BetterBench_社区达人页

2024年08月

• 08.01 19:12:34
  发表了文章 2024-08-01 19:12:34

  【科技知识】信息系统和人工智能发展的思考

  本文整理自陆军院士关于信息系统和人工智能发展的网课讲座，探讨了信息系统的内涵、狭义与广义信息学的定义、技术发展，并提出了广义信息系统技术需结合思维科学和哲学，以促进强人工智能的发展。
• 08.01 19:03:26
  发表了文章 2024-08-01 19:03:26

  【Python-Tensorflow】ERROR: Could not find a version that satisfies the requirement tensorflow

  本文讨论了在安装TensorFlow时遇到的版本兼容性问题，并提供了根据Python版本选择正确pip版本进行安装的解决方法。
• 08.01 18:57:53
  发表了文章 2024-08-01 18:57:53

  【Python 3】什么时候使用yield而不是return？

  本文讨论了Python中`yield`与`return`的使用场景，解释了`yield`在生成器中的应用，允许函数逐步产生值而不必一次性计算并返回整个序列，适合于节省内存的懒加载场景。
• 08.01 18:55:47
  发表了文章 2024-08-01 18:55:47

  【Python-Numpy】numpy.random.binomial()的解析与使用

  本文介绍了NumPy的`numpy.random.binomial()`函数，用于从二项分布中抽取样本，适用于模拟具有固定试验次数和成功概率的随机实验，并提供了如何使用该函数进行概率计算和模拟实验的示例。
• 08.01 18:53:29
  发表了文章 2024-08-01 18:53:29

  【Python-numpy】numpy.random.choice()解析与使用

  本文介绍了NumPy中的`numpy.random.choice()`函数，它用于从一维数组或整数范围内根据指定概率或均匀分布生成随机样本，支持设置样本大小、是否替换以及每个元素的特定概率。
• 08.01 18:51:19
  发表了文章 2024-08-01 18:51:19

  【Python-Keras】keras.fit()和keras.fit_generator()的解析与使用

  本文解析了Keras中的`fit()`和`fit_generator()`方法，解释了两者在训练神经网络模型时的区别和使用场景，其中`fit()`适用于数据集较小且无需数据增强时，而`fit_generator()`适用于大数据集或需要数据增强的情况。
• 08.01 18:47:30
  发表了文章 2024-08-01 18:47:30

  【Python-Keras】Keras搭建神经网络模型的Model解析与使用

  这篇文章详细介绍了Keras中搭建神经网络模型的`Model`类及其API方法，包括模型配置、训练、评估、预测等，并展示了如何使用Sequential模型和函数式模型来构建和训练神经网络。
• 08.01 18:43:20
  发表了文章 2024-08-01 18:43:20

  【Python-Keras】keras.layers.BatchNormalization解析与使用

  BatchNormalization是一种用于深度神经网络的规范化方法，通过在每个batch上规范化前一层的激活值，加快模型训练速度，提高稳定性，并减少对初始化权重的敏感性，允许使用更大的学习率。
• 08.01 18:39:49
  发表了文章 2024-08-01 18:39:49

  【Python-Keras】keras.layers.Dense层的解析与使用

  关于Python-Keras库中keras.layers.Dense层的解析与使用。
• 08.01 18:29:04
  发表了文章 2024-08-01 18:29:04

  【文献学习】 ComNet: Combination of Deep Learning andExpert Knowledge in OFDM Receiver

  本文提出了一种模型驱动的DL结构，称为ComNet，以取代传统的或FC-DNN的OFDM接收机。
• 08.01 18:19:11
  发表了文章 2024-08-01 18:19:11

  【文献学习】2 Power of Deep Learning for Channel Estimation and Signal Detection in OFDM

  研究成果是：如果有足够的导频，则深度学习模型可以获得与传统方法相当的性能，但是在有限的导频、去除CP和非线性噪声下，深度学习模型更优。
• 08.01 18:09:37
  发表了文章 2024-08-01 18:09:37

  【Python-Keras】keras.layers.Lambda解析与使用

  【8月更文挑战第1天】keras.layers.Lambda解析与使用
• 08.01 17:56:37
  发表了文章 2024-08-01 17:56:37

  【Python3】argparse解析与使用_python3 argparse

  【8月更文挑战第1天】argparse 是对终端输入的命令行的参数进行解析，俗称命令行解析器。