机器学习(十一) 迁移学习
目录前言1 原理前言 迁移学习在计算机视觉任务和自然语言处理任务中经常使用，这些模型往往需要大数据、复杂的网络结构。如果使用迁移学习，可将预训练的模型作为新模型的起点，这些预训练的模型在开发神经网络的时候已经在大数据集上训练好、模型设计也比较好，这样的模型通用性也比较好。如果要解决的问题与这些模型
编程实战（4）——python识别图像中的坐标点并保存坐标数据
本文主要讲述利用python接口的opencv来完成图像识别和信息提取并重新绘制、保存为excel数据的详细过程与思路，适合opencv方面的小白观看
2021年CCF 恶意软件家族分类 单模型优秀方案分享
1. 第一名 we are family1.1 数据探索1.1.1 ASM文件探索1.1.2 PE文件探索1.2 数据降维-AutoEncoder1.3 关键词抽取1.4 模型构建1.5 总结2. 第二名 Petrichor2.1 特征工程2.1.1 单特征提取2.1.1.1 Ember特征2.1.
眼见不为“实”，人们更信任人工智能合成的假脸
常言道，耳听为虚，眼见为实。但是现在随着人工智能技术的发展，眼见可不一定为实。而造成这一结果的全都是因为深度伪造技术，简称深伪技术或者深度伪造。是Deep Learing（深度学习）和Fake（伪造）的混成词。一种基于人工智能的人体图像合成技术。而该技术的扩散与发展，引起了人们的担忧。2018年，英
论文推荐：StarCraft II Unplugged 离线强化学习
在本文中，我们将介绍 StarCarft II Unplugged 论文 [1]，本论文可以将AlphaStar进行了扩展或者说更好的补充解释，绝对值得详细阅读。
为Linux应用添加按键控制
关于Tina和AI-Demo的开发，可以先参考下面两篇博客：Tina方案开发一探_tugouxp的专栏-CSDN博客1.编译,打包2.烧录：选择量产卡：烧录成功：3.将卡插入平台，BROM卡启动程序将加载SD卡中的固件，至于最终是卡量产，开始卡启动，则取决于固件本身的定义。4.结束！https://
数字视频及应用
一、基本概念介绍（一）数字视频（1）泛指内容随时间变化的一个图象序列，又叫运动图象或活动图象(motion picture) （2）常见视频：电视、电影、动画等。 （3）特点： ①、内容随时间而变化, ②、伴随有与画面动作同步的声音(伴音), ③、人类接受的信息 70%来自视觉, 其中活动图象是信息
Python环境下用中文做了个《王者荣耀》AI脚本，附视频
《王者荣耀》AI最早的巅峰应该是在2018年 “AI（人工智能）”VS“人类明星战队”，视频给你们留着了，先留着等会看。 梦泪被AI击杀6次，KPL首次呈现“AI（人工智能）”VS“人类明星战队”比赛精华~
Python3，10行代码，给pdf文件去水印，再也不用花费冤枉钱了。
自动学会了pdf去水印方法，再也没花过一分钱。
音频数据建模全流程代码示例：通过讲话人的声音进行年龄预测
从EDA、音频预处理到特征工程和数据建模的完整源代码演示
Linux下载OneDrive分享文件
朋友使用OneDrive分享数据文件，但由于个人的Windows环境下载网速比较慢，所以使用Linux系统下载数据文件。需要解决方案的朋友阅读第一部分即可，第二部分仅仅是对踩坑方案进行汇总，避免后续在相同的地方踩坑。1. 解决方案 1.1 使用FireFox获得下载链接 1.2 下载文件
计算机视觉系列教程2-2：详解图像滤波算法(附Python实战)
图像滤波算法种类繁多，本文系统梳理了图像滤波算法，并都附上了Python实战代码加深理解，便于二次开发
云原生与大数据、AIoT、开源的碰撞之路——专访小米崔宝秋
类似于云原生+大数据这样技术的“强强联合”将成为云原生时代的发展趋势，运维和基础软件开发者、服务端和前端开发者所关注的技术点各有不同。
TensorBoard的最全使用教程：看这篇就够了
本文详细介绍了 TensorBoard 所有基本组件以及高级的功能,并推荐了常用插件和使用方法，提供与PyTorch结合使用的方法代码。
CUDA C/C++ 教程一：加速应用程序
文章目录1. CUDA简介2. 准备工作3. 加速系统4. 编写在GPU运行的代码4.1. 编写一个Hello GPU核函数5. CUDA线程的层次结构5.1. 启动可并行运行的核函数6. CUDA提供的线程层次结构变量6.1. 线程和块的索引6.2. 加速for循环6.3. 协调并行线程7. 分配
AI 赋能安全技术总结与展望
伴随着人工智能技术的蓬勃发展，当前网络空间已经迈进到人工智能时代。人工智能对网络空间产生了变革性的影响，如何使用人工智能技术构建更可靠的网络安全系统就变得至关重要。具体来说，人工智能赋能安全，是指基于海量数据的基础上利用人工智能来自动识别或响应潜在网络威胁的工具和技术。
谷粒学院（九）EasyExcel | 课程分类模块
谷粒学院（九）EasyExcel | 课程分类模块
opencv for android(二十四)：使用opencv的BackgroundSubtractorKNN动态追踪
opencv for android(二十二)：使用opencv计算滑动验证码opencv for android(二十)：使用opencv及opencv_contrib描述人脸64点位opencv for android(十九)：使用opencv扫描解析二维码
R语言KMeans聚类分析确定最优聚类簇数实战：间隙统计Gap Statistic（确定最优聚类簇数）
R语言KMeans聚类分析确定最优聚类簇数实战：间隙统计Gap Statistic（确定最优聚类簇数）目录R语言KMeans聚类分析确定最优聚类簇数实战：间隙统计Gap Statistic（确定最优聚类簇数）#仿真数据#间隙统计Gap Statistic（确定最优聚类簇数）#仿真数据n = 100g
