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
  • 【暑期Flag】完成“人人学IoT”课程的学习

    希望这次能学完这课程

    作者: 森镇
    415
    4
  • 深度学习之数据的最佳表示

    一个经典的无监督学习任务是找到数据的 ‘‘最佳’’ 表示。‘‘最佳’’ 可以是不同的表示,但是一般来说,是指该表示在比本身表示的信息更简单或更易访问而受到一些惩罚或限制的情况下,尽可能保存关于 x 更多的信息。有很多方式定义较简单的表示。最常见的三种包括低维表示,稀疏表示,独立表示。低维表示尝试将

    作者: 小强鼓掌
    412
    1
  • 【暑期Flag】完成“人人学IoT”课程的学习

    DAY1 学完《网络层技术概览》才知道打卡是咋回事。。。还不晚,从今天起天天打卡!

    作者: 超级拽大帅哥
    720
    6
  • 自动学习 目标检测的返回参数

    自动学习中目标检测使用的是哪个模型?能否详细解释下自动学习中目标检测的返回参数,以及图片大小的问题

    作者: lzh2333
    1437
    1
  • 【暑期Flag】+我要坚持每天学习半小时!

    我要坚持每天学习半小时!

    作者: y-wolfandy
    8136
    57
  • 【HCIA职业认证训练营:学习心得】

    怪升级一样,学习动力十分充足,每学完一个模块的内容就像获得了一种力量,这种学习体现确实很好。并且通过这次活动的两个实验对PaaS服务有了更深的认识,DevCloud上云和黑白棋实验从实践真正理解的云环境的整个流程和细节。最后,非常感谢华为云这次活动,现在这种免费学习云计算的课程很

    作者: Lis_White
    2158
    0
  • 策略梯度贝叶斯鲁棒优化的模仿学习

    Ps。结果表明,PG-BROIL可以产生一系列从风险中性到风险厌恶的行为,并通过对冲不确定性从模糊的演示中学习,而不是寻求唯一识别演示者的奖励功能时,表现优于最先进的模仿学习算法。https://www.zhuanzhi.ai/paper/a367014851df7b705e67adc94da69694

    作者: 可爱又积极
    648
    6
  • 新人报道,期待与大家共同学习成长!

    大家好,我是一个刚加入这个技术社区的新人。我对编程和技 术有着浓厚的兴趣,很高兴能够找到这样一个平台,和大家一起学习、交流。我有很多需要向大家请教的地方。我希望能够在这里结交更多志同道合的朋友,共同进步。在我的 学习旅程中,我会积极分享自己的心得和体验,也会虚心向大家请教问题。如果有任何关于编程、技术方

    作者: 简简单单Onlinezuozuo
    20
    1
  • 神经网络和深度学习有什么关系?

    最近在网上看到说神经网络就是深度学习,然后自己又在打算去学习这方面的知识。本来想着去买一本神经网络的书,和一本深度学习的书看看。看到这个后我就在想如果真是这样就只用买一本深度学习了。但是又不太确定。网上的说法不一,所以来问问各位大佬的意见

    作者: 入门级小白
    3123
    9
  • 【HCIA职业认证训练营:学习心得】

    0职业认证训练营,训练营的整个跨度时间长达一个月的时间,关键的是其中一周的视频学习是其中的核心,通过一周视频的学习,让我有机会非常全面的了解整个华为云上的各种应用与产品。平时虽然也在使用华为云的相关应用产品,但是产品的使用局限于几种产品,没有向现在这样全面的了解华为产品,学习视频讲解的还是比较详细的,通俗易懂。这个训

    作者: 十年树木
    2153
    0
  • 学习TypeScrip10(枚举类型)[转载]

    很不错的文章推荐:原文链接:https://blog.csdn.net/qq1195566313/article/details/122380754在javaScript中是没有枚举的概念的TS帮我们定义了枚举这个类型使用枚举 通过enum关键字定义我们的枚举1.数字枚举例如 红绿蓝

    作者: 泽宇-Li
    928
    2
  • 深度学习常用损失函数总览(2)-均方差损失 Mean Squared Error Loss

    均方差损失 Mean Squared Error Loss基本形式与原理均方差 Mean Squared Error (MSE) 损失是机器学习、深度学习回归任务中最常用的一种损失函数,也称为 L2 Loss。其基本形式如下从直觉上理解均方差损失,这个损失函数的最小值为 0(当预测等于

    作者: @Wu
    1923
    3
  • [华为云在线课程][JavaScript的DOM编程][学习笔记]

    2,导航查找节点:通过某一个标签的位置去查找另一个标签 父节点标签元素:parentElement; 所有子标签:children; 第一个子标签元素:firstElementChild; 最后一个子标签元素:lastElementChild; 下一个兄弟标签元素:nextElementSibling;

    作者: John2021
    发表时间: 2022-02-10 23:46:56
    564
    0
  • 秒懂算法 | 基于主成分分析法、随机森林算法和SVM算法的人脸识别问题

    少,深度学习模型可能会带来过拟合的风险,在这种情况下,本文采取传统方法来进行求解。 首先,为了更好的表征图片中人脸的特性,将使用传统算子(LBP算子)从原始图片中提取特征,再进行PCA降维,最后使用随机森林、GBDT等机器学习模型对特征进行分类学习。在机器学习领域,如何根据任务目

    作者: TiAmoZhang
    发表时间: 2023-03-06 05:20:12
    1644
    0
  • 书籍“ModelArts人工智能应用开发指南”人工智能历史发展学习分享

    人工智能已经有70多年的历史,三个学派,符号主义学派,联结主义学派和行为主义学派,人工智能已经在很多产品和商业场景中国发挥了巨大的作用,如语音识别,人脸识别,机器翻译,数据分析等。人工智能应用特点 灵活性,性能(高效,功耗低,内存小,成本低),鲁棒性,公平性,可解析性,安全性人工智能应用的商业化场景

    作者: QGS
    420
    0
  • 【转载】AI框架如何帮助开发者提升精度调优效率

    更难定位。定位思路如下:1、回顾脚本、模型结构和数据,检查超参是否有不合理的特别大/特别小的取值,特别是检查学习率是否设置过小或过大,学习率设置过小会导致收敛速度慢,学习率设置过大会导致loss震荡、不下降;检查模型结构是否实现正确,特别是检查loss函数、优化器是否实现正确;检

    作者: chengxiaoli
    1745
    1
  • 学习笔记|希尔伯特空间

    希尔伯特空间是机器学习中的重要概念,在学习笔记|支持向量机简介、学习笔记|线性可分支持向量机介绍、学习笔记|核技巧、学习笔记|核技巧在支持向量机中的应用等笔记中都有提及。 希尔伯特是欧氏空间的从n维向无限维的直接推广(欧氏空间的定义参见学习笔记|欧氏空间与向量空间)。 (柯西

    作者: darkpard
    发表时间: 2021-12-06 12:31:52
    1748
    0
  • Vue.js学习笔记 04、Vue属性(Mixin、自定义指令、teleport以及render)

    对于h函数之前讲不是有三个参数嘛,其中第三个参数我们还可以在嵌套返回另一个标签值,从而达到了添加多个标签的方式!!! 返回数组(包含多个h函数):实现插入多个标签。 h函数第三个参数设置h函数:实现标签内部嵌套。 示例: <body> <div id="app"></div>

    作者: 长路
    发表时间: 2022-11-28 13:51:11
    247
    0
  • 新增X-Frame-Options 设置

    设置项如下图 X-Frame-Options简单介绍:X-Frame-Options HTTP响应头可以指示浏览器是否允许当前网页在“frame”或“iframe”标签中显示,以此使网站内容不被其它站引用和免于站点劫持攻击。X-Frame-Options 响应头有三个可选的值:DENY:页面不能被嵌入到任

    作者: 建站老哥-方思技
    3922
    2
  • 步骤1:准备工作

    置路由规则及安全组规则,配置路由规则请参见如何配置路由规则如何配置路由规则如何配置路由规则《华为云Stack 8.3.1虚拟私有云(VPC)使用指南》中的“添加自定义路由”章节,配置安全组规则请参见如何配置安全组规则如何配置安全组规则如何配置安全组规则《华为云Stack 8.3.