统计学习的损失函数经过

    作者: TiAmoZhang
    发表时间: 2023-03-20 10:33:55
    335
    0
  • 油井入侵检测中的深度学习算法应用案例

    一、项目背景 对油井安全的重要性介绍 油井是石油行业的核心设备之一,其安全性对于石油生产和供应链的稳定运行至关重要。油井存在着多种安全威胁,如恶意入侵、数据篡改、设备故障等,这些威胁可能导致油井停产、数据泄露或生产事故等严重后果。 入侵检测在油井安全中的作用 入侵检测是一种对网

    作者: 皮牙子抓饭
    发表时间: 2023-07-25 14:53:12
    18
    0
  • 神经网络和深度学习理论基础

    import numpy as np import math import matplotlib.pyplot as plt def act(x, deriv=False): if(deriv==True): return x*(1-x)#x is activated

    作者: 今天吃什么
    发表时间: 2022-10-10 11:33:03
    106
    0
  • 深度学习:Xavier初始化理论+代码实现

    @TOC Xavier初始化理论 权值初始化对网络优化至关重要。早年深度神经网络无法有效训练的一个重要原因就是早期人们对初始化不太重视。我们早期用的方法大部分都是随机初始化,而随着网络深度的加深,随机初始化在控制数值稳定性上也可能失效。Xavier这个方法可以考虑输入层与输出层的维度,使在forward

    作者: hanzee_
    发表时间: 2022-10-14 05:50:16
    791
    0
  • 深度学习模型的参数和显存占用计算

    1、使用相关的库torchsummary 参数量、浮点数计算量、中间变量、train的变量数、保持不变的变量数,每一层的中间变量和类型都会详细列出 from torchsummary import summary net=net.to(torch.device("cpu")) summary(net

    作者: 离璞
    发表时间: 2022-02-27 07:18:11
    448
    0
  • 使用Python实现深度学习模型:BERT模型教程

    BERT(Bidirectional Encoder Representations from Transformers)是Google提出的一种用于自然语言处理(NLP)的预训练模型。BERT通过双向训练Transformer,能够捕捉到文本中词语的上下文信息,是NLP领域的一个里程碑。

    作者: Echo_Wish
    发表时间: 2024-06-24 22:36:52
    38
    0
  • CreateResWorkspace 创建工作空间 - API

    该API属于RES服务,描述: 用于在推荐系统下面创建独立的工作空间,用于资源的隔离,用户可以在工作空间下面继续创建数据源、场景以及推荐任务等。是否有工作空间的操作权限取决于用户是否属于当前工作空间绑定的企业项目。接口URL: "/v2.0/{project_id}/workspaces"

  • web课程设计网页规划与设计 :DW旅游主题网页设计——凤阳智慧旅游官方-地方旅游网站模板html源码HTML+CSS+Java

    用, 这个实例比较全面,有助于同学的学习,本文将介绍如何通过从头开始设计个人网站并将其转换为代码的过程来实践设计。 🏀 精彩专栏推荐👇🏻👇🏻👇🏻 💝 【作者主页——🔥获取更多优质源码】 💝 【web前端期末大作业——🔥🔥毕设项目精品实战案例(1000套)】

    作者: IT司马青衫
    发表时间: 2022-08-13 08:08:41
    147
    0
  • 【MDC300】【AI推理】在部署时是选python还是c++

    【功能模块】深度学习模型部署【操作步骤&问题现象】1、深度学习模型(如检测、跟踪)部署时,是选用c++还是培养python?mdc300 mini上能否pip安装?python是否支持和c++程序之间的通信?2、modelzoo给的模型大部分是基于python的,是否能支持转换为om模型?算子是否支持?

    作者: yd_233554315
    488
    1
  • self与window[]的区别和联系

    推荐阅读:  我的CSDN 我的博客园 QQ群:704621321 1.self:只能在当前类中使用

    作者: 爱上游戏开发
    发表时间: 2022-07-01 15:41:56
    123
    0
  • 《Python数据挖掘与机器学习实战》—3.8 本 章 小 结

    3.8 本 章 小 结  本章简单介绍了数据挖掘中回归分析的基本概念。对于线性回归,介绍了如何使用一元线性回归求解房价预测的问题,通过该例子对线性回归进行了初步讲解。之后介绍了使用多元线性回归进行商品价格的预测,对线性回归进行了更深入的说明。最后,使用线性回归对股票数据进行了预测

    作者: 华章计算机
    发表时间: 2019-06-17 14:40:08
    3076
    0
  • 【物联网全栈限时打卡】解锁附加鸿蒙课程,完成限时任务,获膨胀+50积分!

    天小编来给大家推荐官方鸿蒙课程,还搞起一波儿【限时打卡赢膨胀积分】【物联网全栈成长计划】推出-【物联网全栈限时打卡-解锁附加鸿蒙课程】完成附加课程相关任务打卡,可获得活动限时膨胀积分  +50积分活动时间:2021年11月10日-2021年11月21日步骤一:推荐大家了解与学习鸿

    作者: 7号小助手
    7260
    31
  • 如何发挥人工智能在数字化转型中的杠杆效应?

    看:计算智能à感知智能à认知智能à类脑智能,当前主要实现浅层感知智能或弱认知智能,距离强人工智能还有相当长的距离。未来,通过AI芯片承载深度学习神经网络运算,形成领域算法,AI必将彻底解放人类生产力,而以AI为代表的第四次工业革命,也将给人类社会带来颠覆性的产业变革和创新,企业生

    作者: 云上有未来
    发表时间: 2019-08-23 09:55:00
    15876
    0
  • 人工智能让显微镜更强大

    成像质量高、速度快,但只能对2D画面进行成像。近日,来自欧洲分子生物学实验室的研究团队,利用深度学习算法将两种显微镜技术相结合。他们首先用光片显微镜捕捉的高分辨率的2D画面来训练深度学习算法,再用该算法来重构光场显微镜产生的3D图像。利用该方法,研究者能将成像时间从数天缩短到数秒

    作者: 黄生
    418
    1