模型的可解释性：部分依赖图PDP和个体条件期望图ICE
部分依赖图 (PDP) 和个体条件期望 (ICE) 图可用于可视化和分析训练目标与一组输入特征之间的交互关系。
【重温SSM框架系列】5 - SpringMVC快速入门（开发流程代码实现）
SpringMVC快速入门大家好，我是【1+1=王】， 热爱java的计算机（人工智能）渣硕研究生在读。如果你也对java、人工智能等技术感兴趣，欢迎关注，抱团交流进大厂！！！Good better best, never let it rest, until good is better, and
【人工智能】决策树
目录：前言一、决策树二、原理1、性质：2、停止分割常用算法意义前言：前言本文参考书籍：《人工智能原理及其应用》第四版✨你好啊，我是“ 怪& ”，是一名在校大学生哦。🌍主页链接：怪&的个人博客主页☀️博文主更方向为：课程学习知识、作业题解、期末备考。随着专业的深入会越来越广哦…一起期
OpenCV-Python实战（22）——使用Keras和Flask在Web端部署图像识别应用
在本文中，我们将看到如何使用 Keras 和 Flask 创建深度学习 REST API。更具体地说，我们首先学习如何使用 Keras 中包含的预训练深度学习架构，然后介绍如何使用这些预训练深度学习架构创建深度学习 API，用于高性能图像识别任务。
数字孪生：如何撑起一个万亿市场的产业变革？
很多人在工作或生活中中都或多或少说过数字孪生。在过去几年，这个词的热度不断攀升，频繁出现在各大峰会论坛、甚至在北京冬奥会的远程协作中，可谓是备受行业内外人员的关注。那么究竟什么是数字孪生？核心技术有哪些？未来的市场前景如何？存在哪些问题？将会以什么趋势发展？带着这些问题，看一下这篇文章。
基于Pytorch的神经网络之Optimizer
目录1.引言2.各种优化器2.1 SGD2.2 Momentum2.3 RMSprop2.4 Adam3.效果对比1.引言我们之前提到进行反向传播时我们需要用到优化器(Optimizer)来优化网络中的参数，优化器有许多种，下面介绍几种常见的优化算法。2.各种优化器2.1 SGD优化算法中比较基本的
Photoshop制作八张一寸证件照教程
Photoshop制作八张一寸证件照教程
自监督学习的知识点总结
本篇文章将对自监督学习的要点进行总结
【GitHubShare】AI开发七巧板，快速训练、部署与监控机器学习模型，清晰查看模型的各项统计数据
Tangram（七巧板），一个可帮助 AI 开发者快速训练、部署与监控机器学习模型的开源工具。通过该项目提供的命令行工具与 App，可清晰查看模型的各项统计数据与指标，调整模型并提升性能，跟踪并计算生产环境模型精准度等功能。GitHub：github.com/tangramdotdev/tangra
深度学习相关概念：计算图与反向传播
深度学习相关概念：反向传播、梯度消失与梯度爆炸计算图计算图总结反向传播颗粒度 在深度学习分类问题中，反向传播是一个重要的环节，它决定着模型是否能被训练，反向传播相当于一个负反馈，当一件事做完之后，会寻找当前事件做的不好的问题，进行回传，当下次在做的时候，进行优化。计算图 在了解反向传播之前，我们
python必备库-画图神器Matplotlib手把手教学
python必备库-画图神器Matplotlib手把手教学
【Python实现视频转文字操作】
实现把视频中声音转为音频，然后音频转为文字
从零开始，手把手教你使用Keras和TensorFlow构建自己的CNN模型
最近学习CNN，搭建CNN模型时看网上鱼龙混杂的博客走了不少歪路，决定自己来总结一下。环境是Python 3.8.12 ，TensorFlow 2.3.0，Keras 2.4.3
GAN 并不是你所需要的全部：从AE到VAE的自编码器全面总结
在图像生成方面GAN似乎成为了主流,但是自编码器（autoencoder）还是有很多的优势，所以本文对AE模型做一个全面详细得介绍和总结。
深度学习相关概念：交叉熵损失
深度学习相关概念：交叉熵损失交叉熵损失详解1.激活函数与损失函数1.1激活函数：1.2损失函数：2.对数损失函数（常用于二分类问题）：3.交叉熵、熵、相对熵三者之间的关系4.交叉熵损失函数（常用于多分类问题）4.1交叉熵的作用：5.交叉熵损失 VS 多类支撑向量机损失 我在学习深度学习的过程中，发
Python整理PEER所下载的地震波源数据——提取地震波至txt+生成地震波反应谱
从PEER上下载的地震波源数据处理，当地震波数据较多，或者存在的文件比较繁多的时候，本文将解决此问题。
论文记录：图像描述技术综述
文章目录 前言 一、什么是image caption？ 二、基于深度学习的图像描述方法 1.基于编码器-解码器的方法 2.基于注意力机制的方法 3.基于生成对抗网络的方法 4.基于强化学习的方法 5.基于密集描述的方法 总结 前言因为实验室研究方向是image caption，所以最近开始阅读一些
构建自己的gym训练环境 巨详细
本文对搭建自己的gym训练环境从内部函数到注册环境对每步进行详细说明。
pandas使用query函数基于组合索引筛选dataframe的数据行（与and、或or、非not）
pandas使用query函数基于组合索引筛选dataframe的数据行（与and、或or、非not）
基于Pytorch的神经网络之Classfication
1.引言我们上次介绍了神经网络主要功能之一预测，本篇大部分内容与回归相似，有看不懂的点可以看看我回归Regression，今天介绍一下神经网络的另一种功能：分类。2.网络搭建2.1 准备工作还是先引用我们所需要的库，和回归所需的一样。import torchimport torch.nn.funct
