人脸 神经 风格c4w
week2-神经网络基础
1. Binary Classification 如上图所示是经典的二分类问题。输入的图片是3通道64*64像素的，有3个64*64的矩阵，把这些像素亮度放入一个特征向量（feature vector）x。（按照通道的顺序排列下来，如上图的X）,向量x的总维度就是64*64*3，为12288。用n_ ......
Nougat：结合光学神经网络，引领学术PDF文档的智能解析、挖掘学术论文PDF的价值
Nougat：结合光学神经网络，引领学术PDF文档的智能解析、挖掘学术论文PDF的价值 这是Nougat的官方存储库，Nougat是一种学术文档PDF解析器，可以理解LaTeX数学和表格。 Project page: https://facebookresearch.github.io/nougat ......
神经网络是如何工作的？
作为一名程序员，我们习惯于去了解所使用工具、中间件的底层原理，本文则旨在帮助大家了解AI模型的底层机制，让大家在学习或应用各种大模型时更加得心应手，更加适合没有AI基础的小伙伴们。 ......
【Pytorch基础实战】第一节，BP神经网络
项目地址 https://gitee.com/wxzcch/pytorchbase/tree/master/leason_1 实现代码 import pandas as pd import torch import torch.nn as nn import torch.optim as optim ......
flask-sqlalchemy【3.1.1】使用 Restfui风格
1.安装导入 from flask_sqlalchemy import SQLAlchemy 注册 # 创建拓展插件实例 db = SQLAlchemy() app = Flask(__name__) app.secret_key = 'mysecretkey123' # 配置 SQLite 数据库 ......
物理信息神经网络(PINN)
什么是物理信息神经网络(PINN)？ 宋家豪, 曹文博, and 张伟伟. "FD-PINN: 频域物理信息神经网络." 力学学报 55.5 (2023): 1195-1205. 物理信息神经网络（PINN）是一种将深度学习与物理建模相结合的方法，用于求解偏微分方程（PDE)和其他物理问题。PINN ......
基于支持向量机SVM和MLP多层感知神经网络的数据预测matlab仿真
1.算法运行效果图预览 2.算法运行软件版本 matlab2022a 3.算法理论概述 支持向量机（SVM）和多层感知器（MLP）是两种常用的机器学习算法，它们在数据预测和分类任务中都有广泛的应用。下面将详细介绍这两种算法的原理和数学公式。 一、支持向量机（SVM） 支持向量机是一种二分类算法，其基 ......
视频直播app源码，在开发时配置 lint 风格检查与修正
在开发视频直播app源码时引入工具辅助，可以强制性地实现编码书写和提交过程中的 lint 校验。下面以当前流行的 Git Hook 方案举例供参考。 一、开发编辑器及 lint 工具配置我们在视频直播app源码中配置 TSLint 插件以校验 typeScript；配置 styleLint 插件以校 ......
类C代码风格
格式化工具 推荐使用 clang-format 和 git-clang-format 统一 C/C++/Objective-C 代码风格。 代码风格使用工程根目录下的 .clang-format 文件描述。 在新增文件时，使用 clang-format 调整代码风格： clang-format -i ......
Linux内核管理风格 【ChatGPT】
https://www.kernel.org/doc/html/v6.6/process/management-style.html Linux内核管理风格 这是一份简短的文件，描述了Linux内核的首选（或虚构的，这取决于你问谁）管理风格。它旨在在某种程度上反映过程/编码风格.rst文件，并主要是 ......
神经网络优化篇：详解偏差，方差（Bias /Variance）
偏差，方差 注意到，几乎所有机器学习从业人员都期望深刻理解偏差和方差，这两个概念易学难精，即使自己认为已经理解了偏差和方差的基本概念，却总有一些意想不到的新东西出现。关于深度学习的误差问题，另一个趋势是对偏差和方差的权衡研究甚浅，可能听说过这两个概念，但深度学习的误差很少权衡二者，总是分别考虑偏差和 ......
深度学习中前馈神经网络的认识以及损失函数，梯度下降的一些算法
1.前馈神经网络 前馈神经网络就是上次提到的网络模型的基础上它仅可以向前传播，往前传播应该有的权值w，不断提取特征 2.损失函数 损失函数是什么？ 它是输入之后在隐藏层的传播过程中每一次数据传入对它预测结束之后都有一个预测值，这个预测值和真实得出来的结果有一定的误差，对这个误差进行拟合，需要用一些函 ......
[代码之美] 简洁代码风格终极指南
什么是“干净的代码”？ 原文地址(英文) 什么是“干净的代码“ 可读 优雅 易于理解，符合单一职责原则 易于理解，易于修改，易于维护 按照测试策略进行测试 写“干净的代码”的重要性 解决问题更容易 团队中思路的交流更清晰 不需要过多的维护 The Best Tips to Follow 1. 使用描 ......
Windows风格的个人网盘，支持文档在线编辑
https://www.cnblogs.com/leeyoshinari/p/17873436.html 这是一个Windows页面风格的个人网盘，支持普通文本、文档、表格、xmind等在线编辑，支持Windows的小组件，例如计算器、WhiteBoard、python 等，其他更多功能待你来发现， ......
神经网络优化篇：详解训练，验证，测试集（Train / Dev / Test sets）
训练，验证，测试集 在配置训练、验证和测试数据集的过程中做出正确决策会在很大程度上帮助大家创建高效的神经网络。训练神经网络时，需要做出很多决策，例如： 神经网络分多少层 每层含有多少个隐藏单元 学习速率是多少 各层采用哪些激活函数 创建新应用的过程中，不可能从一开始就准确预测出这些信息和其他超级参数 ......
搭建Windows风格的个人网盘，支持文档在线编辑
这是一个Windows页面风格的个人网盘，支持普通文本、文档、表格、xmind等在线编辑，支持Windows的小组件，例如计算器、WhiteBoard、python 等，其他更多功能待你来发现，也待你来开发。 为什么要做这个网盘？因为现在的商用网盘收费太高，个人文件存在别人的服务器上也不安全。而现在 ......
Windows风格的个人网盘，支持文档在线编辑
Windows风格的个人网盘，支持文档、表格在线编辑，支持xmind脑图在线编辑，支持远程连接Linux，支持python脚本在线编辑和运行 等。 ......
神经网络Python代码完整版及其代码解析
1、读取数据集和标签集 1 def loadDataSet(): 2 data = [] 3 label = [] 4 fr = open('testSet.txt') 5 for line in fr.readlines(): # 循环读写，fr是一个已经打开的文件对象，readline（）函数会 ......
神经网络入门篇：深度学习和大脑的关联性（What does this have to do with the brain?）
深度学习和大脑的关联性 开始讲故事（手动狗头） 深度学习和大脑有什么关联性吗？ 关联不大。 那么为什么会说深度学习和大脑相关呢？ 当你在实现一个神经网络的时候，那些公式是你在做的东西，你会做前向传播、反向传播、梯度下降法，其实很难表述这些公式具体做了什么，深度学习像大脑这样的类比其实是过度简化了我们 ......
聊聊神经网络模型流程与卷积神经网络的实现
神经网络模型流程 神经网络模型的搭建流程，整理下自己的思路，这个过程不会细分出来，而是主流程。 在这里我主要是把整个流程分为两个主流程，即预训练与推理。预训练过程主要是生成超参数文件与搭设神经网络结构；而推理过程就是在应用超参数与神经网络。 卷积神经网络的实现 在 聊聊卷积神经网络CNN中，将卷积神 ......
SPSS modeler利用类神经网络对茅台股价涨跌幅度进行预测
全文链接：https://tecdat.cn/?p=34459 原文出处：拓端数据部落公众号 分析师：Xu Zhang 数据变得越来越重要，其核心应用“预测”也成为各个行业以及产业变革的重要力量。对于股市来说，用人工智能来对股价进行预测成为量化投资的一个重要手段。本项目帮助客户运用powerBI获取 ......
神经网络入门篇：详解参数VS超参数（Parameters vs Hyperparameters）
参数 VS 超参数 什么是超参数？ 比如算法中的learning rate \(a\)（学习率）、iterations(梯度下降法循环的数量)、\(L\)（隐藏层数目）、\({{n}^{[l]}}\)（隐藏层单元数目）、choice of activation function（激活函数的选择）都需 ......
神经网络入门篇：详解搭建神经网络块（Building blocks of deep neural networks）
搭建神经网络块 这是一个层数较少的神经网络，选择其中一层（方框部分），从这一层的计算着手。在第\(l\)层有参数\(W^{[l]}\)和\(b^{[l]}\)，正向传播里有输入的激活函数，输入是前一层\(a^{[l-1]}\)，输出是\(a^{[l]}\)，之前讲过\(z^{[l]} =W^{[l] ......
聊聊 神经网络模型 预训练生成超参数实现
概述 在上一篇博客中，已经阐述了预训练过程中，神经网络中超参数的计算逻辑，本文，从程序实现的角度，将数学计算转换为程序代码，最终生成超参数文件；并将替换 聊聊 神经网络模型 示例程序——数字的推理预测 中已训练好的超参数文件，推理预测数字，最终比对下两者的精确度。 神经网络层实现 首先，根据神经网络 ......
聊聊 神经网络模型 传播计算逻辑
概述 预训练过程就是在不断地更新权重超参数与偏置超参数，最后选择合适的超参数，生成超参数文件。上一篇博客 是使用已有的预训练超参数文件，要训练自己的超参数，需要对神经网络层中前向传播与反向传播计算熟悉，了解计算逻辑，才能不断地更新选择合适的超参数。 神经网络计算详解 整个神经网络的层数是4层，从顺序 ......
神经网络入门篇：详解核对矩阵的维数（Getting your matrix dimensions right）
核对矩阵的维数 当实现深度神经网络的时候，其中一个常用的检查代码是否有错的方法就是拿出一张纸过一遍算法中矩阵的维数。 \(w\)的维度是（下一层的维数，前一层的维数），即\({{w}^{[l]}}\): (\({{n}^{[l]}}\),\({{n}^{[l-1]}}\))； \(b\)的维度是（下 ......
聊聊 神经网络模型 示例程序——数字的推理预测
之前学习了解过了神经网络、CNN、RNN、Transformer的内容，但出了在魔塔上玩过demo，也没有比较深入的从示例去梳理走一遍神经网络的运行流程。从数字推测这个常用的示例走一遍主流程。 MNIST数据集 MNIST是机器学习领域 最有名的数据集之一，被应用于从简单的实验到发表的论文研究等各种 ......
人脸检测识别库C#集成
C#集成ViewFaceCore人脸检测识别库 前言 人脸检测与识别现在已经很成熟了，C# 上有 ViewFaceCore 这个很方便的库，但这种涉及到 native 调用的库，一般会有一些坑，本文记录一下开发和部署的过程。 本文的项目是 AIHub ，关于本项目的开发过程，可以参考之前的文章：项目 ......
机器学习中的典型算法——卷积神经网络（CNN）
1.机器学习的定位 AI，是我们当今这个时代的热门话题，那AI到底是啥？ 通过翻译可知：人工智能，而人工智能的四个核心要素： -数据 -算法 -算力 -场景 然后机器学习是人工智能的一部分，机器学习里面又有新的特例：深度学习。 通俗来说机器学习即使用机器去学习一部分数据，然后去预测新的数据所属的某一 ......
模式识别实验：基于主成分分析（PCA）的人脸识别
前言 本文使用Python实现了PCA算法，并使用ORL人脸数据集进行了测试并输出特征脸，简单实现了人脸识别的功能。 环境配置： matplotlib==3.7.2 numpy==1.25.2 opencv_python==4.8.1.78 1. 准备 ORL人脸数据集共包含40个不同人的400张图 ......