人工智能AI技术

声明：在人工智能技术教学期间，不少学生向我提一些python相关的问题，所以为了让同学们掌握更多扩展知识更好地理解AI技术，我让助理负责分享这套python系列教程，希望能帮到大家！嵌套的循环语句也不够用，因为子列表可能嵌套到任意的深度并且以任意的形式嵌套。尽管出于简单性和高效率的目的，对于线性迭代通常应该使用循环语句而不是递归，但我们会发现像上面示例一样的必须使用递归的情况还是很多的。在前面的文章中，我们说到了可以使用循环语句来替代递归。但是，有时候必须使用递归，或者说使用递归才是更方便的解决方案。

本篇文章手把手教大家使用OpenCV来实现一个能在安卓手机上运行的人脸检测APP。其实不仅仅是能检测人脸，还能检测鼻子，嘴巴，眼睛和耳朵。

朋友们，如需转载请标明出处：https://blog.csdn.net/jiangjunshow前面讲解了那么多GAN的基础知识，我们已经比较深入地了解GAN了，但如果不动手将上面的理论知识融入到实战中，你依旧无法内化上面的内容，所以接着就通过TensorFlow来实现一个朴素GAN。（文章中使用的是Tensorflow 1.x版本的语法）我们主要是创建一个最简单的GAN，然后训练它，使它可以生成与真实图片一样的手写数字图片。下面直接进行代码的编写。（1）导入第三方库。 import tensorf

朋友们，如需转载请标明出处：https://blog.csdn.net/jiangjunshowAI技术已经深入到了生活生产的各个领域，随着AI技术的火热，越来越多的人开始学习AI技术，学会了后肯定要大展拳脚一番呀，要开发出自己想要的AI产品呀！每个人心中都有不同的梦想，所以也导致了各式各样的AI产品被开发出来了，AI领域可谓是百花齐放！下面我给大家分享几个有趣的AI开源项目！stargan-v2地址：https://github.com/clovaai/stargan-v2描述：人脸属性替换。例如

朋友们，如需转载请标明出处：https://blog.csdn.net/jiangjunshow在tensorflow1.x的时候，代码默认的执行方式是graph execution（图执行），而从tensorflow2.0开始，改为了eager execution（饥饿执行）。正如翻译的意思一样，eager execution会立即执行每一步代码，非常的饥渴。而graph execution会将所有代码组合成一个graph（图）后再执行。这里打一个不太恰当的比喻来帮助大家理解：eager executi

朋友们，如需转载请标明出处：https://blog.csdn.net/jiangjunshowGAN目前有非常多在人脸生成方向上的应用。比如2018年年初社交媒体Reddit与Twitter的项目DeepFake，它的核心功能非常简单，就是将视频或图片中的人脸进行互换。这个功能对于那些制图高手来说似乎并不困难，但是DeepFake完全是基于计算机自身的能力进行处理完成的，并且最终实现的效果非常棒，有时让人几乎看不出修改的样子。下图是两位名人在DeepFake中的人脸互换例子。最初版本的DeepFak

朋友们，如需转载请标明出处：https://blog.csdn.net/jiangjunshow声明：在人工智能技术教学期间，不少学生向我提一些python相关的问题，所以为了让同学们掌握更多扩展知识更好地理解AI技术，我让助理负责分享这套python系列教程，希望能帮到大家！由于这套python教程不是由我所写，所以不如我的AI技术教学风趣幽默，学起来比较枯燥；但它的知识点还是讲到位的了，也值得阅读！PS：看不懂本篇文章的同学请先看前面的文章，循序渐进每天学一点就不会觉得难了！在上一篇文章的例子中，我

朋友们，我是床长! 如需转载请标明出处：http://blog.csdn.net/jiangjunshow什么是生成模型？在开始讲生成对抗网络之前，我们先看一下什么是生成模型。在概率统计理论中，生成模型是指能够在给定某些隐含参数的条件下，随机生成观测数据的模型，它给观测值和标注数据序列指定一个联合概率分布。在机器学习中，生成模型可以用来直接对数据建模，如根据某个变量的概率密度函数进行数据采样，也可以用来建立变量间的条件概率分布，条件概率分布可以由生成模型根据贝叶斯定理形成。...

朋友们，我是床长! 如需转载请标明出处：http://blog.csdn.net/jiangjunshow注意力模型通过对教程中前面一些文章的学习，我们知道可以用上面的神经网络来实现机器翻译。假设要将一段法语句子翻译成英文句子。那么首先要将法语句子中的每一个单词都输入到绿色的编码网络中，然后紫色的解码网络才能开始输出英语单词。如果法语句子比较短，那么效果还是不错的，但是如果...

朋友们，我是床长! 如需转载请标明出处：http://blog.csdn.net/jiangjunshow前面几篇文章我们介绍了使用下面的编解码CNN网络后再应用Beam搜索可以实现机器翻译。当翻译结果不对时，我们首先需要找到问题出在哪里。是出在编解码CNN网络上，还是出现在Beam搜索上。就像给软件修复bug一样，首先要找到问题的源头在哪。但是有些程序员不管问题根源在哪，...

朋友们，我是床长! 如需转载请标明出处：http://blog.csdn.net/jiangjunshow教程的上一篇文章我们说过可以用seq2seq模型来进行机器翻译。如上图所示。绿色的部分属于编码网络，紫色的属于解码网络。紫色的部分其实就是一个语言模型，只不过纯粹的语言模型的输入是0向量，而这个解码网络的输入是编码网络产生的编码向量，所以我们将它称为条件语言模型，即这个语言模型是...

朋友们，我是床长! 如需转载请标明出处：http://blog.csdn.net/jiangjunshow导读Pandas 是一个广泛应用于数据分析等领域的 Python 库。关于它的教程有很多，但这里会一些比较冷门但是非常有用的技巧。read_csv这是一个大家都应该知道的函数，因为它就是读取 csv 文件的方法。但如果需要读取数据量很大的时候，可以添加一个参数-...

单词嵌入提供了单词的密集表示及其相对含义，它们是对简单包模型表示中使用的稀疏表示的改进，可以从文本数据中学习字嵌入，并在项目之间重复使用。它们也可以作为拟合文本数据的神经网络的一部分来学习。Word Embedding单词嵌入是使用密集的矢量表示来表示单词和文档的一类方法。词嵌入是对传统的词袋模型编码方案的改进，传统方法使用大而稀疏的矢量来表示每个单词或者在矢量内对每个单...

1. 分类问题1.1 混淆矩阵（Confusion Matrix）矩阵中的每一行代表实例的预测类别，每一列代表实例的真实类别。真正(True Positive , TP)：被模型预测为正的正样本。假正(False Positive , FP)：被模型预测为正的负样本。假负(False Negative , FN)：被模型预测为负的正样本。真负(True Negative...

技术在不断发展，因此你也不能停下学习的脚步。无论是软件工程师、开发人员，还是建筑师，都必须时刻关注业内的最新进展。有时你会发现，几年前在大学所学的知识技能等到现在已经不适用了，因此如果不继续学习，就会失去竞争力。还有的时候，我们为了赶工期，而放弃了许多学习和自我提升的机会。以上这些想法都只顾短期利益，却会导致长期的代价。IT领域的发展日新月异，要想紧跟所有的趋势和变化几乎是不可...

CPU基础CPU即处理器，是计算机中控制数据操控的电路。它主要由三部分构成：算术/逻辑单元、控制单元和寄存器单元。它们的作用分别为执行运算、协调机器活动以及临时存储。CPU与主存CPU中的寄存器分为通用寄存器和专用寄存器，通用寄存器用于临时存放CPU正在使用的数据，而专用寄存器用于CPU专有用途，比如指令寄存器和程序计数器。CPU与主存的通过总线进行通信，CPU通过控制单...

无人驾驶汽车无人驾驶汽车，又称自动驾驶汽车或轮式移动机器人，是一种运输动力的无人地面载具。我们理想的无人驾驶汽车是无需人类操作即能从地点A行驶到地点B，不管途中环境多复杂天气多恶劣都由机器自己完成。无人驾驶汽车的核心在于无人驾驶技术，如果说汽车工业是制造业的皇冠，那么无人驾驶技术就是皇冠上的明珠。无人驾驶汽车需要多门技术整合才能实现，它并非是一项单一的新技术，其中包括雷达、激光雷达、...

朋友们，我是床长! 如需转载请标明出处：http://blog.csdn.net/jiangjunshow近年来，大数据、云计算、人工智能技术的快速发展，给互联网带来了极大的变革，同时也对其计算模式提出了新的要求。大数据时代每天产生的数据激增，也让物联网的数据对响应时间和安全性提出了更高的要求；云计算虽然为大数据处理提供了高效的计算平台，但目前网络带宽的增长速度远赶不上数据的增长速度...

项目地址：github.com/Linzaer/Ult…以下是作者对此项目的介绍：该模型设计是针对边缘计算设备或低算力设备 (如用 ARM 推理) 设计的一款实时超轻量级通用人脸检测模型，旨在能在低算力设备中如用 ARM 进行实时的通用场景的人脸检测推理，同样适用于移动端环境（Android & IOS）、PC 环境（CPU & GPU )。有如下几个特点：...

一、计算机视觉Divid Marr将计算机视觉系统的开发问题归纳为3个要素：（1）数学理论考虑数学计算层面的目标及可以引入的合理约束条件。（2）描述和算法重点解决计算机视觉中的输入输出的数据格式问题，并设计合理的算法实现其系统功能。（3）硬件的合理使用使用符合算法要求的硬件并考虑该硬件对所需要的算法和描述的反作用。计算机视觉系统框架1.1 图像数据处理层...

朋友们，我是床长! 如需转载请标明出处：http://blog.csdn.net/jiangjunshow 很少有程序员不对这里或者那里所包含的人工智能编程所吸引，然而，许多对AI感兴趣的程序员很快就因其中包含的算法的复杂性而退却。在本文中，我们将讨论一个能大大简化这种复杂性的Java开源工程。 Java面向对象的神经网络(JOONE)是一开源工程，它提供给Jav...

前言上次参加了微软大会，在做关于微软智能AI接口的实战中认识到了微软也有推出一系列智能接口，包括语音识别 语意解析 图像识别等。这些接口是以restful-api提供的，很容易集成到应用中。小程序体验上不错也是非常火，前端技术不断在更新，虽然我是偏后端的，也不能掉队嘛。这篇文章我计划是会每个api系列作为一个小程序的功能来实现。本篇文章是准备工作的介绍(需要用到哪些资源如何...

兄弟姐妹们，如需转载请标明出处：http://blog.csdn.net/jiangjunshow总目录什么是监督学习？简单的回答是：判断是否是监督学习，就看输入数据是否有标签。输入数据有标签，则为有监督学习，没标签则为无监督学习。对于上面的简单回答，如果你看不懂，是正常的！下面我给出详细回答，如果你还是不明白，那么…….也是正常的。因为有些概念要被接受是需要时间的！坚持不懈地看我

深度学习这个技术其实几十年前就已经存在了。但为什么直到近几年才火起来了? 在这篇文章中，让我们来看看使深度学习火起来的一些因素。

兄弟姐妹们，如需转载请标明出处：http://blog.csdn.net/jiangjunshow总目录上一篇文章介绍了如何将待预测数据输入到神经网络中。那么，神经网络是如何给出预测结果的呢？我们输入一个图片，神经网络是如何预测这是个有猫的图片还是没有猫的图片呢？本篇文章给大家介绍一种用于预测的算法——逻辑回归（logistic regression）。 看到上面的公式，不少

兄弟姐妹们，如需转载请标明出处：http://blog.csdn.net/jiangjunshow总目录大家已经学过如何将待预测数据输入到神经网络中，也明白了神经网络是如何对这些数据进行预测的，还知道了神经网络是如何判断自己预测得是否准确的。那么如果结果预测得不准确，是不是要想办法让预测变得准确呢？这个努力让自己预测得更准确的过程就是学习。在前面的文章中，我们已经知道，预测得是否准确是

兄弟姐妹们，如需转载请标明出处：http://blog.csdn.net/jiangjunshow总目录各位乡亲父老们！人工智能，马上就要爆发了。一旦爆发，将会如黄河泛滥一发不可收拾。在当今，人工智能已经渗透到了网络搜索，广告分发，人脸识别，语音识别，自动驾驶，智能医疗等等领域。这都还只是初级阶段，即将到来的人工智能会更惊艳。而且一旦控制不好，会真如马斯克所说的一样——人工智能会毁灭人类~

目录请先点击下面查看序言序言1 神经网络与深度学习1.1 介绍神经网络1.1.1 什么是神经网络1.1.2 监督学习型神经网络1.1.3 什么使深度学习火起来了1.2 神经网络基础1.2.1 如何将待预测数据输入到神经网络中1.2.2 神经网络是如何进行预测的1.2.3 神经网络如何判断自己预测得是否准确1

朋友们，我是床长! 如需转载请标明出处：http://blog.csdn.net/jiangjunshowpython是一门编程语言，被广泛用于编写人工智能程序！我们可以使用Jupyter notebook这个工具来进行python编程。Jupyter notebook是值得一学的，因为对于一个团队来说交流是很重要的，当你想要向团队或领导阐述你的想法时，你可以用投影仪展示你的J...

朋友们，我是床长! 如需转载请标明出处：http://blog.csdn.net/jiangjunshow如果你还不会在jupyter notebook里写python代码，那么请先看我另一篇文章《如何开始使用python》https://blog.csdn.net/jiangjunshow/article/details/81704239代码在我的腾讯云盘https://share...

朋友们，我是床长! 如需转载请标明出处：http://blog.csdn.net/jiangjunshow随着6月结束，7月开始，最近上海最火的话题是垃圾分类无疑了。。上海人民是每天早晚俩小时定时定点扔垃圾。干湿垃圾要分开，把湿垃圾从垃圾袋里倒进桶里，再把垃圾袋扔进干垃圾桶 ????龙虾????壳是干垃圾，龙虾????肉是湿垃圾，请你分开扔，谢谢????猪????能吃的是湿垃圾，不能吃的是干垃圾，吃了会死...

朋友们，我是床长! 如需转载请标明出处：http://blog.csdn.net/jiangjunshow简介如果说目前深度学习最火，应用最多的领域，莫过于 GAN--Generative Adversarial Network，翻译过来就是生成对抗网络，单单从名字上看，你会觉得它就是一个生成模型，看起来就是用于生成图片而已。实际上，它最开始出现的时候，确实就是用于生成图片，但它...

朋友们，我是床长! 如需转载请标明出处：http://blog.csdn.net/jiangjunshowTensorFlow 是很多科学家、工程师和开发人员的首个深度学习框架。虽然 TensorFlow 1.0 早在 2017 年 2 月就发布了，但使用过程中对用户不太友好。过去几年里，Keras 和 PyTorch 日益成为广受用户欢迎的两种深度学习库，因为它们使用起来比 Ten...

朋友们，我是床长! 如需转载请标明出处：http://blog.csdn.net/jiangjunshow俄罗斯亿万富豪德米特里·伊茨科夫（Dmitry Itskov）是一个喜欢幻想的人，他于2011年发起了“2045行动”（2045 Initiative），希望在2045年他65岁之前把自己的意识上传到一台电脑中去，这样他的灵魂就可以永生了。要想实现这个目标，首先必须搞清...

朋友们，我是床长! 如需转载请标明出处：http://blog.csdn.net/jiangjunshow于无声处听惊雷！不是我不明白，这世界变化快！刚刚，顶尖学术刊物《科学》杂志公布：美国卡内基梅隆大学教授贺斌团队开发出了一种可与大脑无创连接的脑机接口，能让人用意念控制机器臂连续、快速运动。看，这的确是一个巨大的突破：通过脑机接口，用户可以用想象来控制机械臂，让它连续跟...

朋友们，我是床长! 如需转载请标明出处：http://blog.csdn.net/jiangjunshow在AI转型的进程中，并不一定是一帆风顺的，甚至会很艰难。不知有多少人关注过人工智能项目的失败率？ 20%？ 30%？ .. 或者 50%？？ 可能想得太简单，据不完全统计一个数据类项目的失败率达到了85%以上！ 其实这也不奇怪，现阶段，一个一般IT类项目的失败率也是50%以上呢，何况...

朋友们，我是床长! 如需转载请标明出处：http://blog.csdn.net/jiangjunshow机器学习的核心是处理数据。你的机器学习工具应该与数据的质量一样好。本文涉及清理数据的各个步骤。你的数据需要经过几个步骤才能用于预测。数据预处理涉及的步骤：导入所需的库 导入数据集 处理缺失的数据。 编码分类数据。 将数据集拆分为测试集和训练集。...

朋友们，我是床长! 如需转载请标明出处：http://blog.csdn.net/jiangjunshow深度学习是非常消耗计算资源的，毫无疑问这就需要多核高速的CPU。但买一个更快的CPU有没有必要？在构建深度学习系统时，最糟糕的事情之一就是把钱浪费在不必要的硬件上。本文中我将一步一步教你如何使用低价的硬件构建一个高性能的系统。这些年来，我总共搭建了27个不同的深度学习工作站，尽管...

朋友们，我是床长! 如需转载请标明出处：http://blog.csdn.net/jiangjunshow作为数据科学和机器学习相关的研究和开发人员，大家每天都要用到 python。在本文中，我们将讨论一些 python 中的顶级库，开发人员可以使用这些库在现有的应用程序中应用、清洗和表示数据，并进行机器学习研究。我们将讨论以下 10 个库： TensorFlow S...

朋友们，我是床长! 如需转载请标明出处：http://blog.csdn.net/jiangjunshowJavaJava是一门面向对象编程语言，不仅吸收了C++语言的各种优点，还摒弃了C++里难以理解的多继承、指针等概念，因此Java语言具有功能强大和简单易用两个特征。Java语言作为静态面向对象编程语言的代表，极好地实现了面向对象理论，允许程序员以优雅的思维方式进行复杂的编程。Ja...