五子棋 深度 策略 价值
深度学习的一些基础函数
上半年学习的一些记录 主要参考的书：《写给新手的深度学习：用Python学习神经网络和反向传播》 Numpy： linspace reshape 广播机制（数组在某一轴上扩展，值和原来一样，扩展之后可以和其他维度的数组做基本计算） 切片 transpose 调换轴 其中transpose(1,0)等 ......
检测数组深度，数据深度，几维数组
``` /** * 检测数据的深度 * @param $array 要检测的数组 * @return int 返回深度值 */ function array_depth($array) { $max_depth = 1; foreach ($array as $value) { if (is_arr ......
数字孪生技术真正的实用价值是什么？
随着科技的不断进步，数字孪生技术已成为引领未来发展的重要驱动力。数字孪生是将现实世界与数字世界紧密结合的技术，通过创建虚拟的物理模型，实时模拟和分析真实世界中的物体和过程，让数字孪生在各个领域都展现出了巨大的潜力，并带来了真正的实用价值。 ......
深度神经网络调优
1.选择合适的模型架构 总结：当开始一个新的工程时，试着复用已经有效果的模型 1）首先，选择一个已经被广泛使用和建立起来的模型架构来先让其正常工作。可以在以后再建立一个定制化的模型。 2）模型架构一般都具有多种超参数，这些超参数决定了模型的尺寸和其他一些细节（如，层数，层 宽，激活函数的类型），因此 ......
深度学习框架 —— 分布式训练
现在深度学习的模型结构越来越大，参数动不动都是上亿甚至上千亿，这也对训练模型的资源量有很高的要求，显然单个机器上要训练这么大的网络是不现实的，因此学术界和工业界自然开始研究用分布式训练。也就是将一个机器学习模型任务拆分成多个子任务，并将子任务分发给多个计算节点，解决资源瓶颈。 # 1. 分布式训练概 ......
深度学习编译器后端和运行时
编译器前端将用户代码解析得到计算图 IR，并且做了一些和计算设备无关的通用优化。编译器后端做的优化就和具体的设备有关了（不同设备有不同的 allocator，不同的编程模型，比如英伟达的 CUDA），后端优化更加贴合硬件，会针对硬件特点为 IR 中的计算节点选择在硬件上的算子，然后为每个算子的输入输 ......
深度 Q 网络（deep Q network，DQN）原理&实现
# 深度 Q 网络（deep Q network，DQN）原理&实现 ## 1 Q-Learning 算法 ### 1.1 算法过程 Q-learning是一种用于解决强化学习问题的无模型算法。强化学习是一种让智能体学习如何在环境中采取行动以最大化某种累积奖励的机器学习方法。 在Q-learning ......
AlexNet深度卷积神经网络——pytorch版
import torch from torch import nn from d2l import torch as d2l net = nn.Sequential( # (224-11+1+2)/4=54 nn.Conv2d(1,96,kernel_size=11,stride=4,padding ......
深度学习编译器前端技术概述
AI 编译器在前端经常会做一些静态分析，方便在前端做一些优化：自动微分等。  ## 中间表示（Intermediat ......
OpenERP的实时库存价值
OpenERP的Product的Account Tab页有个字段：库存价值（Inventory Valuation），该字段如果选择 Real Time (automated)，系统会实时计算库存价值。为了实时计算各产品和各库位的实时库存价值，需要设置几个Account的字段：Stock Input ......
002-深度学习数学基础(神经网络、梯度下降、损失函数)
0. 前言 人工智能可以归结于一句话：针对特定的任务，找出合适的数学表达式，然后一直优化表达式，直到这个表达式可以用来预测未来。 针对特定的任务： 首先我们需要知道的是，人工智能其实就是为了让计算机看起来像人一样智能，为什么这么说呢？举一个人工智能的例子： 我们人看到一个动物的图片，就可以立刻知道这 ......
2、深度学习之张量和基本数据类型
1、构建项目 2、编辑test2.py 1 import torch 2 import numpy as np 3 import tensorflow as tf 4 #1. pytorch张量 5 #pytorch中的张量和tensorflow的tensor是一样的，名字都一样 6 #pytorc ......
ARM开发板-五子棋
### c语言项目-五子棋游戏 1. 开发环境：linux虚拟机内，Ubuntu，画板。 2. IDE:Sublime-Text 3. 编程语言：c语言 4. 最终运行环境：arm-6818开发板（800*480） 所用的知识：系统io，数组，指针，内存拷贝，条件判断，循环，函数，枚举，宏定义，结构 ......
OCR深度实践系列（三）：文本检测
https://mp.weixin.qq.com/s?__biz=MzI5MjYzNzAyMw==&mid=2247484216&idx=1&sn=619ea106f11af6bd3d0f851fd57add9e&chksm=ec7f1308db089a1e6dd201e5da662e4951382 ......
OCR深度实践系列：数据生成
转载：https://mp.weixin.qq.com/s?__biz=MzI5MjYzNzAyMw==&mid=2247484187&idx=1&sn=549b68ec989792ad5e2fb9179af55598&chksm=ec7f132bdb089a3d2f96ebecc780a6e756 ......
OCR深度实践系列（四）：文本识别
https://zhuanlan.zhihu.com/p/334340972 （一）图像预处理 （二）数据生成 （三）文本检测 最近在攻关法律领域的类案检索系统，这几天正好忙完了，得空继续写《OCR深度实践系列》这一专题的文章。前面三章依次介绍了图像预处理、数据生成以及文本检测三个模块，本章将介绍第 ......
OCR深度实践系列：图像预处理
转载：https://mp.weixin.qq.com/s?__biz=MzI5MjYzNzAyMw==&mid=2247484153&idx=1&sn=b65e9e99047ae20ed44cd99e4b0ff2e0&chksm=ec7f12c9db089bdf84281eaa54dad96679 ......
mp-主键策略的学习
自增主键@auto，要让插入的数据id自增需要使用注解该注解在实体类中添加@TableId(type = IdType.AUTO)注解 然后在测试类中直接设置user属性值，使用方法insert插入即可。 注意：需要在表中设置自增，切将自增的值与数据表中的主键值对应 @INPUT注解手动插入主键属性 ......
历史与未来，带你了解深度学习OCR
转载：https://zhuanlan.zhihu.com/p/363523508 1. OCR基础 光学字符识别（Optical Character Recognition）简称OCR，是一种能够从图像或者视频中自动识别文本内容，自动转化成机器可读、可处理的结构化字符信息的技术，发挥着计算机“眼睛 ......
深度学习-->卷积神经网络（LeNet）
LeNet: # LeNet import d2lzh as d2l import mxnet as mx from mxnet import autograd, gluon, init, nd from mxnet.gluon import loss as gloss, nn import tim ......
提升网站排名与流量的关键策略
导言： 在如今竞争激烈的互联网时代，网站的排名和流量对于企业的在线可见性和业务发展至关重要。搜索引擎优化（SEO）是一种关键的策略，旨在提高网站在搜索引擎结果页面上的排名，从而增加网站的曝光率和有针对性的流量。本文将深入探讨SEO的基本概念、关键要素以及有效的优化技巧，帮助读者实现网站在搜索引擎上的 ......
物联网相关-DPI 深度报文检测
DPI 深度报文检测 deep packet inspection 深度报文检测，提出的背景是：如P2P、流媒体等新的网络业务的出现，运营商这边的数据流量和网络流量压力变大，需要对流量进行检测，来升级、服务。 简单的报文检测，只分析：源IP、目的IP、源端口、目的端口、协议类型 深度报文检测，是加上 ......
动手深度学习pytorch 8-章
1. 序列模型 a）自回归模型 对见过的数据建模 b）马尔可夫模型 c）因果关系 2. 单机多卡并行 数据并行和模型并行： 数据并行，将小批量分成n块，每个GPU拿到完整参数计算，性能更好。模型并行，将模型分成n块，每个GPU拿到一块模型计算前向和方向结果，用于单GPU放不下 小批量分到多GPU计算 ......
【专题】2021-2022年中国母婴行业新媒体营销价值研究报告PDF合集分享（附原数据表）
报告链接：http://tecdat.cn/?p=31424 人口出生红利消失，以及后疫情时代的冲击，但消费升级将负面因素拉平，母婴消费市场总量持续稳步上升。"精致妈妈"的营销价值日益凸显。阅读原文，获取专题报告合集全文，解锁文末56份母婴行业相关报告。 当母婴人群成为众多母婴及家庭消费品的重要入口 ......
红帽SELinux资料-翻译---第三章-Targeted策略
红帽企业 Linux 7 SELinux 用户和管理员指南 翻译者：李天聪 第三章 Targeted策略 Targeted策略是红帽企业Linux的默认SELinux策略。当使用targeted策略时，目标进程运行在受限的域中，非目标进程运行在不受限的域中。例如，默认情况下，登录的用户运行在unco ......
强化学习——策略梯度之Reinforce
1、策略梯度介绍 相比与DQN，策略梯度方法的区别主要在于，我们对于在某个状态下所采取的动作，并不由一个神经网络来决定，而是由一个策略函数来给出，而这个策略函数的目的，就是使得最终的奖励的累加和最大，这也是训练目标，所以训练会围绕策略函数的梯度来进行。 2、策略函数 以Reinforce算法为例， ......
二叉树的最小深度
所以，如果左子树为空，右子树不为空，说明最小深度是 1 + 右子树的深度。 反之，右子树为空，左子树不为空，最小深度是 1 + 左子树的深度。 最后如果左右子树都不为空，返回左右子树深度最小值 + 1 。 1 int minshendu(Node* node) { 2 if (node == nul ......
求二叉树的最大深度
此为有返回值的递归问题 先确定终止条件(如果一个树为空树，它的高度就是0，我们直接返回0，根本不用递归） 写出通式(1+max(左子树的最大深度,右子树的最大深度)规模更小的子问题)，将通式写在return里面 1 int maxshendu(Node* node) { 2 if (node == ......
linux根据地址添加出站策略--脚本
文件名称：add_policy.sh 内容： #!/bin/bash main(){ num=1 echo "<?xml version="1.0" encoding="utf-8"?> <direct> </direct> " > direct.xml # read -p "请输入文件全路径名称： ......