![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
python
文章平均质量分 94
Momodel平台
Momodel,专注人工智能的教学实训平台,依托于浙江大学致力提供最优质的AI教育资源与在线一站式开发环境。来 Mo,体验由浙江大学计算机科学学院专家教授搭建的课程,以及全新教学模式 Mo-Tutor,更有海量 AI 项目、数据集分享,以及Python 在线编程、模型训练服务和赛事信息。更多内容敬请关注官方网站。
展开
-
Python 人工智能编程指南:基础、库和工具大全解析
Python 已成为人工智能 (AI) 和机器学习领域的通用语言。其广泛的应用、强大的库生态系统和用户友好的语法使其成为人工智能爱好者、数据科学家和研究人员的理想选择。在这份综合指南中,我们将探讨用于 AI 编程的 Python 基础知识,深入研究关键库,并重点介绍 AI 开发的基本工具。原创 2023-09-15 14:25:36 · 208 阅读 · 0 评论 -
【入门指南】从Python入门人工智能指南
作为一个学习者,什么样的学习方式、学习路径能够帮助我们更高效、便捷的入门人工智能,不至于错过奔驰而过的“AI”号列车?人工智能时代持续发展,成为新一轮产业变革的核心驱动力和引领未来发展的战略技术,不仅受到政策的支持,国内人工智能市场规模也在不断攀升,相应地对各行各业的人员也产生了巨大的影响,人工智能相关专业掀起了热潮,并且非计算机专业也被迫卷入“转型升级”的道路中。作为一项具有一定门槛的学科,如何避免陷入低效率的学习困境和低质量的培训陷阱?从大厂的招聘经验也能见微知著,科班出身所代表的系统化以及论文竞赛原创 2021-09-01 16:27:12 · 7915 阅读 · 0 评论 -
翁恺老师 Python 暑期夏令营开营 | Mo-Tutor全新教学模式上线
为了强化大家对Python学习的认识,我们邀请到浙江大学计算机学院的教学名师——“中文慕课第一人”、“浙江大学永平杰出教学贡献奖”获得者、课程单期注册学生数达28万,累计注册学生超过238万人次……的翁恺老师,听听作为C++、Python等多种编程语言的教学老师,他是如何看待人工智能、如何看待编程学习。人工智能与互联网产业在可预见的未来将持续发展,并且将快速向各行各业进行渗透;为了避免成为“内卷”的牺牲品,我们急需投资自身、积累能力。Python作为人工智能的第一编程语言(至少在传播度上),受到官方认可,原创 2021-07-14 09:41:12 · 659 阅读 · 0 评论 -
想写一本书,而这是序言
口袋书`序言现在的风口是什么?很多人会答人工智能(Artificial Intelligence, AI)人工智能是一项伟大的发明。我们不得不承认,它已经为社会带来了翻天覆地的变化,并 将在未来卷起更大的风暴 。不了解人工智能,就难以在这个 中小学生都已经开始学习编程 的时代,赶上时代的浪潮。人工智能向每一个人袭去,可是 并非每个人都知道什么是人工智能 。于是,他们只能磕磕绊绊地跟上。想要把任何一门学科讲清楚 都非常艰难,尤其是人工智能这般正处在快速变化、发展中的专业。懂行的人能轻松道出人工原创 2021-06-10 13:59:42 · 247 阅读 · 0 评论 -
【Mo 人工智能技术博客】联邦学习鲁棒性及相关论文分享
【技术博客】联邦学习鲁棒性及相关论文分享叶寅1 背景知识联邦学习系统比较容易受到各种错误的影响。这些错误包括一些非恶意性错误(比如预处理流程中的漏洞、噪音过强的训练标签和不可靠的用户),还包括一些旨在破坏系统训练过程和部署流程的显式攻击。这些非恶意性错误和显式攻击的影响,都可能会使系统的鲁棒性难以实现。这里我们主要讨论后者,也就是显示攻击:破坏联邦学习鲁棒性的攻击方,试图以一种对模型不利的方式修改来模型行为。根据攻击目标的不同,可以分为:1、无目标攻击,这类攻击的目标是降低模型的全局精度或全面“摧毁”原创 2020-12-15 12:28:21 · 2534 阅读 · 4 评论 -
【Mo 人工智能技术博客】浅谈多任务与联邦学习
多任务中一直很难避免数据隐私泄露的问题,引入联邦学习机制可以有效地避免隐私问题并且带来膜性能的提升。Federated Learning for Vision-and-Language Grounding Problems 这篇论文将多任务与联邦学习有机地结合了在一起,解决了Vision-and-Language Grounding Problems。借助这篇今年发表在AAAI的论文,浅谈多任务与联邦学习。论文主要工作提出一种联邦学习框架,通过生成细粒度的图像表示,框架提高了在不需要共享下游任务数据原创 2020-11-17 16:22:48 · 2531 阅读 · 0 评论 -
【Mo 人工智能技术博客】GAN入门实践
【技术博客】GAN入门实践作者:梅昊铭1. 原理介绍GAN全称是 Generative Adversarial Network,即生成对抗网络。Generative 学习一个生成式模型;Adversarial 使用对抗的方法训练;Networks 使用神经网络。GAN 模型是一种通过对抗的方式去学习数据分布的生成式模型,其核心思想就是通过生成式网络G(Generator)和判别网络D(Discriminator)不断博弈,来达到生成真数据的目的。 ![image.png](原创 2020-10-20 13:41:42 · 1039 阅读 · 2 评论 -
【Mo 人工智能技术博客】通过量化知识来解释知识蒸馏
【技术博客】通过量化知识来解释知识蒸馏知识蒸馏介绍知识蒸馏(Knowledge Distillation)最早是在2006年由 Bulica 提出的,在2014年 Hinton 对知识蒸馏做了归纳和发展。知识蒸馏主要思想是训练一个小的网络模型来模仿一个预先训练好的大型网络或者集成的网络。Hinton 在2015年发表的论文中提出了‘softmax temperature’的概念,对 softmax 函数做了改进:![](https://img-blog.csdnimg.cn/img_convert/8原创 2020-09-29 21:33:03 · 379 阅读 · 1 评论 -
【Mo 人工智能技术博客】激活函数(一)浅谈激活函数以及其发展
【专栏2】激活函数(一)浅谈激活函数以及其发展激活函数是神经网络的相当重要的一部分,在神经网络的发展史上,各种激活函数也是一个研究的方向。我们在学习中,往往没有思考过——为什么用这个函数以及它们是从何而来?![](https://imgconvert.csdnimg.cn/aHR0cHM6Ly9jZG4ubmxhcmsuY29tL3l1cXVlLzAvMjAyMC9qcGVnLzE2MjY5NTEvMTU5ODcwNTk1NjkyMi0yYjM5NTM1NC1jZjM3LTRlMWYtYjRiNy1iY原创 2020-09-01 11:01:53 · 852 阅读 · 1 评论 -
【Mo 人工智能技术博客】对抗性域适应
域适应简介域适应是迁移学习中最常见的问题之一,域不同但任务相同,且源域数据有标签,目标域数据没有标签或者很少数据有标签。域适应通过将源域和目标域的特征投影到相似的特征空间,这样就可以拿源域的分类器对目标域进行分类了下面拿二分类做说明,如下图:![域.PNG](https://imgconvert.csdnimg.cn/aHR0cHM6Ly9jZG4ubmxhcmsuY29tL3l1cXVlLzAvMjAyMC9wbmcvMTcyNDMyNi8xNTk3NzY4MTc2Mzg4LTM3MzE4MjZi原创 2020-08-25 13:11:22 · 3213 阅读 · 1 评论 -
【Mo 人工智能技术博客】ResNet的介绍和实现
ResNet的介绍和实现ResNet的介绍为什么要用ResNet我们都知道:在训练卷积神经网络的过程中,当浅层的神经网络训练效果较差时,可以通过适当地加深网络的层数,从而获取一个优化效果更好的模型。这是因为随着网络的深度的增加,网络所能提取的信息就能更加的丰富。然而在实际的实验过程中,我们会发现:随着网络深度的加深,训练集的loss首先会逐渐下降,然后趋于平缓;当我们继续加深网络的深度时,训练集的loss反而开始上升。也就是说,网络出现了“退化”(degradation)的现象。![图1.png]原创 2020-08-11 16:49:39 · 1475 阅读 · 1 评论 -
【Mo 人工智能技术博客】seq2seq聊天机器人
seq2seq聊天机器人作者:魏祖昌一、背景介绍人工智能技术的进步,语音识别技术、自然语言处理等技术的成熟,智能客服的发展很好的承接当下传统人工客服所面临的挑战。智能客服能够24小时在线为不同用户同时解决问题,工作效率高等特点,这是传统人工客服不能替代的,它能为公司节省大量的人工客服成本。在这次疫情当中,由于总总原因,大家肯定多多少少都见识过各种各样的智能客服。本文就基于seq2seq来介绍一个聊天机器人。二、seq2seqSeq2Seq即Sequence to Sequence,是一种时序对映射原创 2020-05-26 12:04:42 · 1577 阅读 · 0 评论 -
【Mo 人工智能技术博客】K-means:无监督聚类的经典算法
K-means:无监督聚类的经典算法作者:郑培无监督学习是一类用于在数据中寻找模式的机器学习技术。无监督学习算法使用的输入数据都是没有标注过的,这意味着数据只给出了输入变量(自变量 X)而没有给出相应的输出变量(因变量)。在无监督学习中,算法本身将发掘数据中有趣的结构。在监督学习中,系统试图从之前给出的示例中学习。(而在无监督学习中,系统试图从给定的示例中直接找到模式。)因此,如果数据集被标注过了,这就是一个监督学习问题;而如果数据没有被标注过,这就是一个无监督学习问题。聚类属于无监督学习,以往的回归原创 2020-05-19 21:37:48 · 4276 阅读 · 1 评论 -
【Mo 人工智能技术博客】python玩转信号处理与机器学习入门
python玩转信号处理与机器学习入门作者:王镇面对毫无规律的随机信号,看着杂乱无章的振动波形,你是否也像曾经的我一样一头雾水,不知从何处下手。莫慌,接下来小编就带你入门怎样用python处理这些看似毫无卵用实则蕴藏巨大信息的随机信号。我们日常生活中所见的心电图,声波图都是信号在时域上的一种表现,但它们无法呈现出信号在频域上的信息。因此,本文将主要介绍信号从时域到频域上的一些变换,常见的有FFT(快速傅里叶变换),PSD(功率谱密度),auto-correlation(自相关分析)。最后小编将带你完成一原创 2020-05-13 20:32:13 · 2298 阅读 · 0 评论 -
【Mo 人工智能技术博客】基于 Python 和 NLTK 的推特情感分析
基于 Python 和 NLTK 的推特情感分析作者:宋彤彤1. 导读NLTK 是 Python 的一个自然语言处理模块,其中实现了朴素贝叶斯分类算法。这次 Mo 来教大家如何通过 python 和 nltk 模块实现对推文按照正面情绪(positive)和负面情绪(negative)进行归类。在项目内部有可运行的代码教程 naive_code.ipynb 和 经过整理方便进行部署的部署文...原创 2020-05-06 18:39:38 · 1662 阅读 · 0 评论 -
【Mo 人工智能技术博客】特征工程介绍
特征工程介绍作者:林泽龙1 特征工程是什么?优秀的模型往往取决于优秀的特征提取,而特征提取就需要涉及到特征工程了。特征工程是的目的是最大限度地从原始数据中提取特征以供算法和模型使用。因此特征工程主要是在特征处理方面进行,接下来向大家介绍几种经典和有效的特征工程方法。实践前需要安装sklearn库,它提供了较为完整的特征处理方法,包括数据预处理,特征选择,降维等。本文中使用sklearn中的...原创 2020-04-21 10:52:04 · 377 阅读 · 0 评论 -
【Mo 人工智能技术博客】深度学习新星:图卷积神经网络GCN
深度学习新星:图卷积神经网络GCN作者:金松引言深度学习一直都是被几大经典模型给统治着,如CNN、RNN等等,它们无论再CV还是NLP领域都取得了优异的效果,那这个GCN是怎么跑出来的?是因为我们发现了很多CNN、RNN无法解决或者效果不好的问题——图结构的数据。图片或者语言,都属于欧式空间的数据,因此才有维度的概念,欧式空间的数据的特点就是结构很规则。但是现实生活中,其实有很多很多不规则...原创 2020-04-07 13:44:25 · 1335 阅读 · 1 评论 -
【Mo 人工智能技术博客】用Python做中文分词与词云制作
作者:梅昊铭1. 导读在大数据时代,我们经常在媒体或者网站上看到各种各样的信息图。词云是文本大数据可视化的重要方式,可以将大段文本中的关键语句和词汇高亮展示。对于中文文本的可视化,我们需要先将中文文本进行分词;然后再将文本中的关键词做词云展示。本文将教大家如何使用Python来做中文分词并制作词云,欢迎大家跟着教程一步步实现。项目地址:https://momodel.cn/workspace...原创 2020-03-31 13:24:49 · 2950 阅读 · 0 评论 -
【Mo 人工智能技术博客】CNN实现表情识别
作者:魏祖昌一、背景介绍2020年1月29日,教育部有关负责人在接受采访时表示,防控新型冠状病毒肺炎是当前头等重要的大事,各级教育部门正按教育部和当地党委政府统一部署要求,全力防控,坚决防止疫情在学校蔓延,延期开学是其中的一项重要举措。与此同时,各地教育部门也为服务保障防控疫情期间中小学校“停课不停教、不停学”做了大量工作。线上教学随即由此出现了。但是随着网络教学的升入进行,教师不能通过像教......原创 2020-03-24 12:33:48 · 3976 阅读 · 3 评论 -
【Mo 人工智能技术博客】CNN网络实现垃圾分类
作者:王镇1. 背景自2019年7月1日起,随着《上海市生活垃圾管理条例》正式实施,垃圾分类工作在全国由点到面逐步推开。垃圾分类可以最大限度的实现垃圾资源利用,减少垃圾处置量,改善生存环境质量,降低垃圾对于地下水的污染。由于垃圾分类条例刚开始实施,很多居民还没有足够强的垃圾分类意识,生活中垃圾分类并没能得到很好的落实。因此垃圾收集站依然有很强的垃圾自动分类需求。本文通过搭建一个简单的CNN网络......原创 2020-03-10 13:47:35 · 5389 阅读 · 2 评论 -
【Mo 人工智能技术博客】基于YOLOv1的视频口罩检测
作者:宋彤彤2019 新冠肺炎疫情爆发,让人们的出行发生了很大的变化——自 1 月 24 日武汉宣布封城之后,各省市陆续启动重大突发公共卫生事件一级响应以控制人口流动。很多城市都已规定必须佩戴口罩、测量体温才能搭乘公共交通。2 月 10 号返工日之前,上海、北京等重点城市也陆续放出新规:出入机场、轨道交通、长途汽车站、医疗卫生机构、商场超市等公共场所,未佩戴口罩者将被劝阻。2 月 13 日,百...原创 2020-03-10 14:27:29 · 182 阅读 · 1 评论 -
【Mo 人工智能技术博客】利用Logistic函数和LSTM分析疫情数据
利用Logistic函数和LSTM分析疫情数据作者:林泽龙 Mo1. 背景2019 新型冠状病毒 (SARS-CoV-2),曾用名 2019-nCoV,通用简称新冠病毒,是一种具有包膜的正链单股 RNA 冠状病毒,为 2019 年底出现的新型冠状病毒感染的肺炎疫情的病原。在疫情爆发期间,研究人员对肺炎阳性患者样本进行核酸检测以及基因组测序后发现了这一病毒。如今疫情成了人们最为关心的话题,通...原创 2020-02-18 12:35:23 · 1188 阅读 · 1 评论 -
【Mo 人工智能技术博客】多标准中文分词 Multi-Criteria-CWS
多标准中文分词 Multi-Criteria-CWS作者:宋彤彤 自然语言处理(NLP)是人工智能中很重要且具有挑战性的方向,而自然语言处理的第一步就是分词,分词的效果直接决定和影响后续工作的效率。我们生活和工作中每天都产生着大量的中文数据,由于中文和英文在词句方面有很大的不同,比如英文单词之间以空格作为自然分界符,而中文只是字、句和段能通过明显的分界符来简单划界,“词”和“词组”边界模糊...原创 2019-11-18 22:08:43 · 497 阅读 · 1 评论 -
【Mo 人工智能技术博客】知识蒸馏-Distilling the knowledge in a neural network
知识蒸馏-Distilling the knowledge in a neural network作者:支广达1. 概念介绍“很多昆虫在幼虫形态的时候是最擅长从环境中吸取能量和养分的,而当他们成长为成虫的时候则需要擅长完全不同能力比如迁移和繁殖。”在2014年Hinton发表的知识蒸馏的论文中用了这样一个很形象的比喻来说明知识蒸馏的目的。在大型的机器学习任务中,我们也用两个不同的阶段 tra...原创 2019-11-11 16:29:48 · 1285 阅读 · 1 评论 -
【Mo 人工智能技术博客】胶囊网络——Capsule Network
胶囊网络——Capsule Network作者:林泽龙1. 背景介绍CNN 在处理图像分类问题上表现非常出色,已经完成了很多不可思议的任务,并且在一些项目上超过了人类,对整个机器学习的领域产生了重大的影响。而 CNN 的本质由大量的向量和矩阵的相乘或者相加,因此神经网络的计算消耗非常大,所以将一张图片上全部像素信息传递到下一层运算是十分困难的,所以出现了“卷积”和“池化”这种方法,能够在不损...原创 2019-11-04 16:53:26 · 2850 阅读 · 1 评论 -
【Mo 人工智能技术博客】时间序列预测——DA-RNN模型
时间序列预测——DA-RNN模型作者:梅昊铭1. 背景介绍传统的用于时间序列预测的非线性自回归模型(NRAX)很难捕捉到一段较长的时间内的数据间的时间相关性并选择相应的驱动数据来进行预测。本文将介绍一种基于 Seq2Seq 模型(Encoder-Decoder 模型)并结合 Attention 机制的时间序列预测方法。作者提出了一种双阶段的注意力机制循环神经网络模型(DA-RNN),能够很好...原创 2019-11-01 17:01:46 · 8348 阅读 · 6 评论 -
【Mo 人工智能技术博客】GeoMAN:多层Attention网络用于地理传感器的时序性预测
GeoMAN:多层Attention网络用于地理传感器的时序性预测作者: 魏祖昌1 简介在我们现实生活中,已经部署大量的传感器(比如气象站点)。每一个传感器都有自己独特的地理空间位置,并且不断的产生时间序列读数。一组传感器共同监测一个空间的环境,这些读数之间就会有空间相关性,我们称这些传感器的读数为地理感知时间序列。此外,当不同空间位置用同一种传感器来监测, 通常会产生多种地理感知的时间序列...原创 2019-10-31 21:55:58 · 2405 阅读 · 2 评论 -
【Mo 人工智能技术博客】DDTW 导数动态时间规整算法
DDTW 导数动态时间规整算法作者:郑培Derivative Dynamic Time Warping(DDTW) 是对 Dynamic Time Warping (DTW) 的一种改进。缓解了经典DTW算法所产生的“奇点”(Singularities)问题,本文将从以下几个方面介绍DDTW算法。1、算法背景时间序列是几乎每一个科学学科中普遍存在的数据形式。时间序列的常见处理任务是将一个序...原创 2019-10-17 17:23:41 · 4871 阅读 · 5 评论 -
【Mo 人工智能技术博客】基于耦合网络的推荐系统
基于耦合网络的推荐系统作者:陈东瑞1.复杂网络基础知识当我们拿起手机给家人、朋友或者同事拨打电话时,就不知不觉中参与到了社交网络形成的过程中;当我们登上高铁或者飞机时,就可以享受交通网络给我们带来的方便;即使当我们躺在床上什么也不干时,大脑中的神经元们也会形成巨大的复杂网络相互传递信号,帮助我们思考或者行动。复杂网络是将现实世界中各种大型复杂系统抽象成网络来进行研究的一种理论工具,在自然界中...原创 2019-10-14 17:46:40 · 2494 阅读 · 1 评论 -
【Mo 人工智能技术博客】积神经网络 GoogLeNet
1. 介绍我们之前已经讲解过 AlexNet,在这个基础上我们来学习一下 GoogLeNet。 GoogLeNet 获得了 2014 年 ImageNet 挑战赛 (ILSVRC14) 的第一名。那么 GoogLeNet 是如何提升网络性能的呢? 一般来说,提升网络性能最直接的办法就是增加网络深度和宽度,深度指网络层次数量、宽度指神经元数量。...原创 2019-07-21 13:31:53 · 832 阅读 · 2 评论 -
【Mo 人工智能技术博客】电商购物评论的情感分析
随着网上购物越来越流行,人们对于网上购物的需求变得越来越高,这让京东,淘宝等电商平台得到了很大的发展机遇。但是,这种需求也推动了更多的电商平台的发展,引发了激烈的竞争。在这种电商平台激烈竞争的大背景下,除了提高商品质量,压低商品价格外,了解更多的消费者心声对于电商平台来说也越来越重要。其中非常重要的一种方式就是针对消费者的文本评论数据进行内在信息的数据挖掘分析。而得到这些信息,也有利于对应商品的......原创 2019-07-31 22:35:25 · 4875 阅读 · 1 评论 -
【Mo 人工智能技术博客】交通量预测——极端情况下的预测算法
1.背景介绍在高方差时段(如节假日和体育赛事等等)准确的预测交通量,对于异常检测、资源分配、预算规划和其他相关的任务都是至关重要,这些任务有助于网约车大规模优化用户体验,然而,预测这些变量极具挑战性,因为这种极端事件预测取决于天气、城市人口增长和其他导致预测不确定性的外部因素。近几年来,长短期记忆网络技术以其端到端建模,易于映入外生变量和自动特征抽取的特点,成为了一种流行的时间序列建模框架......原创 2019-08-14 09:58:26 · 3255 阅读 · 4 评论 -
【Mo 人工智能技术博客】深度神经网络——中文语音识别
1. 背景介绍语音是人类最自然的交互方式。计算机发明之后让机器能够“听懂”人类的语言、理解语言含义,并能做出正确回答就成为了人们追求的目标。这个过程主要采用了 3 种技术,即自动语音识别(automatic speech recognition,ASR)、自然语言处理(natural language processing,NLP)和语音合成(speech synthesis,SS)。...原创 2019-08-29 22:32:11 · 9943 阅读 · 3 评论 -
【Mo 人工智能技术博客】Attention Is All You Need
还在用 RNN 做 NLP ?NLP迎来新纪元了!快来学习下现在最火的BERT用的Transformer模型吧。谷歌团队在18年提出的用于生成词向量的BERT算法在NLP的11项任务中取得了效果的大幅提升,堪称2018年深度学习领域最振奋人心的消息。而BERT算法的最重要的部分谷歌团队在17年发表的论文《Attention Is All You Need》中提出的Transformer的概念。...原创 2019-09-02 17:23:35 · 401 阅读 · 1 评论 -
【Mo 人工智能技术博客】LSTM股票市场预测入门
作者:宋彤彤相信很多人都会对股票市场数据的起起伏伏感到好奇,特别想知道他们未来的趋势会是怎样,最近看到一篇用 LSTM 做初步的股票市场预测的文章,在这里分享给大家。1. LSTM 神经元首先我们来认识一下 LSTM 神经元:长期困扰传统神经网络结构的一个基本问题是解释“信息”和“上下文”相互依赖的输入序列。这里的“信息”可以是句子中先前的单词以允许上下文预测下一个单词可能是什么,或者...原创 2019-09-14 15:39:26 · 1581 阅读 · 1 评论 -
【Mo 人工智能技术博客】CycleGan实现图像转换
作者:王镇引言1873年的一个春日,在阿让特伊的塞纳河畔,莫奈用纤细的笔触和明亮的调色板记录下了眼前塞纳河畔美丽的田园风光。我们不免想象如果当时有相机的话,会留下一张怎样的照片呢。在一个凉爽的夏日傍晚,面对卡西斯港口的美丽景色,我们拿起相机时是否又会想象莫奈会如何来记录眼前的此番景象呢。尽管我们没有看到莫奈画作的场景照片,在有了一组莫奈风格画作和真实风景照片后,利用 CycleGan,我们能......原创 2019-09-18 19:17:01 · 3044 阅读 · 1 评论 -
【Mo 人工智能技术博客】风格迁移——艺术风格化的神经网络算法
1. 背景介绍在艺术绘画的创作过程中,人们通过将一张图片的内容和风格构成复杂的相互作用来产生独特的视觉体验。然而,所谓的艺术风格是一种抽象的难以定义的概念。因此,如何将一个图像的风格转换成另一个图像的风格更是一个复杂抽象的问题。尤其是对于机器程序而言,解决一个定义模糊不清的问题是几乎不可行的。在神经网络之前,图像风格迁移的程序采用的思路是:分析一种风格的图像,为这种风格建立一个数学统计模型;再...原创 2019-07-13 20:51:41 · 2695 阅读 · 1 评论