![](https://img-blog.csdnimg.cn/20201014180756738.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
人工智能
文章平均质量分 92
十点半的毛毛雨
这个作者很懒,什么都没留下…
展开
-
基于GRU实现评论文本情感分析
基于GRU实现评论文本情感细粒度分析原创 2024-04-10 10:27:13 · 1050 阅读 · 0 评论 -
Mediapipe人体识别库
官网:Mediapipe 是2012年起开始公司内部使用,2019年google的一个,可以提供开源的、跨平台的常用机器学习(machine learning)方案。Mediapipe实际上是一个集成的机器学习视觉算法的工具库,包含了人脸检测、人脸关键点、手势识别、头像分割和姿态识别等各种模型。原创 2023-05-29 19:25:46 · 2188 阅读 · 0 评论 -
机器学习常用激活函数
激活函数是考虑非线性因素,因为线性模型的表达能力不够。引入非线性激活函数,可使深层神经网络的表达能力更加强大优秀的激活函数应满足:原创 2021-07-16 00:13:02 · 766 阅读 · 1 评论 -
Tensorflow Serving部署模型
TensorFlow Serving是google开源的一个适用于部署机器学习模型,具有灵活、高性能、可用于生产环境的模型框架。它支持模型版本控制和回滚、支持并发、支持多模型部署、支持模型热更新等,由于这些特性,使得我们不需要为部署线上服务而操心,只需要训练好线下模型即可。同时,TensorFlow Serving还提供gRPC和REST API两种接口访问形式,其中gRPC接口对应的端口号为8500,而REST API对应的端口号为8501。基于TensorFlow Serving的持续集成框..原创 2021-07-16 00:08:20 · 730 阅读 · 1 评论 -
TensorFlow入门必备知识
一、pip安装CPU版本pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflowGPU版本原创 2021-07-16 00:07:39 · 1522 阅读 · 4 评论 -
TensorFlow应用示例(线性+非线性)
需求:假设有100个点,点的分布满足y=1.5*x+2.3,实现该模型。步骤分析:1.准备数据集:满足y=1.5x+2.3的100个样本2.建立线性模型:随机初始化w和b y=w·x+b,目标:求出权重w和偏置b 确定损失函数(预测值与真实值之间的误差)--均差误差 梯度下降优化损失:需要指定学习率(超参数)3.实现import tensorflow as tf"""实现线性回归y=1.5x+2.3"""#1)准备数据集with tf.variable_s.原创 2021-07-16 00:06:56 · 626 阅读 · 1 评论 -
Python环境全家桶(永久使用)
一、安装本人一直是Java爱好者,第一次接触python,周围做爬虫或者信息AI开发的小伙伴都说Python语言简单,所以多学一点是没有坏处的,接下来是一个完全不懂Python的小白对安装和使用Python等一系列工作的记录,让您体验Python的“Hello World”1.1下载官网:https://www.python.org,下载对应环境的版本。目前,Python有两个版本[2.x和3.x],这两个版本是不兼容的,目前,3.x版本越来越普及。1.2安装【报错】:.原创 2021-06-11 19:04:57 · 3215 阅读 · 5 评论 -
手撕BP网络,你值得拥有!
一、认识BP神经网络 BP网络(Back-ProPagationNetwork)又称反向传播神经网络,分为两个过程:(1)工作信号正向传递子过程;(2)误差信号反向传递子过程。 通过样本数据的训练,不断修正网络权值和阈值使误差函数沿负梯度方向下降,逼近期望输出。它是一种应用较为广泛的神经网络模型,多用于函数逼近、模型识别分类、数据压缩和时间序列预测等。其实,BP神经网络就是一个“万能的模型+误差修正函数”,每次根据训练得到的结果与预想结果进行误差分析,进而修改权值和阈值,一步步得到输出...原创 2021-06-04 17:53:07 · 2217 阅读 · 13 评论