大数据技术学习——MapReduce

框架是基于特定领域而言的，领域内共性部分沉淀下来就形成框架，领域内上层开发者则需要遵循框架定义的规范，根据需求添砖加瓦。另外，大的领域可继续缩小范围，新增共性成分形成子框架。所谓计算框架就是计算领域内沉淀下来的底层的数据处理逻辑架构。例如，分布式计算领域内，最基础的共性就是将任务切分

【独家】被一只机器狗秀到了！当它有了手，又有了昇腾CANN赋能之后...

Transfer Learning技术研修

14:00-17:00 一、机器学习简介与经典机器学习算法介绍 1.什么是机器学习？ 2.机器学习框架与基本组成 3.机器学习的训练步骤 4.机器学习问题的分类 5.经典机器学习算法介绍 章节目标：机器学习是人工智能的重要技术之一，详细了解机器学习的原理、机制和方法，为学习深度学习与迁移学习打下坚实的基础。

有感FOC算法学习与实现总结

位置环 写在最后 基于STM32的有感FOC算法学习与实现总结 1 前言 Field Oriented Control 磁场定向控制 (FOC)，FOC是有效换向的公认方法。FOC

【全网独家】基于YOLOv10深度学习的交通信号灯检测识别系统

基于YOLOv10深度学习的交通信号灯检测识别系统 介绍 交通信号灯检测与识别是智能交通系统的重要组成部分。利用YOLOv10（You Only Look Once，第十版本）进行交通信号灯的检测和识别，不仅提高了准确性，还提升了实时性能，适用于复杂交通环境下的应用。 应用使用场景

基于ModelArts自动学习的超市商品分类定位【我的华为云体验之旅】

理等等需我们自己根据数据集新建不同类型的标签；标注就是将数据集中的图片划归到对应的标签下，告诉模型这个图片里是什么 我们点击左侧的【未标注】页签，开始数据标注，我们选择同一类型的图片，然后在左侧的标签名出输入对应的美食名称并确定，即可对选择的图片做分类，如我们这里选择豆皮作为示例，效果如下：

AIOps对数字化业务的发展有哪些帮助

定规则，提倡使用机器学习算法在大量的运营数据中自动学习，不断地精练和总结规则。不管哪个定义，AIOps都是以“运维”这一核心术语为中心，它的目标是“使用大数据、机器学习和其他分析技术，它通过预测、个性化、动态分析，直接或间接地增强IT业务的相关技术能力，使所维护的产品或服务更加优

人工智能LLM模型：奖励模型的训练、PPO 强化学习的训练、RLHF

奖励模型通过与人类专家进行交互，获得对于生成响应质量的反馈信号，从而进一步提升大语言模型的生成能力和自然度。与监督模型不同的是，奖励模型通过打分的形式使得生成的文本更加自然逼真，让大语言模型的生成能力更进一步。 2.PPO 强化学习的训练 2.1 PPO 强化学习概念 大语言模型完成奖励模型的训练后，下一个阶段是训练强化学习模型（RL

【小白学习PyTorch教程】九、基于Pytorch训练第一个RNN模型

理解每个单词的，而不是从零开始理解每个单词。这可以称为记忆。卷积神经网络模型（CNN）不能实现这种记忆，因此引入了递归神经网络模型（RNN）来解决这一问题。RNN是带有循环的网络，允许信息持久存在。 RNN的应用有： 情绪分析（多对一，顺序输入） 机器翻译（多对多，顺序输入和顺序输出）

深度学习分类任务常用评估指标

0,0)和(1,1)的线和PRC重合的地方的F1是这条线最大的F1（光滑的情况下），此时的F1对于PRC就好象AUC对于ROC一样。一个数字比一条线更方便调模型。 AP 严格的AP就是PR曲线下的面积，mAP就是所有类AP的算术平均。 但是一般都是用逼近的方法去估计这个面积。 sklearn实现：

五种面向未来的编程语言介绍

编程语言处在不断的发展和变化中，从最初的机器语言发展到如今的2500种以上的高级语言，每种语言都有其特定的用途和不同的发展轨迹。编程语言并不像人类自然语言发展变化一样的缓慢而又持久，其发展是相当快速的，这主要是计算机硬件、互联网和IT业的发展促进了编程语言的发展。本文中，我们将介

MybatisPlus学习笔记及资源分享

引擎模板，默认的是Velocity引擎模板 .execute(); } } 结束语： 裸体一旦成为艺术，便是最圣洁的。道德一旦沦为虚伪，便是最下流的。勇敢去做你认为正确的事，不要被世俗的流言蜚语所困扰。 ​

手机中的计算摄影5-基于深度学习的畸变校正(1)

另外目标函数也是非常复杂的，因此最优化也比较慢。针对这几个问题，潜在的解决方案有：完全不用相机内参数输入，将背景的镜头畸变校正也整合到流程中，用一些图像上的特征来约束镜头畸变校正将人脸校正所需的Mask的计算整合到整个流程中，不需要外部输入使用大量的图像来验证算法的泛化性和有效性旷视研究院的谭婧、

面向移动增强现实的实时深度学习目标检测方法综述

对 环境中需要增强的物体进行目标检测直接决定了系统的性能。随着深度学习的快速发展，近年来出现了大量的 基于深度学习的目标检测方法。由于存在移动增强设备计算能力有限、能耗大、模型尺寸大以及卸载任务到边 缘云端的网络延迟严重等问题，将深度学习方法应用于移动 AR 的目标检测是一项具有挑战性的问题。首先从

《TensorFlow自然语言处理》—3 Word2vec——学习词嵌入

3第3章Word2vec——学习词嵌入在本章中，我们将讨论NLP中一个至关重要的主题—Word2vec，这是一种学习词嵌入或单词的分布式数字特征表示（即向量）的技术。学习单词表示是许多NLP任务的基础，因为许多NLP任务依赖于能够保留其语义及其在语言中的上下文的单词的良好特征表示。例如，

《跟唐老师学习云网络》 - DNS电话簿

如果可以查询到实际IP，实际网络则是通的。（当然，知道了IP，网络还是不通的话，可以复习下唐老师之前的网络课程）。   域名的来源   两台电脑在通信的时候，是使用之前介绍过的网络协议栈（即TCP/IP）的。 但是，有时候，IP地址属实不好记忆。

基于华为云ModelArts的自动学习功能实现银行存款预测分析 | 【玩转华为云】

ModelArts通过机器学习的方式帮助不具备算法开发能力的业务开发者实现算法的开发，基于迁移学习、自动神经网络架构搜索实现模型自动生成，通过算法实现模型训练的参数自动化选择和模型自动调优的自动学习功能，让零AI基础的业务开发者可快速完成模型的训练和部署。依据开发者提供的标注数据及选择的场景，无

世界读书日，华为云市场为你严选了这批书单

人工智能算法，机器学习奠基之作，AI圣经</p><p>内容概述：深度学习是机器学习的一个分支，它能够使计算机通过层次概念来学习经验和理解世界。本书会介绍深度学习领域的许多主题,囊括了数学及相关概念的背景知识，包括线性代数、概率论、信息论、数值优化以及机器学习中的相关内容。同时，

【深度学习】batch normalization和layer normalization区别

都可以比较好的抑制梯度消失和梯度爆炸的情况。BN不适合RNN、transformer等序列网络，不适合文本长度不定和batchsize较小的情况，适合于CV中的CNN等网络； 而LN适合用于NLP中的RNN、transformer等网络，因为sequence的长度可能是不一致的。 栗子

深度学习基础入门篇[四]：激活函数介绍:tanh、sigmoid、ReLU、PReLU、ELU、softplus、softmax

−x1​ 优点： 作为 relu 的一个不错的替代选择，softplus能够返回任何大于 0的值。 与 relu不同，softplus的导数是连续的、非零的，无处不在，从而防止出现死神经元。 缺点： 导数常常小于 1，也可能出现梯度消失的问题。 softplus另一个不同于