6ybclawazwxz6_社区达人页
产品
解决方案
文档与社区
权益中心
定价
云市场
合作伙伴
支持与服务
了解阿里云
AI 助理
备案
控制台
开发者社区
首页
探索云世界
探索云世界
云上快速入门,热门云上应用快速查找
了解更多
问产品
动手实践
官方博客
考认证
TIANCHI大赛
活动广场
活动广场
丰富的线上&线下活动,深入探索云世界
任务中心
做任务,得社区积分和周边
高校计划
让每位学生受益于普惠算力
训练营
资深技术专家手把手带教
话题
畅聊无限,分享你的技术见解
开发者评测
最真实的开发者用云体验
乘风者计划
让创作激发创新
阿里云MVP
遇见技术追梦人
直播
技术交流,直击现场
下载
下载
海量开发者使用工具、手册,免费下载
镜像站
极速、全面、稳定、安全的开源镜像
技术资料
开发手册、白皮书、案例集等实战精华
插件
为开发者定制的Chrome浏览器插件
探索云世界
新手上云
云上应用构建
云上数据管理
云上探索人工智能
云计算
弹性计算
无影
存储
网络
倚天
云原生
容器
serverless
中间件
微服务
可观测
消息队列
数据库
关系型数据库
NoSQL数据库
数据仓库
数据管理工具
PolarDB开源
向量数据库
热门
百炼大模型
Modelscope模型即服务
弹性计算
云原生
数据库
云效DevOps
龙蜥操作系统
平头哥
钉钉开放平台
物联网
大数据
大数据计算
实时数仓Hologres
实时计算Flink
E-MapReduce
DataWorks
Elasticsearch
机器学习平台PAI
智能搜索推荐
数据可视化DataV
人工智能
机器学习平台PAI
视觉智能开放平台
智能语音交互
自然语言处理
多模态模型
pythonsdk
通用模型
开发与运维
云效DevOps
钉钉宜搭
支持服务
镜像站
码上公益
6ybclawazwxz6
已加入开发者社区
680
天
勋章
更多
专家博主
专家博主
星级博主
星级博主
技术博主
技术博主
初入江湖
初入江湖
成就
已发布139篇文章
0条评论
已回答0个问题
0条评论
已发布0个视频
github地址
我关注的人
更多
开发者社区
开发者社区
小周sir
小周sir
粉丝
更多
cyb80
cyb80
技术能力
兴趣领域
擅长领域
技术认证
暂时未有相关云产品技术能力~
暂无个人介绍
精选
高分内容
最新动态
文章
问答
视频
暂无精选文章
暂无更多信息
2022年10月
10.19
20:07:29
发表了文章
2022-10-19 20:07:29
Leetcode_Python 448 找到所有数组中消失的数字
思考:我们可以设置一个计数器计算每个数出现的次数,最后为0的就是缺失的。 比较简单就不一一赘述
10.19
20:07:01
发表了文章
2022-10-19 20:07:01
Leetcode_Python 697 数组的度
思考:本题目主要是找出数组的度,然后根据度对应的数值找到最短的子数列(度相同),以[2,3,4,3,6,7,7]为例。
10.19
20:06:25
发表了文章
2022-10-19 20:06:25
Leetcode_Python 645 错误的集合
思考: 本题目主要是求出列表中重复的数据,并丢找出丢失的整数。
10.19
20:05:12
发表了文章
2022-10-19 20:05:12
EagleEye: Fast Sub-net Evaluation for Efficient Neural Network Pruning(论文阅读)(下)
说明 动机 贡献 方法 发现 EagleEye剪枝算法 实验 实验1- 相关性的定量分析 实验2-基于自适应BN的评估方法的通用性 实验3-从修剪候选中选择最佳修剪策略的计算成本 实验4-Effectiveness of our proposed method 总结与讨论
10.19
20:04:54
发表了文章
2022-10-19 20:04:54
EagleEye: Fast Sub-net Evaluation for Efficient Neural Network Pruning(论文阅读)(上)
说明 动机 贡献 方法 发现 EagleEye剪枝算法 实验 实验1- 相关性的定量分析 实验2-基于自适应BN的评估方法的通用性 实验3-从修剪候选中选择最佳修剪策略的计算成本 实验4-Effectiveness of our proposed method 总结与讨论
10.19
19:59:07
发表了文章
2022-10-19 19:59:07
The Sandwich Rule
目标:训练一个可以直接以任意宽度运行的单一网络。其实是在权重共享的条件下,我们可以根据不同的硬件设备挑选不同宽度的网络,不再重训练一个权重。
10.19
19:55:13
发表了文章
2022-10-19 19:55:13
IJCAI_2020_Channel Pruning via Automatic Structure Search
1 摘要 通道修剪是压缩深层神经网络的主要方法之一。
10.19
19:50:38
发表了文章
2022-10-19 19:50:38
pytorch权重初始化
我们定义的网络如下所示
10.19
19:49:37
发表了文章
2022-10-19 19:49:37
Exploring the Regularity of Sparse Structure in Convolutional Neural Networks(在卷积神经网络中探索稀疏结构的规律性)
作者提出 基于论文Learning both weights and connections for efficient neural network修剪的方法在保留精度以及实现更高的压缩率方面确实很好。但是,这种改进是以稀疏计算模式的不规则性为代价的。 另一方面结构化的剪枝(例如修剪掉整个过滤器),但是比修剪单个权重会引起更大的精度损失。
10.19
19:45:38
发表了文章
2022-10-19 19:45:38
基于DCT变换的JPEG图像压缩
图像和视频通常在计算机中表示会占用非常大的空间,而出于节省硬盘空间的考虑,往往要进行压缩。而随着网络的发展,图像压缩技术越来越被人所重视。DCT变换是图像压缩的一项重要技术,本文主要对基于DCT变换的JPEG图像压缩进行研究,并用Matlab进行了算法仿真。实验结果表明, JPEG压缩算法实现简单,在很大的压缩范围内,都能得到很好的重建图像质量。 关键词:DCT变换;JPEG图像;压缩
10.19
19:42:14
发表了文章
2022-10-19 19:42:14
numpy方法积累
目录 1. numpy.percentile()的使用
10.19
19:41:18
发表了文章
2022-10-19 19:41:18
pytorch使用方法积累
1. net.parameters()查看网络参数 2. torch.optim.lr_scheduler.MultiStepLR 2.1 学习率的参数配置
10.19
19:37:33
发表了文章
2022-10-19 19:37:33
基于Fashion-MNIST数据集的模型剪枝(下)
1. 介绍 1.1 背景介绍 目前在深度学习中存在一些困境,对于移动是设备来说,主要是算不好;穿戴设备算不来;数据中心,大多数人又算不起 。这就是做模型做压缩与加速的初衷。
10.19
19:37:23
发表了文章
2022-10-19 19:37:23
基于Fashion-MNIST数据集的模型剪枝(上)
1. 介绍 1.1 背景介绍 目前在深度学习中存在一些困境,对于移动是设备来说,主要是算不好;穿戴设备算不来;数据中心,大多数人又算不起 。这就是做模型做压缩与加速的初衷。
10.19
19:33:48
发表了文章
2022-10-19 19:33:48
tebsorflow2.0 语义分割(Oxford-IIIT数据集)(下)
语义分割是在像素级别上的分类,属于同一类的像素都要被归为一类,因此语义分割是从像素级别来理解图像的。The Oxford-IIIT Pet Dataset是一个宠物图像数据集,包含37种宠物,每种宠物200张左右宠物图片,并同时包含宠物轮廓标注信息。下面就是tensorflow2.0的对该数据集的语义分割实现。本文基于TF2.0 , 谷歌Colab平台。
10.19
19:33:33
发表了文章
2022-10-19 19:33:33
tebsorflow2.0 语义分割(Oxford-IIIT数据集)(上)
语义分割是在像素级别上的分类,属于同一类的像素都要被归为一类,因此语义分割是从像素级别来理解图像的。The Oxford-IIIT Pet Dataset是一个宠物图像数据集,包含37种宠物,每种宠物200张左右宠物图片,并同时包含宠物轮廓标注信息。下面就是tensorflow2.0的对该数据集的语义分割实现。本文基于TF2.0 , 谷歌Colab平台。
10.19
19:30:15
发表了文章
2022-10-19 19:30:15
tebsorflow2.0 图像定位+分类(Oxford-IIIT数据集)
对于单纯的分类问题,比较容易理解,给定一副图画,我们输出一个标签的类别。而对于定位问题,需要输出四个数字(x,y,w,h),图像的某一点坐标(x,y),以及图像的宽度和高度,有了这四个数字,我们很容易找到物体的边框。
10.19
19:27:56
发表了文章
2022-10-19 19:27:56
tebsorflow2.0 多输出模型实例
1. 简单介绍 2. 加载相关数据包 2.1 图片的路径的配置 2.2 读取图片 3. 图片预处理 4. 训练阶段 4.1 设置验证集与数据集 4.2 构建模型并训练 5. 模型评估
10.19
19:25:12
发表了文章
2022-10-19 19:25:12
tebsorflow2.0 使用Keras编写自定义图层和模型(下)
1.构建自定义层 1.1 基本模型框架构建 1.2 延迟创建权重,直到知道输入的形状 1.3 层的递归组合 1.4 层中创建loss张量 1.5 选择性地将层序列化 1.6 在call方法中给与训练参数特权 2. 建立模型
10.19
19:25:03
发表了文章
2022-10-19 19:25:03
tebsorflow2.0 使用Keras编写自定义图层和模型(上)
1.构建自定义层 1.1 基本模型框架构建 1.2 延迟创建权重,直到知道输入的形状 1.3 层的递归组合 1.4 层中创建loss张量 1.5 选择性地将层序列化 1.6 在call方法中给与训练参数特权 2. 建立模型
10.19
18:45:22
发表了文章
2022-10-19 18:45:22
MATLAB-直方图均衡化
直方图均衡化(Histogram Equalization) 又称直方图平坦化,实质上是对图像进行非线性拉伸,重新分配图像象元值,使一定灰度范围内象元值的数量大致相等。这样,原来直方图中间的峰顶部分对比度得到增强,而两侧的谷底部分对比度降低,输出图像的直方图是一个较平的分段直方图:如果输出数据分段值较小的话,会产生粗略分类的视觉效果。
10.19
18:09:14
发表了文章
2022-10-19 18:09:14
tebsorflow2.0 tf.keras猫狗识别(2)—自定义训练
在上一篇文章中,我们介绍了利用tensorflow封装好的神经网络来训练猫狗数据集。但是在科研中有时我们需要对网络进行修改,这是我们就需要自定义网络训练。 第一部分我们已经介绍了图片的读取,这里就不在一一赘述tebsorflow2.0 tf.keras猫狗识别,我们直接从图片的预处理。
10.19
17:58:04
发表了文章
2022-10-19 17:58:04
tebsorflow2.0 eager模式与自定义训练网络(下)
对比tensorflow1.x版本静态图模式,tensorflow2.x推荐使用的是eager模式,即动态计算模式,它的特点是运算可以立即得到结果。我们可以通过tf.executing_eagerly()来判断是不是eager模式,如果返回的为True,使用的则为eager模式。首先我们简答介绍一下在eager模式下的计算。
10.19
17:51:17
发表了文章
2022-10-19 17:51:17
tebsorflow2.0 eager模式与自定义训练网络(上)
对比tensorflow1.x版本静态图模式,tensorflow2.x推荐使用的是eager模式,即动态计算模式,它的特点是运算可以立即得到结果。我们可以通过tf.executing_eagerly()来判断是不是eager模式,如果返回的为True,使用的则为eager模式。首先我们简答介绍一下在eager模式下的计算。
10.18
15:14:42
发表了文章
2022-10-18 15:14:42
tebsorflow2.0 tf.keras猫狗识别(1)(下)
1. 简单介绍 本文的应用场景是二分类问题,采用的数据集为猫狗分类数据集,为了减少训练时间,训练集图片有2123张,验证集有909 张图片,测试的图片有1000张,分为猫和狗两个类别,图片已经放置在dc_2000文件夹下面。
10.18
15:14:33
发表了文章
2022-10-18 15:14:33
tebsorflow2.0 tf.keras猫狗识别(1)(上)
1. 简单介绍 本文的应用场景是二分类问题,采用的数据集为猫狗分类数据集,为了减少训练时间,训练集图片有2123张,验证集有909 张图片,测试的图片有1000张,分为猫和狗两个类别,图片已经放置在dc_2000文件夹下面。
10.18
15:11:00
发表了文章
2022-10-18 15:11:00
tebsorflow2.0 tf.keras序列问题
本节是主要介绍的是序列问题的处理,采用的数据集为电影评论数据集,我们通过keras.datasets.imdb直接导入,之后我们建立模型,对其进行分类,并处理过拟合问题。
10.18
15:06:41
发表了文章
2022-10-18 15:06:41
tebsorflow2.0 卷积神经网络的实现实例(下)
本实例主要介绍 利用tf.data读取图片的方法 卷积神经网络的构建 训练以及测试
10.18
15:06:37
发表了文章
2022-10-18 15:06:37
tebsorflow2.0 卷积神经网络的实现实例(上)
本实例主要介绍 利用tf.data读取图片的方法 卷积神经网络的构建 训练以及测试
10.18
15:02:19
发表了文章
2022-10-18 15:02:19
tebsorflow2.0 深度学习基础和tf.keras(上)
1. tf.keras实现线性回归(1) 1.1 Income数据导入可视化
10.18
15:01:52
发表了文章
2022-10-18 15:01:52
tebsorflow2.0 深度学习基础和tf.keras(下)
1. tf.keras实现线性回归(1) 1.1 Income数据导入可视化
10.18
14:55:42
发表了文章
2022-10-18 14:55:42
python中的语法使用(easydict set() plt.subplots() assert)
目录 1 easydict的使用 2. 集合(set) 3 plt.subplots()使用 3.1 方法1 3.2 方法2 4. assert断言
10.18
14:53:36
发表了文章
2022-10-18 14:53:36
(2)tf.Variable中trainable作用
如果为True,则会默认将变量添加到图形集合GraphKeys.TRAINABLE_VARIABLES中。此集合用于优化器Optimizer类优化的的默认变量列表,如果为False则在训练时不会更新该值。
10.18
14:52:55
发表了文章
2022-10-18 14:52:55
模式识别与机器学习(作业6)基于聚类的图片分割
流程: 读图片(512, 512, 3)–>下采样,降低维度(256, 256, 3)–>将通道展平,data = (65536, 3)–>归一化
10.18
14:52:05
发表了文章
2022-10-18 14:52:05
(3)tesorflow 计算模型复杂度
目录 1. 计算模型复杂度的衡量 2 . 典型层的复杂性计算原理 2.1 全连接层的复杂性计算 2.2 卷积层的复杂性计算 3. 全连接Tensorflow实现
10.18
14:48:23
发表了文章
2022-10-18 14:48:23
(1)tf中tensor和numpy
ensor和numpy
10.18
14:47:37
发表了文章
2022-10-18 14:47:37
(0)global_step学习率衰减用法
主要是用在梯度下降中的学习率问题上,设置学习率的大小, 是在精度和速度之间找到一个平衡:
10.18
14:41:35
发表了文章
2022-10-18 14:41:35
python-opencv(10)图像金字塔
文章目录 1. 图像金字塔特点 2. 向下采样 2.1. 特点
10.18
14:38:29
发表了文章
2022-10-18 14:38:29
python-opencv(13)傅里叶变换(下)
文章目录 1. 傅里叶变换的理论基础 2. numpy实现傅里叶变换 2.1. 相关的函数 2.1 代码实现
10.18
14:38:25
发表了文章
2022-10-18 14:38:25
python-opencv(13)傅里叶变换(上)
文章目录 1. 傅里叶变换的理论基础 2. numpy实现傅里叶变换 2.1. 相关的函数 2.1 代码实现
10.18
14:33:56
发表了文章
2022-10-18 14:33:56
python-opencv(12)直方图
文章目录 1. 基本概念 1.1. 直方图 1.2. 归一化直方图 1.3. 使用参数
10.18
14:30:44
发表了文章
2022-10-18 14:30:44
python-opencv(11)图像轮廓
文章目录 1. 什么是轮廓 2. 使用的函数 3. 代码实现
10.18
14:25:05
发表了文章
2022-10-18 14:25:05
python-opencv(4)--几何变换
文章目录 1. 图像缩放 1.1. resize()函数 1.2. 指定大小的缩放 1.3. resize函数(fx,fy) 2. 图像翻转-flip函数
10.18
14:22:31
发表了文章
2022-10-18 14:22:31
python-opencv(3)图像类型转换
python-opencv(2)图像类型转换 将图像由一种类型转换为另外一种类型
10.18
14:19:06
发表了文章
2022-10-18 14:19:06
python-opencv(2)图像运算
文章目录 1. 加法运算 2. 图像融合 3. 参考
10.18
14:17:46
发表了文章
2022-10-18 14:17:46
python-opencv(1)图像的基础操作
文章目录 1. 获取图像的属性 2. 图像ROI 3. 通道的拆分与合并 3.1. 通道的拆分 3.2. 通道的合并 4. 参考
10.18
14:14:24
发表了文章
2022-10-18 14:14:24
数据结构与算法(3)--栈抽象数据类型及Python实现
1. 什么是栈? 是一种有次序的数据项集合,在栈中数据项的加入和移除都发生在同一端。一端叫做栈顶,另一端叫做栈底。
10.18
14:12:02
发表了文章
2022-10-18 14:12:02
数据结构与算法(2)--什么是线性结构
什么是线性结构Linear Structure
10.18
14:10:46
发表了文章
2022-10-18 14:10:46
Matalb-图像均值滤波,中值滤波,梯度锐化(sobel算子)的实现
Matalb-图像均值滤波,中值滤波,梯度锐化(sobel算子)的实现
1
2
3
4
跳转至:
发表了文章
2022-10-19
verilog牛客网刷题代码汇总(下)(4)
发表了文章
2022-10-19
verilog牛客网刷题代码汇总(下)(3)
发表了文章
2022-10-19
verilog牛客网刷题代码汇总(下)(2)
发表了文章
2022-10-19
verilog牛客网刷题代码汇总(下)(1)
发表了文章
2022-10-19
verilog牛客网刷题代码汇总(上)(4)
发表了文章
2022-10-19
verilog牛客网刷题代码汇总(上)(3)
发表了文章
2022-10-19
verilog牛客网刷题代码汇总(上)(2)
发表了文章
2022-10-19
verilog牛客网刷题代码汇总(上)(1)
发表了文章
2022-10-19
半加器,全加器,串行加法和超前加法器
发表了文章
2022-10-19
verilog_边学边练习(6) 相邻点累加(时序逻辑电路)
发表了文章
2022-10-19
硬件描述语言Verilog学习(一)(上)
发表了文章
2022-10-19
建立时间与保持时间
发表了文章
2022-10-19
HDLBits(2)——Procedures(下)
发表了文章
2022-10-19
HDLBits(2)——Procedures(上)
发表了文章
2022-10-19
HDLBits(1)——Modules:Hierarchy(上)
发表了文章
2022-10-19
HDLBits(1)——Modules:Hierarchy(下)
发表了文章
2022-10-19
HDLBits(1)——Modules:Hierarchy(中)
发表了文章
2022-10-19
最大最小归一化的demo
发表了文章
2022-10-19
深度学习神经网络的部署
发表了文章
2022-10-19
创建keras环境步骤
正在加载, 请稍后...
滑动查看更多
正在加载, 请稍后...
暂无更多信息
正在加载, 请稍后...
暂无更多信息
勋章
关注
粉丝