深度学习
文章平均质量分 50
丿丶柠檬
这个作者很懒,什么都没留下…
展开
-
dlib安装
Visual studion c++ 安装https://visualstudio.microsoft.com/zh-hans/downloads/选择c++ 桌面开发版安装cmakepip install cmake安装boostpip install boost安装dlibpip install dlib原创 2021-12-13 22:31:10 · 894 阅读 · 0 评论 -
深度学习资料连接汇总
机器之心RNN总结:https://www.jiqizhixin.com/articles/2018-12-14-4微软九步学习法:https://github.com/computing-intelligence/ai-edu/blob/master/B-%E6%95%99%E5%AD%A6%E6%A1%88%E4%BE%8B%E4%B8%8E%E5%AE%9E%E8%B7%B5/%E5%85%88%E4%BF%AE%E7%9F%A5%E8%AF%86%E5%8F%82%E8%80%83%E9%98%8原创 2021-11-27 21:59:09 · 958 阅读 · 0 评论 -
深度学习算法
深度学习文章目录深度学习机器学习基础计算机视觉:基础补充:计算机视觉图片分类算法目标检测算法语义分割生成式(Generative)视觉追踪(目标追踪)人体姿态识别光学字符识别(OCR-Optical Character Recognition)自然语言(NLP)序列模型:word2vec词嵌入(Word Embedding)推荐算法BI方向:预测全家桶:时间序列:矩阵分解与因子分解机PageRank、图论与推荐系统知识图谱风控模型(评分卡模型)项目列表唐宇迪基础概念补充:机器学习基础k-means、距原创 2021-11-24 08:04:15 · 448 阅读 · 0 评论 -
AI开发工程师技能汇总
python:numpypandasmatplotlibpytorchTensorflowMindspore算法:CV类算法:图片分类目标检测目标追踪OCRGANNLP算法:机器学习:逻辑回归k-means聚类决策树随机森林GBDTPCA数据库:Mysql/Oracle数据:存储过程触发器函数视图开窗函数hivelinux:基本命令环境配置用户创建spark:开发调优资源调优数据倾斜shuffle数据抽取:kettlesqoo原创 2021-11-17 22:43:40 · 2448 阅读 · 0 评论 -
深度学习数学基础知识
数学基础知识高等数学1.导数定义:2.左右导数导数的几何意义和物理意义3.函数的可导性与连续性之间的关系4.平面曲线的切线和法线5.四则运算法则6.基本导数与微分表7.复合函数,反函数,隐函数以及参数方程所确定的函数的微分法8.常用高阶导数公式9.微分中值定理,泰勒公式10.洛必达法则11.泰勒公式12.函数单调性的判断13.渐近线的求法14.函数凹凸性的判断15.弧微分16.曲率17.曲率半径线性代数行列式矩阵向量线性方程组矩阵的特征值和特征向量二次型概率论和数理统计随机事件和概率随机变量及其概率分布多维原创 2021-10-10 20:20:20 · 98 阅读 · 0 评论 -
深度学习实验手册
深度学习实验手册文章目录深度学习实验手册一、基础理论1. 自定义感知机2. 验证图像卷积运算效果二、OpenCV部分1. OpenCV安装2. OpenCV基本操作1)读取、图像、保存图像3. 图像色彩操作1)彩色图像转换为灰度图像2)色彩通道操作3)灰度直方图均衡化4)彩色亮度直方图均衡化5)色彩提取6)二值化与反二值化4. 图像形态操作1)图像翻转2)图像仿射变换3)图像缩放4)图像裁剪5)图像相加6)图像相减7)透视变换8)图像腐蚀9)图像膨胀10)图像开运算11)图像闭运算12)形态学梯度5.原创 2021-09-26 21:47:19 · 891 阅读 · 0 评论 -
深度学习-人脸检测与人脸识别
人脸检测与人脸识别一、概述1. 基本概念人脸是个人重要的生物特征,业界很早就对人脸图像处理技术进行了研究。人脸图像处理包括人脸检测、人脸识别、人脸检索等。人脸检测是在输入图像中检测人脸的位置、大小;人脸识别是对人脸图像身份进行确认,人脸识别通常会先对人脸进行检测定位,再进行识别;人脸检索是根据输入的人脸图像,从图像库或视频库中检索包含该人脸的其它图像或视频。2. 人脸检测与识别的应用实名认证人脸考勤刷脸支付、刷脸检票公共安全:罪犯抓捕、失踪人员寻找3. 传统人脸检测与人脸识别方法1)原创 2021-09-06 22:37:19 · 190 阅读 · 0 评论 -
深度学习-生成对抗网络(GAN)
生成对抗网络(GAN)一、概述生成对抗网络(Generative Adversarial Networks)是一种无监督深度学习模型,用来通过计算机生成数据,由Ian J. Goodfellow等人于2014年提出。模型通过框架中(至少)两个模块:生成模型(Generative Model)和判别模型(Discriminative Model)的互相博弈学习产生相当好的输出。生成对抗网络被认为是当前最具前景、最具活跃度的模型之一,目前主要应用于样本数据生成、图像生成、图像修复、图像转换、文本生成等方向。原创 2021-09-06 22:31:03 · 288 阅读 · 0 评论 -
安装nltk
python -m pip install nltkimport nltknltk.download()原创 2021-05-13 22:48:41 · 84 阅读 · 0 评论 -
安装opencv
python -m pip install gensimpython -m pip install python_speech_features[lib]python -m pip install hmmlearn-0.2.1-cp36-cp36m-win_amd64.whl[lib]python -m pip install cvxopt-1.1.9-cp36-cp36m-win_amd64.whl[lib]python -m pip install pystruct-0.2.5-cp36-cp3原创 2021-05-13 22:48:04 · 100 阅读 · 1 评论 -
吴恩达老师学习笔记
文章目录神经网络和深度学习深度学习神经网络的编程基础浅层神经网络深层神经网络改善深层神经网络:超参数调试、正则化、以及优化深度学习实践层面优化算法(Optimization algorithms)超参数调试、Batch正则化和程序框架(Hyperparameter tuning)结构化机器学习项目机器学习策略一机器学习策略二卷积神经网络卷积神经网络深度卷积网络:实例探究目标检测特殊应用:人脸识别和神经风格转换序列模型(Sequence Models)循环序列模型(ReCurrent Neural Netwo原创 2021-03-18 22:45:45 · 70 阅读 · 0 评论