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
提高EDA（探索性数据分析）效率的 3 个简单工具
本文简单的介绍 3 个非常好用的的数据可视化和分析工具，它们只需要很少的代码就可以自动的帮助我们执行快速和详细的数据分析
基于Pytorch的神经网络之Regression
目录1.引言2.神经网络搭建2.1 准备工作2.2 搭建网络2.3 训练网络3.效果4. 完整代码1.引言我们之前已经介绍了神经网络的基本知识，神经网络的主要作用就是预测与分类，现在让我们来搭建第一个用于拟合回归的神经网络吧。2.神经网络搭建2.1 准备工作要搭建拟合神经网络并绘图我们需要使用pyt
基于YOLOv4的口罩检测的系统研究和实现
任务目标目标检测是计算机视觉和数字图像处理的一个热门方向。目标检测即找出图像中所有感兴趣的物体，包含物体定位和物体分类两个子任务，同时确定物体的类别和位置。如图一所示。目前主流的目标检测算法主要是基于深度学习模型，大概可以分成两大类别：（1）One-Stage目标检测算法，这类检测算法不需要产生候选
