cv君
订阅cv君,全部文章永久可看~ 平台规定不能降价,感兴趣就订阅,订阅后联系我,都是手把手教程,有10个粉丝算法交流群 近万人,学生,甲方,工程师,CEO都欢迎(群里都有,正在建立最大的AI社区)
cv君文章质量还行,长期连续更新,订阅一次即永久观看。(请务必添加cv君微信联系获取)
cv君属于科研科技热爱者,务实工作,对待任何事情,包括写作,都是十分认真的,所以我从来不写水文,感兴趣可以订阅,愿你与我一同为中国科技崛起而努力!
为什么给自己打上这么多标签呢?因为热爱,所以去做! —cv君
展开
-
【精品实战项目】深度学习预测、深度强化学习优化、附源码数据手把手教学
【精品实战项目】深度学习预测、深度强化学习优化芯片、附源码数据手把手教hello, 大家好,我是cv君,今天给大家带来很久之前的实战项目,这个项目稍微庞大、完整一些,附带源码、原数据、手把手教学,大家跟着我走完,既可以学到神经网络预测任务,也可以学到强化学习等算法的应用,这个做好了,什么本科毕设、研究生大论文都可以搞定。这个项目附带了大量的专业知识,领域很垂直,附带了数据,大家可以简单学习各个模块,非常有用,可以学会神经网络与深度学习是如何预测数据的,还可以怎么优化结果,还有DDPG强化学习源码与优化算法。原创 2024-08-22 21:13:15 · 4362 阅读 · 0 评论 -
【人工智能】1024 程序员节最想要的大礼包!
【人工智能】1024 程序员节最想要的大礼包! 先和广大程序员们说声节日快乐!这篇文章特地写个人工智能方向的科研人员,下面的内容一定不要错过!CV调包侠来送礼了!下述所有数据可在下方二维码公众号回复: 数据大礼包 获得!!!Fashion-MNIST图像数据集(200.4MB)每个训练和测试样本都按照以下类别进行了标注:标注编号描述0T-shirt/top(T恤)1Trouser(裤子)2Pullover(套衫)3Dress(裙原创 2020-10-24 20:44:57 · 13421 阅读 · 73 评论 -
无监督学习 聚类算法代码+原理+对比分析
无监督学习 聚类算法1:经典的K means纵使簇类需要专家系统与先验知识定义,K means 也依旧在当前的机器学习与深度学习使用,例如各种数据分析以及深度学习全连接以后的输出层网络连接,它与他的衍生算法,例如K means ++ ,在聚类算法中一直是老大地位,因为他的速度是极快的,相比其他算法在计算簇间相似度与簇内相似度中的速度较慢;所以就出现了很多算法,是来优化K means 家族的,例如在簇的寻找上,使用DBACAN等层次聚类算法用来给K means ++ 寻找最合适的簇个数,在此基础上,DBA原创 2020-10-19 11:36:44 · 11969 阅读 · 25 评论 -
DeepAI 视界深度学习数据集大放送【一】
想要数据集?还想要标注好的数据集?你还想白嫖算法?还想白嫖训练好的模型?看到这篇文章你就找对地方了一 [NLP] 50万闲聊语料公众号回复:闲聊二 密集人群检测公众号回复:密集人群检测三疲劳驾驶数据集公众号回复:pilao四 文本生成与文本分类数据集公众号回复:文本生成五 实体命名识别公众号回复:实体命名识别六 人脸识别公众号回复:人脸识别七 车牌数据集公众号回复:车牌八 自动驾驶数据集公众号回复:自动驾驶九 异常行为数据集公众号回复:异常行为十 人脸关键原创 2020-09-20 19:00:25 · 14360 阅读 · 113 评论 -
NLP从入门到实战(六) 隐马尔可夫模型
NLP从入门到实战(六) 隐马尔可夫模型文章目录NLP从入门到实战(六) 隐马尔可夫模型基本理论基本概述马尔可夫过程隐马尔可夫模型HMM模型的形式定义问题求解遍历法向前算法(Forward Algorithm)维特比算法(Viterbi Algorithm)语音识别算法交流公众号基本理论隐马尔可夫模型是一个双重随机过程----具有一定状态数的隐马尔可夫链和显示随机函数集。自20世纪80年代以来,HMM被应用于语音识别,取得重大成功。到了90年代,HMM还被引入计算机文字识别和移动通信核原创 2020-09-17 15:26:24 · 11247 阅读 · 0 评论 -
人工智能基础实践课代码(一) 产生式推理(动物识别系统)+极大极小值(一字棋)+ 遗传算法
1、实验目的理解和掌握产生式系统的推理方法,能够用选定的编程语言实现推理机。2、实验内容和要求(1)以实验1的动物识别系统的规则库和综合数据库为基础;(2)用选定的编程语言开发一个推理机,该推理机能利用实验1的规则库和综合数据库进行推理。话不多说,直接上代码C++版本运行截图#include<iostream>#include<string>#include<cstdlib>#include<iomanip>#include&l原创 2020-09-15 15:26:42 · 12881 阅读 · 0 评论 -
【全面】人工智能技术栈与学习路线:机器学习 深度学习 视觉 NLP 推荐系统
文章目录一 概述(本文原创)二 人工智能编程语言/数据结构与算法三 人工智能基础原理四 智能信息获取(简称爬虫) 与数据分析1、发起请求3、解析内容4、保存数据二、Requests库介绍2.1基本介绍requests的基本使用流程三、selenium四:效率问题五:资源浪费六:能被识别七、scrapy框架八、Bs4整体使用步骤九、字段匹配方案十:数据存储与队列任务(MongoDB与Rabbitmq)十一、总结requests vs Scrapy两个方法看情况用相同点五 统计学原理/离散数学/概率论与数理统计原创 2020-08-19 19:37:40 · 18114 阅读 · 79 评论 -
【图神经网络综述】GNN原理+落地应用+实现框架全解
【2020 图神经网络综述】A Comprehensive Survey on Graph Neural Networks文章转载于好我的朋友:大家可以关注他的博客: Memory逆光 博客地址:https://blog.csdn.net/weixin_44936889/article/details/107764037未经作者允许,本文禁止转载1. 摘要:2. 简介:2.1 为什么要用图表示数据:2.2 GNN与network embedding:2.3 GNN与Gra转载 2020-08-06 10:59:11 · 37653 阅读 · 2 评论 -
【项目实战全解】基于深度学习与自然语言处理的AI文本生成(自动写作)
文章目录一、项目演示:1:诗歌创作2:律诗与绝句3:小说篇4:自己的经济新闻篇二、原理解读Gpt-2简述何为语言模型与 BERT 的区别三、代码详解与训练教程训练数据半精度模型使用预训练步骤:四、生成文本文件结构注意五:实际落地项目与我的应用落地应用散文剧本演示:六:GPT-3简述与福利传送门你在网上看到的”水文“,近乎一半都是“机器人”编辑的!还在为写不出报告而苦恼吗?技术改变生活,从高中就听闻自动写文章技术,没曾想,竟然已经做到以假乱真的地步!今天来详解一下我接触过的文本,文本生成,机器问答,阅读理原创 2020-07-27 10:34:36 · 23657 阅读 · 25 评论 -
听说正则表达式比数学难?你觉得呢?
一、 Re首先,推荐大家一个正则表达式网站:嗨正则https://hiregex.com1. 常用的正则表达式符号2. 常用的匹配方法1) re.match(pattern, string, flags=0)说明:在string的开始处匹配模式>>> import re>>> a = re.match(‘in’,“inet addr:10.161.146.134”) #从头开始匹配in字符>>> a.group()‘in’.原创 2020-06-23 10:34:37 · 8434 阅读 · 1 评论 -
【机器学习】回归预测+BP回归
线性和多项式回归在这一简单的模型中,单变量线性回归的任务是建立起单个输入的独立变量与因变量之间的线性关系;而多变量回归则意味着要建立多个独立输入变量与输出变量之间的关系。除此之外,非线性的多项式回归则将输入变量进行一系列非线性组合以建立与输出之间的关系,但这需要拥有输入输出之间关系的一定知识。训练回归算法模型一般使用随机梯度下降法(SGD)。优点:建模迅速,对于小数据量、简单的关系很有效;线性回归模型十分容易理解,有利于决策分析。缺点:对于非线性数据或者数据特征间具有相关性多项式回归难以建模;原创 2020-06-14 13:37:34 · 12272 阅读 · 49 评论 -
【全解】梯度下降+回归(一)
首先要明白什么是回归。回归的目的是通过几个已知数据来预测另一个数值型数据的目标值。假设特征和结果满足线性关系,即满足一个计算公式h(x),这个公式的自变量就是已知的数据x,函数值h(x)就是要预测的目标值。这一计算公式称为回归方程,得到这个方程的过程就称为回归。 假设房子的房屋面积和卧室数量为自变量x,用x1表示房屋面积,x2表示卧室数量;房屋的交易价格为因变量y,我们用h(x)来表示y。假设房屋面积、卧室数量与房屋的交易价格是线性关系。他们满足公式上述公式中的θ为参数,也称.原创 2020-06-14 13:35:05 · 9139 阅读 · 0 评论 -
NLP入门到实战(四)关键词权重计算算法
TF-IDF介绍关注不迷路!TF-IDF(term frequency–inverse document frequency)是一种用于信息检索与数据挖掘的常用加权技术。TF是词频(Term Frequency),IDF是逆文本频率指数(Inverse Document Frequency)。TFIDF的主要思想是:**如果某个词或短语在一篇文章中出现的频率TF高,并且在其他文章中很少出现,则认为此词或者短语具有很好的类别区分能力,适合用来分类。**TFIDF实际上是:TF * IDF,TF词频(原创 2020-06-11 10:31:27 · 19666 阅读 · 1 评论 -
NLP从入门到实战(三)
词袋模型与句子相似度计算本文将会介绍NLP中常见的词袋模型(Bag of Words)以及如何利用词袋模型来计算句子间的相似度(余弦相似度,cosine similarity)。 首先,让我们来看一下,什么是词袋模型。将所有词语装进一个袋子里,不考虑其词法和语序的问题,即每个词语都是独立的。例如下面个例句,就可以构成一个词袋,袋子里包括所有词语。假设建立一个数组(或词典)用于映射匹配我们以下面两个简单句子为例:sent1 = "Word bag model,Put all the words in原创 2020-06-06 15:12:24 · 11082 阅读 · 1 评论 -
NLP入门到实战(二)时间提取
本篇将干货~实践一下基于jieba,spacy, pyltp, lac, nltk, foolltk等开源库进行实(调)践(包)!时间提取属于NLP中的实体命名识别,例如匹配时间,地点,物体,人物等等…一、jieba代码(有的代码未删除,功能不仅为单纯匹配时间。):import refrom datetime import datetime, timedeltafrom dateutil.parser import parseimport jieba.posseg as psgdef.原创 2020-06-01 10:56:16 · 11993 阅读 · 0 评论 -
NLP从入门到实战(一)
NLP自然语言处理技术,我将长期连载NLP技术,分享论文,源码,新科技,以学习为目的,建议大家关注博主,不断更,一起进步~本文为原理篇,部分来源网络资源,本文目的是综述NLP,让朋友们更清晰地明白!后期会不断实战训练。自然语言处理NLP概述自然语言处理(Natural language processing,NLP)是计算机和人类语言之间的关系纽带。更具体地说,自然语言处理是计算机对自然语言的理解、分析、操纵和/或生成。自然语言处理(NLP)可以被定义为人类语言的自动(或半自动)处理。“NLP..原创 2020-05-31 16:22:03 · 11910 阅读 · 1 评论 -
决策树分类与回归基础实战(一)
再刷DT,看完记得关注,能看完的是有缘人回归树import numpy as npfrom sklearn.tree import DecisionTreeRegressorimport matplotlib.pyplot as pltN = 100x = np.random.rand(N) * 6 - 3x.sort()y = np.sin(x) + np.random.rand(N) * 0.05# y[5] = 5print(y)x = x.reshape(-1, 1).原创 2020-05-31 12:54:04 · 12012 阅读 · 1 评论 -
决策树——从原理走向实战
决策树——既能分类又能回归的模型在现实生活中,我们会遇到各种选择,不论是选择男女朋友,还是挑选水果,都是基于以往的经验来做判断。如果把判断背后的逻辑整理成一个结构图,你会发现它实际上是一个树状图,这就是我们今天要讲的决策树。决策树学习的目的是为了生成一颗泛化能力强,即处理未见示例能力强的决策树,其基本流程遵循简单而直观的 分而治之 (Divide and Conquer) 策略,如下图所示:决策树的生成是一个自根结点一直到叶结点的递归生成过程。在递归生成的伪代码表述中,可以看到,有三个地方导致递归原创 2020-05-28 08:57:36 · 9387 阅读 · 5 评论 -
【全解】基于OpenCv的SVM实现车牌检测与识别
都说深度学习的出现极力地打压着传统机器学习算法的地位,作为一个二刷机器学习经典算法的小伙伴告诉你:还真多半是这样,咳,毕竟还是差距较大,深度学习处理真实世界多维度的问题更权威!不过,有的事情还是机器学习能做的,经典永不过时,下面我们来做一个实践。前两篇博客比较仓促,今天我把全部整理了一遍,流程图过程也全部展现,让大家更好的明白流程,篇幅字数上万,建议细品!我们来看看车牌检测基本的识别流程:我使用的是OpenCv自带的SVM模型,由于SVM的突出表现,得到了更多官方的青睐,就诞生出了很多方便使用的.原创 2020-05-13 12:42:02 · 45766 阅读 · 34 评论 -
【详解】多元的智能推荐系统
写在前文:最近在涉猎推荐系统,可谓是内容繁多,我会偏向机器学习&深度学习方向探究推荐系统,尤其是协同过滤算法~一起学习吧协同过滤简介: 协同过滤(Collaborative Filtering)作为推荐算法中最经典的类型,包括在线的协同和离线的过滤两部分。所谓在线协同,就是通过在线数据找到用户可能喜欢的物品,而离线过滤,则是过滤掉一些不值得推荐的数据,比如推荐值评分低的数据,或者虽然推荐值高但是用户已经购买的数据。协同过滤的模型一般为m个物品,m个用户的数据,只有部分用户和部分数据之原创 2020-05-09 16:45:01 · 12601 阅读 · 2 评论 -
【实战】基于OpenCv的SVM实现车牌检测与识别(二)
这期继续分享SVM实践项目:车牌检测与识别,同时也介绍一些干货回顾一下,上期介绍了OpenCv的SVM模型训练,这期继续介绍一下识别过程。这幅流程图还是很经典,直观的。我们先分享一下上期说的:OpenCv的中文显示方法我使用的是PIL的显示方法,下面简介一下教程:1: 字体simhei.ttf需要下载,然后在font = ImageFont.truetype("./simhei.tt...原创 2020-05-06 09:33:09 · 45559 阅读 · 1 评论 -
基于OpenCv的SVM实现车牌检测与识别(一)
都说深度学习的出现极力地打压着传统机器学习算法的地位,作为一个二刷机器学习经典算法的小伙伴告诉你:还真多半是这样,咳,毕竟还是差距较大,深度学习处理真实世界多维度的问题更权威!不过,有的事情还是机器学习能做的,经典永不过时,下面我们来做一个实践。上期,有埋下伏笔,我们来回顾一下:我们来看看基本的识别流程:我们使用的是OpenCv自带的SVM模型,我们上篇也说了,由于SVM的突出表现,...原创 2020-05-05 10:42:02 · 61961 阅读 · 7 评论 -
【回归预测】SVM基础实战篇之经典预测(三)
【玩点有趣的】这几篇SVM介绍是从0到1慢慢学会支持向量机,将是满满的干货,都是我亲自写的,可以随我一起从头了解SVM,并在短期内能使用SVM做到想要的分类或者预测~我也将附上自己基础训练的完整代码,可以直接跑,建议同我一样初学者们,自己从头到尾打一遍,找找手感,代码不能光看看,实践出真知! 回顾一下,上上篇,我们建立和比较了线性分类器和非线性分类器,比较了多元线性核函数和线性核函数,解...原创 2020-05-02 14:43:44 · 19096 阅读 · 9 评论 -
【实战】支持向量机SVM基础实战篇(二)
【实战】支持向量机SVM基础实战篇(二)这几篇SVM介绍是从0到1慢慢学会支持向量机,将是满满的干货,都是我亲自写的,没有搬运,可以随我一起从头了解SVM,并在短期内能使用SVM做到想要的分类或者预测~我也将附上自己基础训练的完整代码,可以直接跑,建议同我一样初学者们,自己从头到尾打一遍,找找手感,代码不能光看看,实践出真知!回顾一下,上篇,我们建立和比较了线性分类器和非线性分类器,比较了多元...原创 2020-04-29 10:48:09 · 13605 阅读 · 4 评论 -
[怕难?]支持向量机SVM基础实战篇(一)
[怕难?]支持向量机SVM基础实战篇(一) 这几篇SVM介绍是从0到1慢慢学会支持向量机,将是满满的干货,都是我亲自写的,没有搬运,可以随我一起从头了解SVM,并在短期内能使用SVM做到想要的分类或者预测~我也将附上自己基础训练的完整代码,建议同我一样初学者们,自己从头到尾打一遍,找找手感,代码不能光看看,实践出真知! 基本上每本机器学习书籍和资料都会介绍SVM算法,但是更多的书籍是原...原创 2020-04-23 16:50:53 · 16336 阅读 · 8 评论 -
仁兄,可曾听闻支持向量机?
仁兄,可曾听闻支持向量机?这是一篇机器学习算法——支持向量机(SVM)的原理篇,可能比较枯燥,但这正是大家在学习算法中必不可少的一步:忍受枯燥!感兴趣的同学,可以关注一下,这期先介绍原理,再慢慢的一步一步实践,到大家亲手用会SVM(小编也不是很熟,就当是一起学习的过程了~)(一)SVM的简介支持向量机(Support Vector Machine)是Cortes和Vapnik于1995年...原创 2020-04-13 22:18:12 · 10665 阅读 · 6 评论