《机器学习实战：基于Scikit-Learn、Keras和TensorFlow第2版》-学习笔记（2）
《机器学习实战：基于Scikit-Learn、Keras和TensorFlow第2版》 - 第二章 端到端的机器学习项目。Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition, by Aurél
【进阶篇】全流程学习《20天掌握Pytorch实战》纪实 | Day02 | 图片数据建模流程范例
不定期学习《20天掌握Pytorch实战》，有兴趣就跟着专栏一起吧~
python数据分析基础009 -利用pandas带你玩转excel表格（下篇）
文章要点🍺前言💦（一）利用pandas对数据求和，算平均数💨1. 在excel表格中实现💨2.在pandas中进行实现💦（二）消除重复数据💨1.在excel中进行实现💨2.在pandas中实现💫2.1 利用pandas将重复的数据筛选出来💦（三）数据转置💨1.在excel中进行实
openGauss AI能力升级，打造全新的AI-Native数据库
数据库与AI结合起来会迸发出什么样的火花？不同的数据库厂商、开源社区、高校师生们的理解也都不尽相同。虽然在精确的概念上难以形成统一的标准，但是在总体的演进思路上却是一致的。对于openGauss来说，自从在社区开源第一个版本开始，openGauss便不断地在该领域演进并贡献代码，对于此次开源的ope
神经网络学习小记录70——Pytorch 使用Google Colab进行深度学习
神经网络学习小记录70——Pytorch 使用Colab进行深度学习学习前言什么是Google ColabColab官网利用Colab进行训练一、数据集与预训练权重的上传1、数据集的上传2、预训练权重的上传二、打开Colab并配置环境1、笔记本的创建2、环境的简单配置3、深度学习库的下载4、数据集的
自动化的机器学习：5个常用AutoML 框架介绍
AutoML 可以为预测建模问题自动找到数据准备、模型和模型超参数的最佳组合，本文整理了5个最常见且被熟知的开源AutoML 框架。
智能算法与传统算法
传统算法无法在有限的时间内精确求解智能算法寻求在求解时间和求解速度上的平衡，在可接受的花费（计算时间、占用空间等）下给出待解决优化问题每一个实例的一个可行解，该可行解与最优解的偏离程度不一定事先可以预计。这类算法中的每一个算法都以人类、生物的行为方式或物质的运动形态为背景，经过数学抽象建立算法模型，
Keras深度学习实战（1）——神经网络基础与模型训练过程详解
神经网络是一种性能强大的学习算法，其灵感来自大脑的运作方式。类似于神经元在大脑中彼此连接的方式，神经网络获取输入后，通过某些函数在网络中进行传递输入信息，连接在其后的一些神经元会被激活，从而产生输出。本文主要介绍神经网络中重要的基础知识，然后使用 Python 从零开始构建神经网络的训练流程，包括前
掌握神经网络的法宝（二）
本文为大家展示了神经网络的最优化和误差反向传播法，希望能打大家有所帮助~~
R语言使用ifelse函数实战
R语言使用ifelse函数实战
opencv python图像批量相加cv2.add(img1,img2),以stone331数据集为例
将两个文件夹中对应的图片两两相加
OpenCV实践小项目(三) - 停车场车位实时检测
1. 写在前面今天整理OpenCV入门的第三个实战小项目，前面的两篇文章整理了信用卡数字识别以及文档OCR扫描， 大部分用到的是OpenCV里面的基础图像预处理技术，比如轮廓检测，边缘检测，形态学操作，透视变换等， 而这篇文章的项目呢，不仅需要一些基础的图像预处理，还需要搭建模型进行识别和预测，所以
一步步教你查看cuda和cudnn版本
1.查看cuda版本win+R+enter回车,再输入cmd进入命令行，再输入nvcc --version或者输入nvcc -V即可得到cuda的版本，如图我的cuda版本是10.2查看cudnn版本进入目录查看cudnn_version.h文件一般放在：C:\Program Files\NVIDI
睿智的目标检测57——Tensorflow2 搭建YoloV5目标检测平台
睿智的目标检测57——Tensorflow2 搭建YoloV5目标检测平台学习前言源码下载YoloV5改进的部分（不完全）YoloV5实现思路一、整体结构解析二、网络结构解析1、主干网络Backbone介绍2、构建FPN特征金字塔进行加强特征提取3、利用Yolo Head获得预测结果三、预测结果的解
将梯度提升模型与 Prophet 相结合可以提升时间序列预测的效果
将Prophet的预测结果作为特征输入到 LightGBM 模型中进行时序的预测
【复杂网络】流行病传播模型 - SI、SIS、SIR(含实例)【python】
【复杂网络】流行病传播模型 - SI、SIS、SIR【python】1. 流行病传播概念2.流行病传播模型2.1 模型数据集2.1.1数据集2.1.2数据导入及绘制2.1.3数据集网络图2.2 SI模型2.2.1实现思路2.2.2 代码2.2.3结果2.3 SIS模型2.3.1实现思路2.3.3结果
目标检测算法——YOLOv5将IOU Loss替换为EIOU Loss
将YOLOv5中的锚框损失函数替换为EIOU Loss，性能远优于原IOU、DIOU以及CIOU等，测试自身数据集发现涨点明显！
目标检测算法——YOLOv5结合BiFPN
将YOLOv5中的PANet层修改为EfficientDet-BiFPN，实现自上而下与自下而上的深浅层特征双向融合，明显提升YOLOv5算法检测精度。
墨奇科技博客｜计算机视觉在前端应用中的实践 II
在上一篇博客中，我们简单介绍了如何基于 OpenCV.js 或 Rust/WebAssembly 设计并实现技术方案，在前端业务中实现计算机视觉类（下文简称 CV）的功能。感兴趣的同学可以点击下方链接回顾上一期博客：墨奇科技博客 | 计算机视觉在前端应用中的实践Ⅰhttps://blog.csdn.
OCR文字识别技术总结（四）
导读：在上一篇文章中我们对文字检测各类算法进行总结，本篇将继续介绍OCR领域文字识别理论部分的研究，将从规则文本及不规则文本的文字识别进行展开，主要介绍主流文字识别相关算法。
