使用PyTorch进行小样本学习的图像分类
我们将从几个样本中学习的问题被称为“少样本学习 Few-Shot learning”。我们将从几个样本中学习的问题被称为“少样本学习 Few-Shot learning”。少样本学习是机器学习的一个子领域。
GCN-图卷积神经网络算法简单实现（含python代码）
GCN-图卷积神经网络算法简单实现（含python代码）
【Spark NLP】第 7 章：分类和回归
对文档执行的最常见的机器学习任务是分类和回归。从确定临床记录的保险计费代码（分类）到预测社交媒体帖子的受欢迎程度（回归），大多数文档级机器学习任务都属于这些类别之一，而分类是两者中更为常见的一种。在开始机器学习任务时，尝试手动标记一些文档是非常有用的，即使数据集中已经有标签。这将帮助您了解可以在您的
【Spark NLP】第 9 章：信息提取
如果我们使用模型方法，事情可能会有点模糊，因为模型可以识别可能不完全出现在我们的数据库中的名称。另一方面，考虑到“可能导致头晕”的医学示例，我们可能不想将描述该患者的短语包含在患有头晕的患者集中。还有一些其他的例外，主要是在上下文中合适的非专有名词短语——例如，像“牛仔队”这样的运动队。事实上，如果
【目标检测】YOLOv5遇上知识蒸馏
本文主要来研究知识蒸馏的相关知识，并尝试用知识蒸馏的方法对YOLOv5进行改进。
【CV】第 1 章：计算机视觉和 TensorFlow 基础知识
上述代码导入了机器学习和计算机视觉工作所需的Python库，例如用于处理数组的 NumPy、用于 openCV 计算机视觉工作的 cv2、用于处理Python代码中的图像的 PIL 以及用于绘制结果的M atplotlib。但是，一阶导数法的问题是，根据输入函数的不同，最大值会发生变化，因此无法预先
乐吾乐le5le-Topology为智慧水务可视化赋能（一）
水利是指人类为了生存和发展的需要，采取各种措施，对自然界的水和水域进行控制和调配，以防治水旱灾害，开发利用和保护水资源。水是一切生命的源泉，是人类生活和生产活动中必不可少的物质。在人类社会的生存和发展中，需要不断地适应、利用、改造和保护水环境。水利事业随着社会生产力的发展而不断发展，并成为人类社会文
CSDN独家 | 全网首发 | Pytorch深度学习·理论篇(2023版)目录
本专栏将通过系统的深度学习实例，从可解释性的角度对深度学习的原理进行讲解与分析，通过将深度学习知识与Pytorch的高效结合，帮助各位新入门的读者理解深度学习各个模板之间的关系，这些均是在Pytorch上实现的，可以有效的结合当前各位研究生的研究方向，设计人工智能的各个领域，是经过一年时间打磨的精品
基于MATLAB的指纹识别算法仿真实现
现实中，指纹输入时，由于汗渍、干燥、按压力度不同等影响,得到的指纹图像大都含有断纹、褶皱、模糊、灰度不均匀等质量问题，虽然经过预处理，图像质量会有所改观，但预处理算法对各个指纹的适应性和有效性也会不同，并且会引入新的噪声，因此得到的细化二值图像往往含有大量的伪特征点。指纹图像处理中物体的形状信息是十
贝叶斯推理三种方法：MCMC 、HMC和SBI
本文将阐明为什么贝叶斯方法不仅在逻辑上是合理的，而且使用起来也很简单。这里将以三种不同的方式实现相同的推理问题。
数字图像处理之matlab实验（五）：形态学图像处理
数字图像处理之matlab实验基础
PhyGeoNet一种可用于不规则区域的物理信息极限学习机
主要就是解决了CNN求解域为非规则形状这样问题，同时将物理信息嵌入CNN中，实现了物理数据双驱动。
基于yolov5框架实现人流统计（目标检测算法、目标追踪算法以及越界识别功能）+手机获取统计人数
基于yolov5框架实现人流统计（主要AI算法包括：目标检测算法、目标追踪算法以及越界识别功能）+手机获取统计人数（喵提醒）
jupyter ‘_xsrf‘ argument missing from post 解决方案
本文主要介绍了jupyter ‘_xsrf’ argument missing from post 解决方案，希望能对新手有所帮助。文章目录1. 问题描述2. 解决方案
10个机器学习中常用的距离度量方法
距离度量是有监督和无监督学习算法的基础，包括k近邻、支持向量机和k均值聚类等。
手把手带你玩转Spark机器学习-深度学习在Spark上的应用
本文将介绍深度学习在Spark上的应用，我们将聚焦于深度学习Pipelines库，并讲解使用DL Pipelines的方式。我们将讲解如何通过Pipelines实现Transfer Learning，同时通过预训练模型实现来处理少量数据并实现预测。本文主要介绍深度学习在Spark上的应用，以花卉图片
手把手带你玩转需求预测-需求预测方法介绍
预测算法的本质是从历史数据中发现pattern，并利用这个pattern推演到未来，形成预测结果。供应链的绝大多数预测场景中，每个预测目标的历史观测值可以在时间轴上串起来形成一条时间序列（Time Series），因此这些预测问题都可以抽象成为一个时间序列预测的问题。本文会从时序预测技术迭代升级历经
使用OpenCV如何确定一个对象的方向
在本教程中，我们将构建一个程序，该程序可以使用流行的计算机视觉库 OpenCV 确定对象的方向（即以度为单位的旋转角度）。最常见的现实世界用例之一是当您想要开发机械臂的取放系统时。确定一个物体在传送带上的方向是确定合适的抓取、捡起物体并将其放置在另一个位置的关键。
数据挖掘-KNN算法+sklearn代码实现(六)
KNN最邻近分类算法的实现原理：为了判断未知样本的类别，以所有已知类别的样本作为参照，计算未知样本与所有已知样本的距离，从中选取与未知样本距离最近的K个已知样本，根据少数服从多数的投票法则（majority-voting），将未知样本与K个最邻近样本中所属类别占比较多的归为一类。
PyTorch中的多GPU训练：DistributedDataParallel
本文将介绍DistributedDataParallel，DDP 基于使用多进程而不是使用多线程的 DP，可以扩充到多机多卡的环境，所以他是分布式多GPU训练的首选。
