专注算法的马里奥学长_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
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
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
Modelscope模型即服务
弹性计算
云原生
数据库
物联网
云效DevOps
龙蜥操作系统
平头哥
钉钉开放平台
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
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
专注算法的马里奥学长
已加入开发者社区
299
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
江湖新秀
江湖新秀
成就
已发布60篇文章
13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
冰点.
冰点.
倪桦
倪桦
专注算法的马里奥学长
专注算法的马里奥学长
深度学习入门到放弃
深度学习入门到放弃
骚戴
骚戴
会飞的鱼-blog
会飞的鱼-blog
粉丝
更多
不服输的阿亮
不服输的阿亮
wdzhao
wdzhao
AUEND
AUEND
专注算法的马里奥学长
专注算法的马里奥学长
游客ksj3ibwehmlsg
游客ksj3ibwehmlsg
小Lee
小Lee
lly_
lly_
卖猪的小姐姐
卖猪的小姐姐
1938347020161781
1938347020161781
anisbob
anisbob
nvrcrxouoig6s
nvrcrxouoig6s
技术能力
兴趣领域
Python
机器学习/深度学习
数据挖掘
人工智能
决策智能
擅长领域
技术认证
暂时未有相关云产品技术能力~
智慧环境方向 985毕业小硕 我是看南门的 主攻机器学习算法在环境领域的应用与环境领域的软件模拟 工作繁忙,选择性答疑,敬请谅解
精选
高分内容
最新动态
文章
问答
视频
9个月前
MIKE21 MIKE软件 教程 0.1 软件介绍与教学目录
MIKE 21 功能位于MIKE Zero集成平台下,是DHI公司的软件产品之一。
595
9个月前
SWMM从入门到实践教程 01 SWMM软件介绍
SWMM(Storm Water Management Model)是一款用于城市暴雨径流模拟和城市雨水管理的计算机软件。SWMM软件最初由美国环保局(EPA)开发,现在已经成为一个广泛使用的软件,用于设计、规划和管理城市排水系统。
346
来自:
开发与运维
9个月前
ArcSWAT报错:数据集未投影;Dataset must have a projected coordinate system
ArcSWAT报错:数据集未投影;Dataset must have a projected coordinate system
145
暂无更多
暂无更多信息
2023年07月
07.31
10:16:30
发表了文章
2023-07-31 10:16:30
MIKE 21 教程 1.7 网格生成过程中的常见报错与问题
MIKE 21 教程 1.7 网格生成过程中的常见报错与问题
07.31
10:13:36
发表了文章
2023-07-31 10:13:36
MIKE 21 教程 1.6 基于DEM数据设置河道高程
MIKE 21 教程 1.6 基于DEM数据设置河道高程
07.31
10:12:53
发表了文章
2023-07-31 10:12:53
MIKE 21 教程 1.5 基于卫星影像绘制河道边界
MIKE 21 教程 1.5 基于卫星影像绘制河道边界
07.31
10:12:03
发表了文章
2023-07-31 10:12:03
MIKE 21 教程 1.4 网格搭建界面介绍之高程数据输入与网格导出 (Mesh Generator 工具)
MIKE 21 教程 1.4 网格搭建界面介绍之高程数据输入与网格导出 (Mesh Generator 工具)
07.31
10:11:24
发表了文章
2023-07-31 10:11:24
MIKE 21 教程 1.3 网格搭建界面介绍之网格生成 (Mesh Generator 工具)
MIKE 21 教程 1.3 网格搭建界面介绍之网格生成 (Mesh Generator 工具)
07.31
10:10:41
发表了文章
2023-07-31 10:10:41
MIKE 21 教程 1.2 网格搭建界面介绍之点线面要素的高阶处理 (Mesh Generator 工具)
MIKE 21 教程 1.2 网格搭建界面介绍之点线面要素的高阶处理 (Mesh Generator 工具)
07.05
10:51:44
发表了文章
2023-07-05 10:51:44
ArcSWAT报错:Error Number :-2147467259; 对 COM 组件的调用返回了错误 HRESULT E_FAIL
ArcSWAT报错:Error Number :-2147467259; 对 COM 组件的调用返回了错误 HRESULT E_FAIL
07.05
10:49:58
发表了文章
2023-07-05 10:49:58
ArcSWAT报错:数据集未投影;Dataset must have a projected coordinate system
ArcSWAT报错:数据集未投影;Dataset must have a projected coordinate system
07.05
10:48:34
发表了文章
2023-07-05 10:48:34
ArcSWAT报错:-2147217385;创建栅格数据集失败
ArcSWAT报错:-2147217385;创建栅格数据集失败
07.05
10:43:16
发表了文章
2023-07-05 10:43:16
Stacking:解决机器学习进行多模型组合的实用工具
在机器学习领域,算法的选择和参数的调整一直是让人头痛的难题。虽然有很多算法可以使用,但没有一种算法是万能的。随着技术的不断发展,出现了一些新的技术可以在算法选择和调整参数方面提供一些帮助。其中最流行的技术之一是Stacking。 Stacking是一种用于增强机器学习模型性能的技术。该技术通过结合不同算法的预测结果来生成最终的预测结果。这种方法能够帮助解决许多机器学习问题,特别是当单一算法不足以解决问题时。
07.05
10:39:57
发表了文章
2023-07-05 10:39:57
掌握机器学习中的“瑞士军刀”XGBoost,从入门到实战
XGBoost(eXtreme Gradient Boosting)是一种集成学习算法,它可以在分类和回归问题上实现高准确度的预测。XGBoost在各大数据科学竞赛中屡获佳绩,如Kaggle等。XGBoost是一种基于决策树的算法,它使用梯度提升(Gradient Boosting)方法来训练模型。XGBoost的主要优势在于它的速度和准确度,尤其是在大规模数据集上的处理能力。
07.05
10:37:14
发表了文章
2023-07-05 10:37:14
Scikit-learn中的Pipeline:让机器学习流程更加简单、高效、可靠
Scikit-learn是一个非常流行的机器学习库,提供了各种各样的算法、工具和API,让用户可以轻松地构建和调整机器学习模型。其中一个非常有用的工具是Pipeline,它可以将多个数据预处理步骤和机器学习模型组合在一起,构建起整个机器学习流程。 在这篇博客中,我们将介绍Scikit-learn中的Pipeline,包括Pipeline的基本概念、使用方法和实际案例。这篇博客将将解如何使用Pipeline来构建高效且可靠的机器学习流程,使你的机器学习任务更加简单、高效和可靠。
07.05
10:34:45
发表了文章
2023-07-05 10:34:45
Jieba进行词频统计与关键词提取
Jieba进行词频统计与关键词提取
07.05
10:30:50
发表了文章
2023-07-05 10:30:50
Jieba分词的准确率提升:使用paddle模式进行分词(使用百度飞桨深度学习模型进行分词)
jieba中的paddle模式是指使用飞桨(PaddlePaddle)深度学习框架加速分词的一种模式。相对于传统的分词算法,paddle模式采用了深度学习模型,可以获得更高的分词准确度和更快的分词速度。
07.05
10:27:59
发表了文章
2023-07-05 10:27:59
Jieba分词模式详解、词库的添加与删除、自定义词库失败的处理
Jieba(结巴)是一个中文分词第三方库,它可以帮助我们将一段中文文本分成一个个独立的词语。Jieba具有以下特点: 简单易用:Jieba提供了简洁的API接口,易于使用和扩展。可以快速地实现中文分词功能。 高效准确:Jieba采用了基于前缀词典和动态规划算法的分词方法,能够高效准确地处理各种中文文本。 支持多种分词模式:Jieba提供了三种分词模式:精确模式、全模式和搜索引擎模式,可以根据不同的应用场景选择合适的模式。
07.05
10:22:40
发表了文章
2023-07-05 10:22:40
逻辑回归 算法推导与基于Python的实现详解
逻辑回归(Logistic Regression)是一种用于分类问题的统计学习方法。它基于线性回归的原理,通过将线性函数的输出值映射到[0,1]区间上的概率值,从而进行分类。 逻辑回归的输入是一组特征变量,它通过计算每个特征与对应系数的乘积,加上截距项得到线性函数,然后将该函数的输出值经过sigmoid函数的映射,得到概率值。
07.05
10:14:31
发表了文章
2023-07-05 10:14:31
线性回归 梯度下降算法大全与基于Python的底层代码实现
梯度下降是一种常用的优化算法,它通过不断迭代来最小化一个损失函数。根据不同的损失函数和迭代方式,梯度下降可以被分为批量梯度下降(Batch Gradient Descent,BGD)、随机梯度下降(Stochastic Gradient Descent,SGD)、小批量梯度下降(Mini-batch Gradient Descent)、共轭梯度法(Conjugate Gradient,CG)等。
07.05
09:53:47
发表了文章
2023-07-05 09:53:47
线性回归 梯度下降原理与基于Python的底层代码实现
梯度下降是一种常用的优化算法,可以用来求解许包括线性回归在内的许多机器学习中的问题。前面讲解了直接使用公式求解θ \thetaθ (最小二乘法的求解推导与基于Python的底层代码实现),但是对于复杂的函数来说,可能较难求出对应的公式,因此需要使用梯度下降。
07.05
09:45:02
发表了文章
2023-07-05 09:45:02
线性回归 正则项(惩罚项)原理、正则项的分类与Python代码的实现
线性回归 正则项(惩罚项)原理、正则项的分类与Python代码的实现
07.05
09:33:51
发表了文章
2023-07-05 09:33:51
线性回归 特征扩展的原理与python代码的实现
在线性回归中,多项式扩展是种比较常见的技术,可以通过增加特征的数量和多项式项的次数来提高模型的拟合能力。 举个例子,多项式扩展可以将一个包含 n 个特征的样本向量 x 扩展为一个包含 k 个特征的样本向量,其中 k 可以是 n 的任意多项式。例如,如果我们使用二次多项式扩展,可以将样本向量[x1, x2]扩展为一个包含原始特征和交叉项的新特征向量,例如 [x1, x2, x1^2, x2^2, x1*x2]。这些新特征可以捕捉到更丰富的特征组合和非线性关系,从而提高模型的拟合能力。
07.05
08:51:06
发表了文章
2023-07-05 08:51:06
线性回归 最小二乘法的求解推导与基于Python的底层代码实现
作为最常见的方法之一,线性回归仍可视为有监督机器学习的方法之一,同时也是一种广泛应用统计学和数据分析的基本技术。它是一种用于估计两个或多个变量之间线性关系的方法,其中一个变量是自变量,另一个变量是因变量。线性回归假设这两个变量之间存在线性关系,并试图找到一条最佳拟合直线,使预测值与实际值之间的误差最小化。
07.05
08:43:38
发表了文章
2023-07-05 08:43:38
SWMM从入门到实践教程 04 快速入门案例的模拟执行
在左侧双击Options中的Dates,即可弹出时间的设置。此处为了教学,建议仅模拟6个小时,加快结果的生成。实际项目中,可以根据需求对指定场次的降雨时常进行模拟,并注意这个时常一定不低于降雨时常(我们的雨量计设置了2小时降雨,所有66个小时的模拟也是合理的)。
07.05
08:39:55
发表了文章
2023-07-05 08:39:55
SWMM从入门到实践教程 03 快速入门案例的设施参数设置与批量设置
SWMM从入门到实践教程 03 快速入门案例的设施参数设置与批量设置
07.05
08:36:26
发表了文章
2023-07-05 08:36:26
SWMM从入门到实践教程 02 快速入门案例的绘制
SWMM从入门到实践教程 02 快速入门案例的绘制
07.05
08:32:05
发表了文章
2023-07-05 08:32:05
SWMM从入门到实践教程 01 SWMM软件介绍
SWMM(Storm Water Management Model)是一款用于城市暴雨径流模拟和城市雨水管理的计算机软件。SWMM软件最初由美国环保局(EPA)开发,现在已经成为一个广泛使用的软件,用于设计、规划和管理城市排水系统。
07.05
08:27:33
发表了文章
2023-07-05 08:27:33
11 OpenCV图像识别之人脸识别
Eigenfaces是一种基于PCA(Principal Component Analysis,主成分分析)的人脸识别方法,属于OpenCV中的特征脸方法之一。该方法将人脸图像转换为低维的特征向量,使用PCA降维的方式提取出训练集中的主成分特征,进而提取出人脸图像的特征向量。在进行识别时,通过比较输入图像与训练集中每个图像的特征向量的相似度来判断其所属的人脸类别。
07.05
08:25:16
发表了文章
2023-07-05 08:25:16
10 OpenCV图像识别之人脸追踪
级联分类器的核心思想是使用多个分类器级联,每个分类器负责检测不同的特征,逐步排除不可能是目标的区域,从而减少计算量和误检率,提高检测效率。级联分类器通常由多个弱分类器组成,这些弱分类器的输出被级联在一起形成强分类器,因此级联分类器也被称为“弱分类器的级联”。
07.05
08:22:25
发表了文章
2023-07-05 08:22:25
09 OpenCV图形检测
cv2.findContours() 函数是OpenCV中用于寻找轮廓的函数之一。它可以用于在二值图像中查找并检测出所有的物体轮廓,以及计算出这些轮廓的各种属性,例如面积、周长、质心等。
07.05
08:18:58
发表了文章
2023-07-05 08:18:58
08 OpenCV腐蚀、膨胀与形态学运算
腐蚀操作是一种形态学操作,它用于缩小二值图像中的对象,并去除图像中的噪声和细节。其基本原理是将图像中的每个像素与内核进行比较,如果内核覆盖的区域内所有像素值都为非零值,则该像素保持不变;否则,该像素的值会被更新为 0 00,从而实现缩小图像中的对象。腐蚀操作的效果通常与内核的大小、形状以及迭代次数有关,通过适当选择这些参数,可以实现不同程度的腐蚀效果。
07.05
08:16:14
发表了文章
2023-07-05 08:16:14
07 OpenCV各类滤波
均值滤波器是一种基本的线性滤波器,常用于图像处理中的平滑操作。在 OpenCV 中,可以使用cv2.blur()函数或cv2.boxFilter()函数进行均值滤波操作。 均值滤波器的原理是将每个像素的灰度值替换为其周围像素灰度值的平均值。其核心思想是去除图像中的高频噪声,同时保留图像中的低频信息
07.05
08:10:53
发表了文章
2023-07-05 08:10:53
06 OpenCV 阈值处理、自适应处理与ostu方法
CV2中使用阈值的作用是将灰度图像二值化,即将灰度图像的像素值根据一个设定的阈值分成黑白两部分。阈值处理可以用于图像分割、去除噪声、增强图像对比度等多个领域。例如,在物体检测和跟踪中,可以通过对图像进行阈值处理来提取目标区域;在图像增强中,可以使用阈值处理来增强图像的轮廓和细节等。
07.05
08:07:38
发表了文章
2023-07-05 08:07:38
05 OpenCV色彩空间处理
色彩空间(Color Space)是一种用于描述颜色的数学模型,它将颜色表示为多维向量或坐标,通常由三个或四个独立的分量来表示。不同的色彩空间在颜色的表示方式、可表达颜色的范围、计算速度和应用场景等方面存在差异,不同的色彩空间有不同的作用
07.05
08:05:28
发表了文章
2023-07-05 08:05:28
04 OpenCV位平面分解
位平面分解的核心思想是将图像的每一个像素分解为多个二进制位,分别存储在不同的位平面上。例如,如果一个图像是8位深度的,则可以分解为8个位平面,每个位平面上存储一个二进制位。
07.04
22:09:39
发表了文章
2023-07-04 22:09:39
03 OpenCV图像运算
03 OpenCV图像运算
07.04
22:04:48
发表了文章
2023-07-04 22:04:48
智慧水务未来技术发展方向预测探讨
随着科技的不断发展和城市化的加速,智慧水务作为一种新的水务模式,逐渐受到广泛关注。未来,智慧水务将会面临更多的技术挑战和商机。本博客将对智慧水务的未来技术发展方向进行预测,以探讨智慧水务未来可能的技术重点。
07.04
22:03:46
发表了文章
2023-07-04 22:03:46
详解Python正则表达式中group与groups的用法
在Python中,正则表达式的group和groups方法是非常有用的函数,用于处理匹配结果的分组信息。 group方法是re.MatchObject类中的一个函数,用于返回匹配对象的整个匹配结果或特定的分组匹配结果。而groups方法同样是re.MatchObject类中的函数,它返回的是所有分组匹配结果组成的元组。在本文中,我们将详细讲解group和groups的用法和使用场景。
07.04
22:01:26
发表了文章
2023-07-04 22:01:26
02 OpenCV图像通道处理
在数字图像处理中,图像通道是指一个图像中的颜色信息被分离为不同的颜色分量。常见的图像通道包括RGB通道、灰度通道、HSV通道等。 RGB通道是指将图像分离为红色、绿色和蓝色三个颜色通道,每个通道表示相应颜色的亮度。这种方式是最常见的方式,它对于彩色图像的处理非常重要。
07.04
21:59:07
发表了文章
2023-07-04 21:59:07
01 OpenCV基础知识与基本操作
01 OpenCV基础知识与基本操作
07.04
21:56:28
发表了文章
2023-07-04 21:56:28
使用PyTorch构建卷积GAN源码(详细步骤讲解+注释版) 02人脸图片生成下
生成器的结构应与鉴别器相逆,因此生成器不再使用卷积操作,而是使用卷积的逆向操作,我们称之为转置卷积(transposed convolution)。
07.04
21:53:19
发表了文章
2023-07-04 21:53:19
使用PyTorch构建卷积GAN源码(详细步骤讲解+注释版) 02人脸图片生成 上
使用PyTorch构建卷积GAN源码(详细步骤讲解+注释版) 02人脸图片生成 上
07.04
21:50:37
发表了文章
2023-07-04 21:50:37
使用PyTorch构建卷积神经网络(CNN)源码(详细步骤讲解+注释版) 01 手写数字识别
在使用PyTorch构建GAN生成对抗网络一文中,我们使用GAN构建了一个可以生成人脸图像的模型。但尽管是较为简单的模型,仍占用了1G左右的GPU内存,因此需要探索更加节约资源的方式。
07.04
21:47:19
发表了文章
2023-07-04 21:47:19
城市POI数据爬取-百度地图版
目前百度地图的最新版为地图检索V2.0服务。详细介绍可以通过开发文档-web服务Api-地点检索V2.0获取。
07.04
21:43:29
发表了文章
2023-07-04 21:43:29
Python正则表达式语法快速入门
正则表达式需要与相关函数共同使用,对函数的学习可以参考: Python正则表达式所有函数详解
07.04
21:38:11
发表了文章
2023-07-04 21:38:11
使用PyTorch构建GAN生成对抗网络源码(详细步骤讲解+注释版)02 人脸识别 下
使用PyTorch构建GAN生成对抗网络源码(详细步骤讲解+注释版)02 人脸识别 下
07.04
21:33:58
发表了文章
2023-07-04 21:33:58
Python正则表达式所有函数详解
Python 中的 re.fullmatch() 函数用于检查输入字符串是否完全匹配给定的正则表达式模式。它接受两个参数:第一个是正则表达式模式,第二个是要与该模式匹配的字符串。如果匹配成功,它会返回一个匹配对象,如果匹配失败,则返回 None。
07.04
21:28:54
发表了文章
2023-07-04 21:28:54
python使用类装饰器生成函数的使用日志
在了解类装饰器之前,建议大家先了解装饰器的概念。 装饰器知识快速入门链接 类装饰器是 Python 中的一种特殊类型的装饰器,它是一个类而不是一个函数。与函数装饰器不同,类装饰器可以在运行时接收参数并返回一个可调用的对象,而不是直接替换被装饰的函数。
07.04
21:26:33
发表了文章
2023-07-04 21:26:33
Python装饰器使用方法详解
装饰器(Decorator)是 Python 中一种函数或类,用来修饰其他函数或类。装饰器可以改变被装饰函数的行为,或者在调用被装饰函数之前和之后增加额外的操作。装饰器的语法是使用 @ 语法符,在函数定义之前增加装饰器函数的名称
07.04
21:22:43
发表了文章
2023-07-04 21:22:43
Python闭包与闭包陷阱
在 Python 中,闭包是一种特殊的函数,它能够记住它所在的环境(也称作上下文)。这意味着闭包能够访问定义它的作用域中的变量。闭包通常用于封装数据和提供对外部访问的接口。
1
2
跳转至:
发表了文章
2023-07-31
MIKE 21 教程 1.7 网格生成过程中的常见报错与问题
发表了文章
2023-07-31
MIKE 21 教程 1.6 基于DEM数据设置河道高程
发表了文章
2023-07-31
MIKE 21 教程 1.5 基于卫星影像绘制河道边界
发表了文章
2023-07-31
MIKE 21 教程 1.4 网格搭建界面介绍之高程数据输入与网格导出 (Mesh Generator 工具)
发表了文章
2023-07-31
MIKE 21 教程 1.3 网格搭建界面介绍之网格生成 (Mesh Generator 工具)
发表了文章
2023-07-31
MIKE 21 教程 1.2 网格搭建界面介绍之点线面要素的高阶处理 (Mesh Generator 工具)
发表了文章
2023-07-05
ArcSWAT报错:Error Number :-2147467259; 对 COM 组件的调用返回了错误 HRESULT E_FAIL
发表了文章
2023-07-05
ArcSWAT报错:数据集未投影;Dataset must have a projected coordinate system
发表了文章
2023-07-05
ArcSWAT报错:-2147217385;创建栅格数据集失败
发表了文章
2023-07-05
Stacking:解决机器学习进行多模型组合的实用工具
发表了文章
2023-07-05
掌握机器学习中的“瑞士军刀”XGBoost,从入门到实战
发表了文章
2023-07-05
Scikit-learn中的Pipeline:让机器学习流程更加简单、高效、可靠
发表了文章
2023-07-05
Jieba进行词频统计与关键词提取
发表了文章
2023-07-05
Jieba分词的准确率提升:使用paddle模式进行分词(使用百度飞桨深度学习模型进行分词)
发表了文章
2023-07-05
Jieba分词模式详解、词库的添加与删除、自定义词库失败的处理
发表了文章
2023-07-05
逻辑回归 算法推导与基于Python的实现详解
发表了文章
2023-07-05
线性回归 梯度下降算法大全与基于Python的底层代码实现
发表了文章
2023-07-05
线性回归 梯度下降原理与基于Python的底层代码实现
发表了文章
2023-07-05
线性回归 正则项(惩罚项)原理、正则项的分类与Python代码的实现
发表了文章
2023-07-05
线性回归 特征扩展的原理与python代码的实现
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