独孤九剑第五式-朴素贝叶斯模型
💐文章适合于所有的相关人士进行学习💐🍀各位看官看完了之后不要立刻转身呀🍀🌿期待三连关注小小博主加收藏🌿🍃小小博主回关快 会给你意想不到的惊喜呀🍃各位老板动动小手给小弟点赞收藏一下，多多支持是我更新得动力！！！文章目录🏰前言🏰朴素贝叶斯模型理论讲解⛺️模型思想⛺️贝叶斯理论讲解⛺️
NLP实战-基于弱标注数据的文本分类
本文介绍如何使用弱标注数据进行文本分类，基于CSDN文库下载标签分类场景进行介绍，使用特征选择的方法对弱标注的数据进行过滤，使弱标注的数据能用来进行模型训练。
微调大型语言模型示例：使用T5将自然语言转换成SQL语句
在本文中，我们将使用谷歌的文本到文本生成模型T5和我们的自定义数据进行迁移学习，这样它就可以将基本问题转换为SQL查询。
为什么内存中最多只有一个“Love“？一文读懂Python内存存储机制
这是机器未来的第8篇文章写在前面：博客简介：专注AIoT领域，追逐未来时代的脉搏，记录路途中的技术成长！专栏简介：本专栏的核心就是：快！快！快！2周快速拿下Python，具备项目开发能力，为机器学习和深度学习做准备。面向人群：零基础编程爱好者专栏计划：接下来会逐步发布跨入人工智能的系列博文，敬请期待
期望最大化（Expectation Maximization）算法简介和Python代码实现
期望最大化（EM）算法被广泛用于估计不同统计模型的参数。 在本文中将解释它是如何工作的，并使用python手写进行实现
计算机视觉——单目相机标定
计算机视觉——单目相机标定文章目录计算机视觉——单目相机标定前言OpenCV相机标定流程1. 数据集2. 角点提取3. 内参外参求解4. 误差评估实验分析前言什么是相机标定：在计算机视觉应用中，为确定空间物体表面某点的三维几何位置与其在图像中对应点之间的相互关系，必须建立相机成像的几何模型，这些几何
PyTorch中实现LSTM多步长时间序列预测的几种方法总结（负荷预测）
PyTorch中实现LSTM多步长时间序列预测的几种方法总结（负荷预测）
深度学习实战及tensorflow环境配置
深度学习路很长，要想走得远基础一定要牢，希望本文对你有用。文章目录前言 一、pycharm和anaconda的安装 二、配环境及运行代码 1.遇到无法用pip和conda的情况 2.安装库 3.安装tensorflow和cudatoolkit 4.代码运行 总结前言重新装了一下系统，重新配置
独孤九剑第四式-K近邻模型(KNN)
💐文章适合于所有的相关人士进行学习💐🍀各位看官看完了之后不要立刻转身呀🍀🌿期待三连关注小小博主加收藏🌿🍃小小博主回关快 会给你意想不到的惊喜呀🍃各位老板动动小手给小弟点赞收藏一下，多多支持是我更新得动力！！！文章目录🐢前言🐢KNN理论讲解🐧模型思想🐧确定K值🐔欧氏距离🐔曼
最全面的SVM介绍（从拉格朗日对偶到SMO算法）
SVM主要用来处理二分类问题，其也可用以用来解决多分类问题与回归问题，只不过不常用。其目标是找到一个最优的分隔平面，来使得不同类别之间的距离最大化。核心思想是将问题转化成凸二次规划求解的问题。一、拉格朗日对偶变换 想要搞清楚SVM问题是如何进行转化的，首先就要搞清楚什么是拉格朗日对偶变换，我们
深度对抗神经网络(DANN)笔记
一 总体介绍DANN是一种迁移学习方法，是对抗迁移学习方法的代表方法。基本结构由特征提取层f,分类器部分c和对抗部分d组成，其中f和c其实就是一个标准的分类模型，通过GAN（生成对抗网络）得到迁移对抗模型的灵感。但此时生成的不是假样本，而是假特征，一个足以让目标域和源域区分不开的假特征。而领域判别器
Build 2022 上开发者最应关注的七大方向主要技术更新
一年一度的 Microsoft Build 终于来了，带来了非常非常多的新技术和功能更新。不知道各位小伙伴有没有和我一样熬夜看了开幕式和五个核心主题的全过程呢？接下来我和大家来谈一下作为开发者最应关注的七大方向技术更新。
90个Numpy的有用的代码片段
这些有用的片段在面试中会经常出现，也可以作为日常的numpy练习。
DeepLearning 中的 RNN 与 BRNN(双向RNN)
RNN下图为 RNN 隐藏层单元的可视化呈现：BRNN下图，紫色表示正向连接，绿色表示反向连接，通过下图箭头连接，这个网络就构成了一个无环图。如图，给定一个输入序列 X<1>--X<4>，这个序列首先计算前向的a<1>, 然后计算a<2>，接着a<
CUDA实例系列四:利用GPU加速Sobel边缘检测(含源码)
CUDA实例系列四:利用GPU加速Sobel边缘检测先简单的介绍一下Sobel边缘检测:Sobel算子是图像处理中常用的算子之一, 在计算机视觉中常用来做边缘检测. 它是一个比较小并且是整数的filter, 所需要的计算相对较少, 但是对于图像中频率变化较高的地方,他所得的梯度近似值会比较粗糙.它包
机器学习—无监督学习（一）KMeans聚类
浅谈无监督学习—聚类：K-Means(1)
目标检测算法回顾之IOU变体篇章
目标检测中IOU的发展一级目录二级目录三级目录一级目录二级目录三级目录
使用卷积神经网络实现猫狗分类任务
一、数据集下载链接 使用卷积神经网络在猫狗分类数据集上实现分类任务。一、数据集下载链接 猫狗分类数据集
【一起入门DeepLearning】中科院深度学习_期末复习题2018-2019
2018-2019 学年第二学期期末试题四、画出GRU和LSTM工作流程图，解释各个门的作用，并比较两者的差异
基于FPGA的一维卷积神经网络CNN的实现（三）训练网络搭建及参数导出（附代码）
训练网络搭建环境：Pytorch，Pycham，Matlab。说明：该网络反向传播是通过软件方式生成，FPGA内部不进行反向传播计算。该节通过Python获取训练数据集，并通过Pytorch框架搭建的CNN网络进行网络的训练。并将训练的最优参数导出，这一节先导出至Matalb进行网络的验证以及数据的
