Keras深度学习实战（8）——房价预测
在本节中，我们介绍了神经网络的实际应用，使用 Boston 房价数据集，通过尝试预测房屋的价格来研究连续输出问题，并介绍了如何在网络训练过程中使用自定义损失函数。
【人工智能】计算机视觉之OpenCV学习详解一
文章目录一，前言二，OpenCV安装三，实战学习3.1,色彩处理3.2，裁剪提取3.3，图像绘制四，源码五，后言一，前言看准这个方向很久了，今天开始和Java，Go一起推进学习。不求多，每天学习一点点。二，OpenCV安装作为Python选手的我，当然选择了Python语言来学习OpenCV。编译器
多层感知机还在进步，关于深度学习中MLP的5篇最新的论文推荐
2002年最新的5篇MLP论文推荐
数学建模学习（65）：零基础学会使用SVM支持向量机分类
支持向量机SVM分类教程
Python验证码识别和生成(5000字详细实例和概念讲解)
哈喽O(∩_∩)O:.,,.-:*``*:-.,,.-:*``*:╭╧╮ ╭╧╮╭╧╮ ╭╧╮║周║║末║║快║║乐║└﹏┘└﹏┘└﹏┘└﹏┘** * * * * * * * * * * *╒╧╕ ╒╧╕ ╒╧╕ ╒╧╕ ╒╧╕｜財｜｜招｜｜吉｜｜大｜｜閣｜｜源｜｜財｜｜祥｜｜吉｜｜家｜｜廣｜｜進
基于STM32+华为云IOT设计智能称重系统
选择部署多个重量传感器和必要的算法、通过WIFF通信模块、GPS定位模块，采集车辆重数据一地理位置信息，并通过网络发送至云平台，设计图形化UI界面展示称重、地图位置等重要信息，实现对称重系统的远程监测。
笔记：基于keras的不同神经网络模型Minst手写体识别
基于keras不同神经网络模型的mnist手写体识别
TensorFlow简单使用（基础篇）
目录一、TensorFlow的数据类型二、如何创建一个张量三、常用函数1.强制转换、最大值、最小值2.平均值、求和3.标记为可训练4.四则运算5.平方、次方与开方6.矩阵相乘7.输入特征和标签配对8.求出张量的梯度9.枚举函数10.独热编码11.概率转换函数12.自更新函数13.最大值索引函数我们为
来聊聊三维重建？
2021年，对于中国而言，可以算是实景三维的元年，自然资源部发布《实景三维中国建设技术大纲（2021版）》，各地实景三维项目建设进入新高潮，对于测绘人而言，这算是一件大事，这似乎意味着，摄影测量进入了全新的实景三维重建阶段。2022年3月，自然资源部办公厅发布《关于全面推进实景三维中国建设的通知》，
端到端的特征转换示例：使用三元组损失和 CNN 进行特征提取和转换
通过卷积和三元组损失学习数据的表示，并提出了一种端到端的特征转换方法，这种使用无监督卷积的方法简化并应用于各种数据。
10大机器视觉和AI模型库
AI社区慷慨地分享代码、模型架构，甚至在大型数据集上预训练好的模型。我们站在巨人的肩膀上，这就是为什么行业会如此广泛地采用人工智能的原因。当我们开始一个计算机视觉项目时，我们首先找到能部分解决我们问题的模型。假设想要构建一个安防应用，该应用主要是检测规定区域的行人。首先，检查是否存在公开可用的行人检
matplotlib进阶教程：如何逐步美化一个折线图
大家好，今天分享一个非常有趣的 Python 教程，如何美化一个 matplotlib 折线图，喜欢记得收藏、关注、点赞。注：数据、完整代码、技术交流文末获取1. 导入包import pandas as pdimport matplotlib.pyplot as pltimport matplotl
Taskonomy 多任务学习
Taskonomy 多任务迁移学习数据集解析下载及任务详解
Pytorch学习笔记（七）——CNN基础
目录一、~~卷积~~ （互相关）运算1.1 边缘检测1.2 nn.Conv2d1.3 卷积核学习1.4 特征图与感受野一、卷积 （互相关）运算严格来讲，卷积运算实际上是互相关（cross-correlation）运算，如下图所示：设输入大小为 (nh,nw)(n_h,n_w)(nh,nw)，卷积
秩和比综合评价法（RSR）详解及Python实现和应用
秩和比综合评价法是量化分析数学建模最常用的评价模型之一，在参与数学建模的一些比赛中出现过频数较多的评价系统或是政策影响因素等级排序等相关主题，该模型很够很好的建立评价系统，在多篇国赛美赛优秀论文中都出现过其身影。本篇博客的愿景是希望我或者读者通过阅读这篇博客能够学会RSR方法并能实际运用，而且能够记
AI实现艺术品自动生成？太牛了
什么是AI艺术家?本文介绍了AI艺术家的基本原理以及使用流程,为艺术创作带来新的概念,希望能得到大家的鼓励支持!
LSTM 又回来了！ 新论文使用LSTM挑战长序列建模的 ViT
Sequencer 通过将空间信息与节省内存和节省参数的 LSTM 混合来降低内存成本，并在长序列建模上实现与 ViT 竞争的性能。
【C++】高斯金字塔和拉普拉斯金字塔原理和实现
【C++】高斯金字塔和拉普拉斯金字塔原理和实现图像中各个像素与其相邻像素之间的有很强的相关性，包含的信息也十分丰富，目标的尺寸有大有小，对比度有强有弱，此时就需要一个“显微镜”或者“望远镜”-----多尺度图像技术。它可以在不同分辨率下观察目标的特征进而进行处理。多尺度图像技术也叫做多分辨率技术（M
ubuntu搭建深度学习的docker环境
安装支持CUDA的Docker工具1.安装Docker# 安装系统工具$ sudo apt-get update$ sudo apt-get -y install apt-transport-https ca-certificates curl software-properties-common#
