OpenCV-Python实战（18）——深度学习简介与入门示例（快来一起推开深度学习的大门吧）
深度学习已经成为机器学习中最受欢迎和发展最快的领域。自 2012 年深度学习性能超越机器学习等传统方法以来，深度学习架构开始快速应用于包括计算机视觉在内的众多领域。深度学习的常见应用包括语音识别、图像识别、自然语言处理、推荐系统等等。在本文中，首先介绍传统机器学习方法与深度学习间的差异，然后将介绍图
机器学习数学基础
目录1 线性代数1.1 矩阵定义1.2 矩阵中的概念1.2.1 向量1.3 矩阵的运算1.4 矩阵的转置1.5 矩阵的逆2 微积分2.1 导数的定义2.2 偏导数2.3 方向导数2.4 梯度2.5 凸函数和凹函数3 概率统计3.1 常用统计变量3.2 常见概率分布3.3 重要概率公式1 线性代数导语
拍运算 信号中“拍”的概念 通信中“拍”的概念
我这有两个同方向但不同频率的谐振动 x1x_1x1 和 x2x_2x2，可以用旋转矢量 A1\boldsymbol{A}_1A1 和 A2\boldsymbol{A}_2A2 来表示， x1x_1x1 和 x2x_2x2 就是旋转矢量在 xxx 轴上的投影，x1=A1cos(ω1t+φ
使用 PyTorch Geometric 在 Cora 数据集上训练图卷积网络GCN
本文将告诉你如何将斯坦福大学（CS224W: Machine Learning with Graphs）应用到实际当中并复现一篇论文的结果。
【OpenCV 完整例程】63. 图像锐化——Laplacian 算子
Laplace 算子会突出图像中的急剧灰度变化，抑制灰度缓慢变化区域，往往会产生暗色背景下的灰色边缘和不连续图像。将拉普拉斯图像与原图叠加，可以得到保留锐化效果的图像。图像锐化也称为高通滤波，通过和增强高频，衰减和抑制低频。图像锐化常用于电子印刷、医学成像和工业检测。拉普拉斯卷积核很容易通过卷积操作
九大遥感目标检测数据集（附下载链接）
本文梳理了目标监测领域的九大遥感图像数据集，包括粗粒度和细粒度数据集，对各数据集的具体指标及标注格式给出了解释。
机器学习笔记：常用数据集之scikit-learn生成分类和聚类数据集
scikie-learn中用于生成数据集的接口函数统一以'make_'打头，可以生成以下类型的数据集：(1) 分类和聚类数据集; (2) 回归数据集; (3) 流形学习数据集；(4) 降维数据集。 作为本系列的第三篇，本文介绍分类和聚类数据集的生成用的9个接口函数。
C#：圣诞节内卷，铅笔画制作
前言一年一度的圣诞节又要到了，虽然不是中国传统节日，但当下很人却很喜欢过这个欢乐的节日，并乐于打造参与属于这个节日的仪式感。说到仪式感，仪式感有很多，比如结婚纪念日，给你的妻子买一束鲜花，是婚姻的仪式感；孩子过生日，给TA做一顿喜欢的饭菜或者举办一个小Party，是亲情的仪式感；朋友升职，给他送上一
从零实现深度学习框架——实现Tensor的反向传播
在常见运算的计算图中，我们了解了加减乘除等运算的计算图。本文通过代码实现加法和乘法的计算图来了解我们的`Tensor`自动反向传播计算梯度的模式。
Cadence Allegro修改编辑铜皮边缘图文教程及视频演示
在铺完通后，经常会需要切割边缘的铜皮，本文介绍一种使用Allegro编辑铜皮边缘的方法。
linux服务器配置深度学习环境
自己服务器账号安装环境的顺序：创新环境、新环境安装cuda、安装新环境cuda匹配的pytorch用anaconda 可以cudatoolkit和pytorch一起装，可以设置清华镜像cuda自己装的cuda跟系统cuda没关系，跟base环境下也没关系。自己可以用系统的cuda。自己环境的cuda
【NLP_命名实体识别】CRF++使用流程
重要参考用CRF做命名实体识别(一) - 简书 (jianshu.com)https://www.jianshu.com/p/12f2cdd86679(8条消息) 【windows下CRF++的安装与使用】_feng_zhiyu的博客-CSDN博客_crf++安装https://blog.csdn.
AI 技术专家纷纷回归学术界，大厂刮起「科学家出走潮」？
整理| 禾木木出品 |AI科技大本营（ID:rgznai100）又一大牛回归学术界！最近几年来，越来越多的海外华人科学家回归中国担任大梁，去年AI大牛朱松纯回到清华担任教授并组建北京通...
从熵到交叉熵损失的直观通俗的解释
对于机器学习和数据科学的初学者来说，必须清楚熵和交叉熵的概念.在本文中，我将尝试从信息论的角度解释有关熵的概念
2021 年顶级深度学习论文推荐
2021年还有10天就过去了， 以下是我认为 2021 年最有趣、最有前途的深度学习论文。
神经网络压缩方法：模型量化的概念简介
这篇介绍性文章将讨论可用于优化重型深度神经网络模型的量化技术。
阅读和实现深度学习的论文初学者指南
如果想了解黑匣子内部发生了么，提高创造力或成为第一个将最新科学研究带入业务的开发人员 这篇文章应该可以帮到你。
计算 Python 代码的内存和模型显存消耗的小技巧
本篇文章我们将介绍两个 Python 库 memory_profiler和Pytorch-Memory-Utils，这两个库可以帮助我们了解内存和显存的消耗。
可解释的AI (XAI)：如何使用LIME 和 SHAP更好地解释模型的预测
在本文中，我将介绍两个可以帮助了解模型的决策过程的模型 LIME 和 SHAP。将可解释性集成到机器学习模型中可以帮助决策者和其他利益相关者有更多的可见性并可以让他们理解模型输出决策的解释。
开启深度强化学习之路：Deep Q-Networks简介和代码示例
Deep Q-Learning 算法是深度强化学习的核心概念之一。神经网络将输入状态映射到（动作，Q 值）对。在本篇文章中将通过游戏的示例来介绍 Deep Q-Networks 的整个概念
