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。
基于OpenCV的人脸检测软件(含Python源码+UI界面+图文详解)
windows安装dlib库方法
【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】
【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
YOLOV5应用实战项目:钢材表面缺陷检测(数据集:NEU-CLS)笔记
【超详细】MMLab分类任务mmclassification:环境配置说明、训练、预测及模型结果可视化展示
【从零开始学习深度学习】46. 目标检测中锚框的概念、计算方法、样本锚框标注方式及如何选取预测边界框
【从零开始学习深度学习】45. Pytorch迁移学习微调方法实战:使用微调技术进行2分类图片热狗识别模型训练【含源码与数据集】
【从零开始学习深度学习】36. 门控循环神经网络之长短期记忆网络(LSTM)介绍、Pytorch实现LSTM并进行训练预测
【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】17. Pytorch中模型参数的访问、初始化和共享方法
【从零开始学习深度学习】24.神经网络中池化层的作用:最大池化与平均池化
【从零开始学习深度学习】22. 卷积神经网络(CNN)中填充(padding)与步幅(stride)详解,填充、步幅、输入及输出之间的关系
【从零开始学习深度学习】23. CNN中的多通道输入及多通道输出计算方式及1X1卷积层介绍
【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
【从零开始学习深度学习】1. 深度学习框架Pytorch的基本操作
【机器学习技巧】机器学习模型的两种存储方式:pickle与joblib模块
【机器学习技巧】回归模型的几个常用评估指标(R2、Adjusted-R2、MSE、RMSE、MAE、MAPE)及其在sklearn中的调用方式
【机器学习技巧】之特征工程:数字编码以及One-hot独热编码的几种方式(sklearn与pandas处理方式)