深度学习
文章平均质量分 84
iterhui
入门级码农,提供给你更清晰易懂的代码,更实用的代码,领域C/C++/C#/web(javascript,h5)/Python/Mysql数据库/数据结构/Linux基础/Android基础/Vue/springboot框架,目前正在学习人工智能深度学习领域(计算机视觉、自然语言处理方向...)
展开
-
[PaddleSpeech 原神] 音色克隆之胡桃
[PaddleSpeech] 音色克隆之原神角色 ,项目代码已完整放在aistudio,地址如下:快去体验吧,可以直接运行。原创 2022-12-02 12:49:05 · 2194 阅读 · 2 评论 -
【2022 CCF BDCI 文心大模型创意项目】中秋款文心带你轻松搞定MV制作
输入mp3歌曲和歌曲lrc文件以及一个首页图,即可生成一个MV!就是这么简单!原创 2022-09-07 21:53:10 · 18589 阅读 · 0 评论 -
[2022 CCF BDCI 文心大模型]还在愁没有头像?属于你的个人头像来了!
文本就可以生成不错的图片??这不快来体验一下??!文中还有奖励相送!!!原创 2022-08-28 20:21:07 · 21579 阅读 · 1 评论 -
[百度飞桨EasyDL图文教程] 零代码也能用AI图像分类
本项目是一个EasyDL的教学教程,可以让完全不懂代码的小白去完成一个AI的图像分类任务。图文结合,手把手教学,希望对小白有所帮助。原创 2022-08-19 17:15:39 · 1794 阅读 · 0 评论 -
iFLYTEK基于PaddleClas2.2的广告分类baseline非官方
基于PaddleClas2.2的广告图片素材分类算法挑战赛baseline(非官方)项目源码地址:https://aistudio.baidu.com/aistudio/projectdetail/2235340文章目录基于PaddleClas2.2的广告图片素材分类算法挑战赛baseline(非官方)0 赛题背景0.1 赛事任务0.2 实现思路1. 数据说明2. 评估指标3. 评测及排行4. 作品提交要求5. 赛程规则和奖励1 数据处理2 采用paddleclas进行训练2.1 修改配置文件2.原创 2021-09-22 21:42:49 · 508 阅读 · 0 评论 -
飞桨常规赛:PALM眼底彩照中黄斑中央凹定位
飞桨常规赛:PALM眼底彩照中黄斑中央凹定位aistudio地址:https://aistudio.baidu.com/aistudio/projectdetail/2190500?contributionType=10. 赛题介绍常规赛:PALM眼底彩照中黄斑中央凹定位由ISBI2019 PALM眼科挑战赛赛题再现,其中黄斑中央凹定位的任务旨在对眼科图像进行判断是否存在黄斑中央凹,并对其进行定位。数据集由中山大学中山眼科中心提供800张带黄斑中央凹坐标标注的眼底彩照供选手训练模型,另提供40原创 2021-09-03 14:27:20 · 1049 阅读 · 0 评论 -
基于PaddleClas2.2的奥特曼图像分类实战
还记得你的童年嘛?奥特曼分类他来了!欢迎fork我的基于paddleclas的奥特曼图像分类项目,已经在社区开源,按照流程运行即可跑通项目项目链接:https://aistudio.baidu.com/aistudio/projectdetail/2219455如果还跑不通,没关系,本人在B站发了教程手把手教你完成奥特曼分类,跟着视频去运行项目,视频链接:https://www.bilibili.com/video/BV1v341167M5包教包会,希望对你们有帮助文章目录还记得你的童年嘛?原创 2021-07-27 21:46:57 · 2163 阅读 · 1 评论 -
[Paddle2.0学习之第四步](下)词向量之CBOW
[Paddle2.0学习之第四步]词向量之CBOW项目已放在aistudio:[Paddle2.0学习之第四步](下)词向量之CBOW文章目录[Paddle2.0学习之第四步]词向量之CBOW2. 使用paddle2.0实现CBOW2.1 数据处理2.2 定义CBOW网络结构2.3 网络训练总结整体跟上一篇的skip-gram类似可以速看此篇。CBOW的算法实现对比Skip-gram,CBOW和Skip-gram的算法实现如 图1 所示。本项目将补充CBOW的算法实现过程图1:CBOW和Sk原创 2021-07-21 21:41:31 · 1570 阅读 · 1 评论 -
[Paddle2.0学习之第四步](上)词向量之skip-gram
[Paddle2.0学习之第四步]词向量之skip-gram项目在aistudio:[Paddle2.0学习之第四步](上)词向量之skip-gram文章目录[Paddle2.0学习之第四步]词向量之skip-gram2. 使用paddle2.0实现skip-gram2.1 数据处理2.2 定义skip-gram网络2.3 网络训练总结如 图 所示,Skip-gram是一个具有3层结构的神经网络,分别是:1. Skip-gram的算法实现我们以这句话:“Pineapples are spik原创 2021-07-21 21:38:17 · 1357 阅读 · 0 评论 -
[Paddle2.0学习之第三步]目标检测(下)AI识虫实战
利用Yolov3实现AI识虫项目已在aistudio:文章目录利用Yolov3实现AI识虫第一步 解压数据集第二步 启动训练第三步 启动评估第四步 算精度指标第五步 预测单张图片并可视化预测结果总结 提升方案个人总结第一步 解压数据集读取AI识虫数据集标注信息AI识虫数据集结构如下:提供了2183张图片,其中训练集1693张,验证集245,测试集245张。包含7种昆虫,分别是Boerner、Leconte、Linnaeus、acuminatus、armandi、coleoptera和linna原创 2021-07-21 21:29:29 · 1479 阅读 · 2 评论 -
[Paddle2.0学习之第三步]目标检测(上)理论
[Paddle2.0学习之第三步]目标检测(上)目标检测的主要目的是让计算机可以自动识别图片或者视频帧中所有目标的类别,并在该目标周围绘制边界框,标示出每个目标的位置相比上一章节的图像分类,目标检测针对的是图中物体。白话:图像分类是看图片属于什么类别,目标检测是看图片有什么东西,那个东西在哪里边界框(bounding box)检测任务需要同时预测物体的类别和位置,因此需要引入一些跟位置相关的概念。通常使用边界框(bounding box,bbox)来表示物体的位置,边界框是正好能包含物体的矩形原创 2021-07-21 21:18:32 · 453 阅读 · 3 评论 -
[Paddle2.0学习之第二步]实现图像分类
[Paddle2.0学习之第二步]实现图像分类文章目录[Paddle2.0学习之第二步]实现图像分类经典五步:1. 导包2. 处理数据3. 创建模型4. 优化准备5. 训练总结本案例通过Cifer10数据集进行举例,十几行代码完成图像分类项目放置在AIstudio平台https://aistudio.baidu.com/aistudio/projectdetail/2102889经典五步:1. 导包# 从paddle.vision.models 模块中import 残差网络,VGG网络,原创 2021-06-20 22:49:14 · 1422 阅读 · 1 评论 -
[Paddle2.0学习之第一步]实现波士顿房价预测
波士顿房价预测项目已经放置在Ai studio,欢迎fork三连从手写到基于paddle2.0的波士顿房价预测https://aistudio.baidu.com/aistudio/projectdetail/2079294文章目录波士顿房价预测线性回归模型介绍线性回归模型的神经网络结构完整代码编写流程详解第一步 数据处理1.1 数据读取1.2 数据形状变换1.3 数据集划分1.4 数据归一化处理1.5 封装成load data函数第二步 模型设计1.前向计算2.损失函数编写3.梯度下降法4.随原创 2021-06-17 20:52:12 · 780 阅读 · 3 评论 -
利用PaddleHub戴绿帽[人间的青草地需要浇水~]
利用PaddleHub戴绿帽[人间的青草地需要浇水~]被抖音洗脑的人间的青草地需要浇水~驱使了我想要做本项目,项目已放在AIstudiohttps://aistudio.baidu.com/aistudio/projectdetail/2108944话不多说,开干!# 安装Paddlehub!pip install paddlehub==2.1.0! hub install ultra_light_fast_generic_face_detector_1mb_640==1.1.2通过原创 2021-06-22 17:53:46 · 416 阅读 · 2 评论 -
百度飞桨图像分类------基于飞桨2.0的食品图片分类实战
基于飞桨2.0的食品图片分类实战应用文章目录基于飞桨2.0的食品图片分类实战应用项目描述项目的优化课程链接数据集介绍第一步 必要的库引入,数据读取第二步 数据预处理第三步 继承paddle.io.Dataset对数据集做处理第四步 自行搭建CNN神经网络第五步 模型配置以及训练多次运行,在验证集正确率达到0.50-0.55之间第六步 保存模型第七步 测试集案例展示小结项目描述本项目使用的是李宏毅机器学习中作业三的数据集包含(面包,乳制品,甜点,鸡蛋,油炸食品,肉类,面条/意大利面,米饭,海鲜,汤,蔬原创 2021-05-26 15:16:19 · 1454 阅读 · 12 评论 -
百度飞桨常规赛------遥感影像地块分割实战(四月第九名)
常规赛:遥感影像地块分割实战文章目录常规赛:遥感影像地块分割实战赛题介绍数据说明赛题任务训练数据集提交内容及格式提交示例第一步 环境配置第二步 解压数据集数据预处理读取语义 分割任务数据集模型训练继续训练(可选)模型评估模型预测小结比赛页面传送门: 常规赛:遥感影像地块分割欢迎参加 飞桨领航团实战速成营赛题介绍本赛题由 2020 CCF BDCI 遥感影像地块分割 初赛赛题改编而来。遥感影像地块分割, 旨在对遥感影像进行像素级内容解析,对遥感影像中感兴趣的类别进行提取和分类,在城乡规划、防原创 2021-05-25 18:28:25 · 1092 阅读 · 2 评论 -
百度飞桨图像分类------第四天(实现柠檬图像分类-日本竞赛题)
任务描述来源为:日本广岛Quest2020:柠檬外观分类竞赛部署实践比赛链接:https://signate.jp/competitions/4313-31比赛截止,大佬们可以去试试,我这个必然拿不住奖,仅做练习。数据集:可以在百度ai studio找到。如何根据据图像的视觉内容为图像赋予一个语义类别是图像分类的目标,也是图像检索、图像内容分析和目标识别等问题的基础。本实践旨在通过一个美食分类的案列,让大家理解和掌握如何使用飞桨2.0搭建一个卷积神经网络。特别提示:本实践所用数据集均来自互原创 2021-03-07 22:12:18 · 2907 阅读 · 15 评论 -
深度学习记录1------model.fit()
深度学习之model.fit()fit( x, y, batch_size=32, epochs=10, verbose=1, callbacks=None,validation_split=0.0, validation_data=None, shuffle=True, class_weight=None, sample_weight=None, initial_epoch=0)x:输入数据。如果模型只有一个输入,那么x的类型是numpyarray,如果模型有多个输入,那么x的类型应当为l原创 2021-03-06 22:24:20 · 2772 阅读 · 0 评论