暂时未有相关云产品技术能力~
专注于python、算法、机器学习及深度学习等相关技术分享,欢迎关注,共同学习交流。
【保姆级教程】【YOLOv8替换主干网络】【1】使用efficientViT替换YOLOV8主干网络结构
基于YOLOv8深度学习的45种交通标志智能检测与识别系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战
基于YOLOv8深度学习的200种鸟类智能检测与识别系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战
基于YOLOv8深度学习的高精度车辆行人检测与计数系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战
基于YOLOv8深度学习的120种犬类检测与识别系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战、狗类检测、犬种识别
基于YOLOv8深度学习的火焰烟雾检测系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战
在python的应用程序中如何终止QThread 线程
一招告别百度广告烦恼,同时效率提高100倍的几个常用搜索技巧!
敢不敢和AI比猜拳?能赢算我输----基于手势识别的AI猜拳游戏【含python源码+PyqtUI界面+原理详解】-python手势识别 深度学习实战项目
基于YOLOv8的多目标检测与自动标注软件【python源码+PyqtUI界面+exe文件】【深度学习】
【SAM模型超级进化】MobileSAM轻量化的分割一切大模型出现,模型缩小60倍,速度提高40倍,效果不减
活体检测眨眼、张嘴、点头、摇头动作一网打尽:人脸面部活体检测系统【含Python源码+PyqtUI界面+原理详解】
基于深度学习的人脸面部表情识别系统【含Python源码+PyqtUI界面+原理详解】
基于OpenCV的人脸对齐步骤详解及源码实现
huggingface下载的.arrow数据集读取与使用说明
【决策树】一文看懂图解决策树原理:信息熵、条件熵与信息增益
【超详细】【YOLOV8使用说明】一套框架解决CV的5大任务:目标检测、分割、姿势估计、跟踪和分类任务【含源码】
【tensorboard】深度学习的日志信息events.out.tfevents文件可视化工具
【从零开始学习深度学习】29.卷积神经网络之GoogLeNet模型介绍及用Pytorch实现GoogLeNet模型【含完整代码】
【从零开始学习深度学习】30. 神经网络中批量归一化层(batch normalization)的作用及其Pytorch实现
【从零开始学习深度学习】28.卷积神经网络之NiN模型介绍及其Pytorch实现【含完整代码】
【从零开始学习深度学习】26.卷积神经网络之AlexNet模型介绍及其Pytorch实现【含完整代码】
【从零开始学习深度学习】27.卷积神经网络之VGG11模型介绍及其Pytorch实现【含完整代码】
【从零开始学习深度学习】21. 卷积神经网络(CNN)之二维卷积层原理介绍、如何用卷积层检测物体边缘
一文看懂卷积运算(convolution)与互相关运算(cross-correlation)的区别
【阿旭机器学习实战】【28】自己动手写一个单词拼写检查器---基于贝叶斯公式
深度学习入门(5)如何对神经网络模型训练结果进行评价
深度学习入门(4)【深度学习实战】无框架实现两层神经网络的搭建与训练过程
深度学习入门(3)神经网络参数梯度的计算方式
深度学习入门(2)神经网络
深度学习入门(1)感知机
【机器学习知识点】2. 输入一个多项式,返回该多项式的一阶导数多项式
【从零开始学习深度学习】14. 防止过拟合方法:Dropout方法介绍及示例演示
【从零开始学习深度学习】13. 防止过拟合方法:权重衰减(L2惩罚项)介绍及示例演示
【从零开始学习深度学习】12. 什么是模型的训练误差?基于三阶多项式的欠拟合与过拟合训练过程演示
【从零开始学习深度学习】11.使用Pytorch实现多层感知机的构建与训练
【从零开始学习深度学习】10.自己动手从零开始实现一个多层感知机
【从零开始学习深度学习】9.多层感知机MLP及常用激活函数介绍
【从零开始学习深度学习】8.Pytorch实现softmax回归模型训练
【从零开始学习深度学习】7.自己动手实现softmax回归的训练与预测
【从零开始学习深度学习】6.使用torchvision下载与查看图像分类数据集Fashion-MNIST
【从零开始学习深度学习】5.用于分类问题的softmax回归模型原理简介
【从零开始学习深度学习】4.基于pytorch框架自带模型实现线性回归的训练过程
【从零开始学习深度学习】3. 基于pytorch手动实现一个线性回归模型并进行min--batch训练
【从零开始学习深度学习】2. 深度学习框架Pytorch如何自动求梯度(gradient)
深度学习入门(9)神经网络Affine与Softmax层的计算图表示方式及其误差反向传播的代码实现
深度学习入门(8)激活函数ReLU和 Sigmoid的计算图表示方式及其误差反向传播的代码实现
深度学习入门(7)误差反向传播计算方式及简单计算层的实现
【机器学习知识点】【1】二维与三维空间梯度下降微分求解及可视化展示
深度学习入门(6)误差反向传播基础---计算图与链式法则