实战 机器 案例 技术
机器学习——Bahdanau 注意力
9.7节中探讨了机器翻译问题： 通过设计一个基于两个循环神经网络的编码器-解码器架构， 用于序列到序列学习。 具体来说，循环神经网络编码器将长度可变的序列转换为固定形状的上下文变量， 然后循环神经网络解码器根据生成的词元和上下文变量 按词元生成输出（目标）序列词元。 然而，即使并非所有输入（源）词元 ......
机器学习——注意力评分函数
10.2节使用了高斯核来对查询和键之间的关系建模。 (10.2.6)中的 高斯核指数部分可以视为注意力评分函数（attention scoring function）， 简称评分函数（scoring function）， 然后把这个函数的输出结果输入到softmax函数中进行运算。 通过上述步骤，将 ......
机器学习——注意力汇聚：Nadaraya-Watson 核回归
上节介绍了框架下的注意力机制的主要成分 图10.1.3： 查询（自主提示）和键（非自主提示）之间的交互形成了注意力汇聚； 注意力汇聚有选择地聚合了值（感官输入）以生成最终的输出。 本节将介绍注意力汇聚的更多细节， 以便从宏观上了解注意力机制在实践中的运作方式。 具体来说，1964年提出的Nadara ......
理解技术和业务的共同目标
昨天更新了一篇关于稳定性保障的文章，我在文末写了这样一句： 遇上降本增效，或者换一个重业务轻技术的领导上台，技术团队就是第一个被砍的。毕竟在国内这种环境，哪儿来的技术导向和工程师文化，不都是营销为王和短期利润为重。 有同学提了一个疑问，技术和业务，到底哪个重要？毕竟绝大多数公司都要靠自己的业务赚钱盈 ......
机器学习-小样本情况下如何机器学习
交叉验证是在机器学习建立模型和验证模型参数时常用的办法。交叉验证，顾名思义，就是重复的使用数据，把得到的样本数据进行切分，组合为不同的训练集和测试集，用训练集来训练模型，用测试集来评估模型预测的好坏。在此基础上可以得到多组不同的训练集和测试集，某次训练集中的某样本在下次可能成为测试集中的样本，即所谓 ......
机器学习——注意力提示
查询、键和值 自主性的与非自主性的注意力提示解释了人类的注意力的方式， 下面来看看如何通过这两种注意力提示， 用神经网络来设计注意力机制的框架， 首先，考虑一个相对简单的状况， 即只使用非自主性提示。 要想将选择偏向于感官输入， 则可以简单地使用参数化的全连接层， 甚至是非参数化的最大汇聚层或平均汇 ......
KMeans算法全面解析与应用案例
本文深入探讨了KMeans聚类算法的核心原理、实际应用、优缺点以及在文本聚类中的特殊用途，为您在聚类分析和自然语言处理方面提供有价值的见解和指导。 关注TechLead，分享AI全维度知识。作者拥有10+年互联网服务架构、AI产品研发经验、团队管理经验，同济本复旦硕，复旦机器人智能实验室成员，阿里云 ......
不是数据分析师，如何打造优秀的数据分析案例
这个目标可以来自你的工作、生活中的困扰，也可以是对某一个话题的好奇。通过分享你的分析过程和结论，不仅可以加深自己对数据的理解，也能够获得他人的反馈和启发。多参与一些相关的课程、培训，多看一些数据分析案例，多动手实践，会使你对数据分析的理解更加深入，也提高你自己的数据分析能力。如果你不是专业的数据分析... ......
“人脸识别技术的挑战与机遇：隐私保护与性能提升“
"人脸识别技术的挑战与机遇：隐私保护与性能提升"是一个备受关注的话题，涉及到人脸识别技术在社会、商业和政府领域的广泛应用。以下是该主题可能涉及的一些关键点： 1. **性能提升与准确性：** 探讨当前人脸识别技术的性能水平，以及如何通过深度学习、神经网络优化等技术提升其准确性和鲁棒性。 2. **大 ......
倾斜摄影三维模型根节点合并的纹理压缩与抽稀关键技术分析
三维工厂K3DMaker是一款三维模型浏览、分析、轻量化、顶层合并构建、几何校正、格式转换、调色裁切等功能专业处理软件。可以进行三维模型的网格简化、纹理压缩、层级优化等操作，从而实现三维模型轻量化。轻量化压缩比大，模型轻量化效率高，自动化处理能力高；采用多种算法对三维模型进行几何精纠正处理，精度高，... ......
2023数据采集与融合技术实践四
Gitee唯一链接 作业① 实验要求： 熟练掌握 Selenium 查找 HTML 元素、爬取 Ajax 网页数据、等待 HTML 元素等内容。使用 Selenium 框架+ MySQL 数据库存储技术路线爬取“沪深 A 股”、“上证 A 股”、“深证 A 股”3 个板块的股票数据信息。 输出信息： ......
数据采集与融合技术作业4
一、作业内容 作业①: 要求： 熟练掌握 Selenium 查找HTML元素、爬取Ajax网页数据、等待HTML元素等内容。 使用Selenium框架+ MySQL数据库存储技术路线爬取“沪深A股”、“上证A股”、“深证A股”3个板块的股票数据信息。 候选网站：东方财富网：http://quote. ......
2023数据采集与融合技术实践四
作业1： ·要求： ·熟练掌握 Selenium 查找HTML元素、爬取Ajax网页数据、等待HTML元素等内容。 ·使用Selenium框架+ MySQL数据库存储技术路线爬取“沪深A股”、“上证A股”、“深证A股”3个板块的股票数据信息。 ·候选网站：东方财富网：http://quote.eas ......
c++ AI实战手册-c++ 20（1）
目录hello,world hello,world import <iostream>; using namespace std; int main() { cout << "Hello world!" << endl; return 0; } g++ -c -fmodules-ts -x c++- ......
c++ AI 实战手册（3）-gtk(1)
目录gtk概述hello,world gtk概述 GTK是一个小部件工具包。由GTK创建的每个用户界面都由小部件组成。这是在C中使用GObject实现的，这是一个面向对象的C框架。[]小部件被组织在一个层次结构中。窗口小部件是主容器。然后，通过向窗口中添加按钮、下拉菜单、输入字段和其他小部件来构建用 ......
2023数据采集与融合技术实践四
一、作业内容 码云链接 ccm4 · 陈灿铭/2023级数据采集与融合技术 - 码云 - 开源中国 (gitee.com) 作业①: 要求： 熟练掌握 Selenium 查找HTML元素、爬取Ajax网页数据、等待HTML元素等内容。 使用Selenium框架+ MySQL数据库存储技术路线爬取“沪 ......
102102144郑荣城第四次数据采集与融合技术实践作业
作业要求 码云地址 第一题 代码以及结果如下： import time import sqlite3 from selenium import webdriver from selenium.webdriver.common.by import By from selenium.webdriver. ......
数据采集与融合技术第四次作业
作业一 实验内容 要求：熟练掌握Selenium查找HTML元素、爬取Ajax网页数据、等待HTML元素等内容。使用Selenium框架+MySQL数据库存储技术路线爬取“沪深 A 股”、“上证 A 股”、 “深证 A 股” 3个板块的股票数据信息。（东方财富网：http://quote.eastm ......
2023数据采集与融合技术实践作业四
作业① 要求 熟练掌握 Selenium 查找HTML元素、爬取Ajax网页数据、等待HTML元素等内容。 使用Selenium框架+ MySQL数据库存储技术路线爬取“沪深A股”、“上证A股”、“深证A股”3个板块的股票数据信息。 候选网站 东方财富网 输出信息： MYSQL 数据库存储和输出格式 ......
零基础机器学习数字识别MNIST（on going）
本人之前并未涉及机器学习，但是在嵌入式中都会涉及视觉，借校内比赛从零学习，进行MNIST数字识别模型的搭建。 随着学习进度更新，每天更新。2023-11-15 21:38:55 星期三 一、环境搭建 进行本模型的搭建，需要以下内容： Python环境：利用Anaconda管理 开源机器学习平台：Py ......
2023数据采集与融合技术实践作业四
实验四 作业①： 要求： 熟练掌握 Selenium 查找HTML元素、爬取Ajax网页数据、等待HTML元素等内容。 使用Selenium框架+ MySQL数据库存储技术路线爬取“沪深A股”、“上证A股”、“深证A股”3个板块的股票数据信息。 候选网站：东方财富网：http://quote.eas ......
2023数据采集与融合技术实践作业四
2023数据采集与融合技术实践作业4 实验4.1 要求： 熟练掌握 Selenium 查找 HTML 元素、爬取 Ajax 网页数据、等待 HTML 元素等内 容。 使用 Selenium 框架+ MySQL 数据库存储技术路线爬取“沪深 A 股”、“上证 A 股”、“深证 A 股”3 个板块的股票 ......
数据采集与融合技术实践作业四
数据采集与融合技术实践作业四 gitee仓库链接：gitee仓库链接 102102141 周嘉辉 作业① 熟练掌握 Selenium 查找HTML元素、爬取Ajax网页数据、等待HTML元素等内容。 使用Selenium框架+ MySQL数据库存储技术路线爬取“沪深A股”、“上证A股”、“深证A股” ......
102102126 吴启严 数据采集与融合技术实践作业四
第四次作业 码云链接 一、作业内容 作业①: 要求： 熟练掌握 Selenium 查找HTML元素、爬取Ajax网页数据、等待HTML元素等内容。 使用Selenium框架+ MySQL数据库存储技术路线爬取“沪深A股”、“上证A股”、“深证A股”3个板块的股票数据信息。 候选网站：东方财富网：ht ......
机器码备份_二
[yhzr]有意合作联系扣扣:1176769884$$$AA24C7BD5A0A8FE8E06E1FB53BBE8AD4:00|66|88_CF4DF748256261B751D029853C3DA5BC:00|01|02|03|04|10|11|12|13|14|20|21|22|23|24|30 ......
记一次爬虫实战
记一次爬虫实战 记一次爬虫实战，以爬取我最近在看的小说《不可名状的日记簿》为例。 先找到一个合适的网站https://www.qbtxt.co/93_93964/。 用的是https协议，socket什么的太麻烦了，直接用python的requests库。 写一个封装好的python程序，作用是爬取 ......
飞码LowCode前端技术系列：如何便捷快速验证实现投产及飞码探索
本篇文章从数据中心，事件中心如何协议工作、不依赖环境对vue2.x、vue3.x都可以支持、投产页面问题定位三个方面进行分析。 ......
机器学习——束搜索、贪心搜索、穷举搜索
束搜索（Beam Search）、贪心搜索（Greedy Search）和穷举搜索（Exhaustive Search）是在搜索领域常用的三种搜索算法，它们在不同的场景下有着不同的特点和应用。 束搜索（Beam Search）： 束搜索是一种用于寻找最有可能的输出序列的搜索算法，常用于序列生成任务， ......
机器学习——序列到序列学习（seq2seq）
我们将使用两个循环神经网络的编码器和解码器， 并将其应用于序列到序列（sequence to sequence，seq2seq）类的学习任务。 编码器 由于这里使用的是门控循环单元， 所以在最后一个时间步的多层隐状态的形状是 （隐藏层的数量，批量大小，隐藏单元的数量）。 如果使用长短期记忆网络，st ......
机器学习中的分类和回归
机器学习中的分类和回归是两种主要的预测建模任务，它们分别处理不同类型的输出变量。 分类（Classification）： 定义： 分类是一种监督学习任务，其目标是将输入数据映射到预定义的类别中。在分类问题中，模型的输出是一个离散的类别标签。 例子： 例如，垃圾邮件过滤是一个二分类问题，其中模型需要将 ......