![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习合集
文章平均质量分 90
这个专栏用于收集深度学习的相关的合集
翼达口香糖
一个喜欢不断尝试新事物的小菜鸡
展开
-
以California Housing Prices Dataset为例使用Captum解释回归模型
以California Housing Prices Dataset为例使用Captum解释回归模型原创 2024-03-18 16:56:39 · 622 阅读 · 0 评论 -
Tensorflow,pytorch,Caffe,MXNet,PaddlePaddle,THeano算法框架哪家强?
深度学习架构TensorflowCaffePytorchMXNetCNTKPaddlepaddleDarknet深度学习平台介绍这里将详细介绍目前应用最广泛的7种深度学习平台(包括 Tensorflow、 Caffe、 Pytorch、MXNet、CNTK、 Paddlepaddle、Darknet)的基本原理、主要特性和优势,以及它们的应用场景,并且对它们未来的潜力及发展进行大致的评估,可以帮助初学者选择和掌握适合自己的发展的深度学习框架。参考:《深度神经网络FPGA设计与实现》–西安电子科技大学-原创 2022-03-14 15:47:59 · 5077 阅读 · 0 评论 -
机器视觉实战应用:手势、人脸、动作以及手势鼠标构建(一)
本文主要对机器视觉中几种有趣应用介绍,并为后面的代码演示奠定基础原创 2023-12-26 23:43:04 · 1681 阅读 · 0 评论 -
朴素贝叶斯典型的三种算法
朴素贝叶斯典型的三种算法朴素贝叶斯主要有三种算法:贝努利朴素贝叶斯、高斯贝叶斯和多项式贝叶斯三种算法**贝努利朴素贝叶斯:**也称为二项分布或者0-1分布,元素的结果只有两种可能的结果。**高斯贝叶斯:**样本符合正态分布或者说高斯分布时采用的算法**多项式贝叶斯:**用于拟合多项式分布的数据集,相似与贝努利,比如说抛骰子,元素的结果可能有n种结果贝叶斯定理:比如说出门带伞的问题:天气预报说出门下雨的概率为50%–P(A)下班时间堵车的概率为80%–P(B)如果下雨堵车的概率为95%–P(原创 2021-02-07 13:57:31 · 2508 阅读 · 3 评论 -
整个机器学习入门框架以及机器学习预测股票市场例子-笔记海纳百川版
整个机器学习入门框架以及机器学习预测股票市场例子-笔记海纳百川版平时我们买股票的时候通常是看看他的各种参数指数,通常有各种指数去参考分析。同时各种K线无非也是各种数据的可视化,最后还是回归在数据身上。在机器学习中,我们就可以深度学习通过这些数据建立新的模型,让电脑帮你想,告诉你该选哪个的赚钱概率大。机器学习可以处理十几个的经济指数,同时你不需要掌握太多的经济知识,因为机器学习会学习出重要的特征。我们这次就直接从股市软件直接倒出数据来分析,实时数据。基本上我们的普通的电脑可以处理50万数量级一下的机器学习原创 2021-02-27 17:07:37 · 973 阅读 · 1 评论 -
深度学习-服装种类识别实例(超详细的tensorflow讲解)
深度学习-服装种类识别实例大体说明这是一个技术tensorflow的技术文档,这个指南将训练一个神经网络模型,对运动鞋和衬衫等服装图像进行分类。指南使用了tf.keras,它是 TensorFlow 中用来构建和训练模型的高级 API。引入所需要的工具模块#首先我们需哟引入我们需要的工具模块import tensorflow as tffrom tensorflow import keras# 引入数据分析工具和画图工具import numpy as npimport matplotli原创 2021-07-01 08:38:08 · 6051 阅读 · 7 评论 -
tensorflow-CNN识别不同物体图像
tensorflow-CNN识别不同物体图像这个是技术文档中经典的一个案例,对不同的图像的类别进行分类导入 TensorFlowimport tensorflow as tffrom tensorflow.keras import datasets, layers, modelsimport matplotlib.pyplot as plt下载并准备 CIFAR10 数据集CIFAR10 数据集包含 10 类,共 60000 张彩色图片,每类图片有 6000 张。此数据集中 50000 个原创 2021-07-01 13:30:02 · 1196 阅读 · 1 评论 -
深度学习-tensorflow对花的品种进行分类
深度学习-tensorflow对花的品种进行分类这里会展示如何对花的图像进行分类。它使用keras创建一个图像分类器。顺序模型,并使用预处理.image_dataset_from_directory加载数据。主要的流程就是加载数据集。识别过拟合并应用技术来减轻它,包括数据扩充和Dropout。基本的机器学习流程:检查和理解数据构建输入管道构建模型训练模型测试模型改进模型并重复此过程导入TensorFlow和其他库import matplotlib.pyplot as pltimpor原创 2021-07-01 22:59:15 · 4060 阅读 · 5 评论 -
tensorflow循环神经网络(RNN)文本生成莎士比亚剧集
tensorflow循环神经网络(RNN)文本生成莎士比亚剧集我们将使用 Andrej Karpathy 在《循环神经网络不合理的有效性》一文中提供的莎士比亚作品数据集。给定此数据中的一个字符序列 (“Shakespear”),训练一个模型以预测该序列的下一个字符(“e”)。通过重复调用该模型,可以生成更长的文本序列。注意:启用 GPU 加速可以更快地执行此笔记本。在 Colab 中依次选择:运行时 > 更改运行时类型 > 硬件加速器 > GPU。如果在本地运行,请确保 TensorF原创 2021-07-02 05:20:34 · 1985 阅读 · 2 评论 -
CV项目手势识别(二)内附完整代码和详细讲解
CV项目手势识别(二)先给出一个基础代码,等会慢慢讲解这里用的语言是python,后面也是一直用python,因为这种语言在人工智能领域正在被广泛地使用,同时因为其容易上手并且数据库强大而受到欢迎。这里的编程平台你可以使用jupyter或者终端、pycharm都是可以的,只要提前下载好这些函数库就可以import cv2import mediapipe as mpimport timecap = cv2.VideoCapture(1)mpHands = mp.solutions.hands原创 2021-09-05 20:12:20 · 3543 阅读 · 4 评论 -
CV项目肢体动作识别(三)内附完整代码和详细讲解
CV项目肢体动作识别(三)内附完整代码和详细讲解首先我还是给出完整的代码,然后再进行详细的讲解。这一次我们用模块化的思想,把一个功能模块化(moudle),这种思想在工程中非常常见,在分工中你需要做好自己的工作就可以,最后再调用这些模块。首先我给一个简化板的basic代码,第二个是我们模块化的代码,第一个代码和在(二)中讲解的已经非常详细了,这里我们就着重讲解怎么养模块化。import cv2import mediapipe as mpimport timempDraw = mp.solutio原创 2021-09-08 14:59:41 · 3346 阅读 · 1 评论 -
体系化数学讲解及Excel实现NN神经网络全流程
体系化数学讲解及Excel实现NN神经网络全流程当下神经网络及其应用都非常受欢迎,但是大多数人用的神经网络多是一个库或者选择一段开源代码,对于其中的数学基础以及其中的架构知之甚少,这次我们就通过讲解所有神经网络的数学公式以及通过数学公式在办公软件Excel上实现对数字的识别。讲解数学公式部分我就不用latex来打,因为时间实在不够,全程采用书写,Excel文件会上传到博客资源中提供下载。我们这次的讲解的角度主要源自“深度学习的数学”一书,下面是这本书的第一章的链接,感兴趣的伙伴可以买来学习。第一章内原创 2022-01-17 18:22:34 · 1846 阅读 · 1 评论 -
狠补基础-数学+算法角度讲解卷积层,激活函数,池化层,Dropout层,BN层,全链接层
狠补基础-数学+算法角度讲解卷积层,激活函数,池化层,Dropout层,BN层,全链接层在这篇文章中您将会从数学和算法两个角度去重新温习一下卷积层,激活函数,池化层,Dropout层,BN层,全链接层,为您以后修改架构或者自己调试模型提供便利。点这里直接跳读狠补基础-数学+算法角度讲解卷积层,激活函数,池化层,Dropout层,BN层,全链接层卷积层激活函数层Sigmoid函数ReLU函数Softmax函数池化层Dropout层BN层全连接层卷积层卷积本是分析数学中的一种运算,在深度学习中使用的卷原创 2022-03-30 10:18:32 · 8292 阅读 · 4 评论 -
四张图片道清AI大模型的发展史(1943-2023)
快速了解大规模语言模型的发展历程原创 2023-08-16 05:46:21 · 5774 阅读 · 0 评论 -
2023 年最好的 AI 生产力工具
36个好用的AI工具汇总原创 2023-08-16 17:38:28 · 873 阅读 · 0 评论 -
2023年排行前五的大规模语言模型(LLM)
在人工智能迅速发展的今天,大型语言模型(LLMs)已经成为人们热议的话题。它们在自然语言处理(NLP)领域取得了巨大的成功,并且已经广泛用于各种应用,从文本生成到问题回答,再到对话式AI。我们看到了许多公司不断推出越来越强大的LLMs,这些模型在语言理解和生成方面超越了以前的记录。在2023年,像GPT-4、GPT-3、Gopher、PaLM和LaMDA等最先进的LLMs展示了人工智能在理解和处理人类语言方面的显著进展。原创 2023-08-17 04:15:27 · 4028 阅读 · 0 评论