材质 深度threejs
py深度学习指南
常用函数 获取当前运行目录(类似c++) import sys curent_dir = sys.argv[0] 模型保存与读取 import torch # 保存模型步骤 torch.save(model, 'net.pth') # 保存整个神经网络的模型结构以及参数 torch.save(mod ......
深度学习之PyTorch实战（5）——对CrossEntropyLoss损失函数的理解与学习
其实这个笔记起源于一个报错，报错内容也很简单，希望传入一个三维的tensor，但是得到了一个四维。 RuntimeError: only batches of spatial targets supported (3D tensors) but got targets of dimension: 4 ......
技术--2021-12-《深度学习与图像识别原理及实践》-阿里达摩院
技术--2021-12-《深度学习与图像识别原理及实践》-阿里达摩院 创建时间：| 2021/12/12 9:48 | 更新时间：| 2021/12/20 17:29 作者：| HelloXF 第一章 机器视觉 在行业中的应用 机器视觉的发展背景 人工智能 机器视觉 传统的图像处理方法和深度学习效果 ......
第二节：jsx语法深度剖析和jsx本质的探究
一. 二. 三. ! 作 者 : Yaopengfei(姚鹏飞) 博客地址 : http://www.cnblogs.com/yaopengfei/ 声 明1 : 如有错误，欢迎讨论，请勿谩骂^_^。 声 明2 : 原创博客请在转载时保留原文链接或在文章开头加上本人博客地址，否则保留追究法律责任的权 ......
深度学习深入浅出
深度学习是机器学习的一个分支，其核心思想是利用深层神经网络对数据进行建模和学习，从而实现识别、分类、预测等任务。在过去几年中，深度学习技术取得了许多突破性的成果，如在图像识别、语音识别、自然语言处理、游戏AI等领域中。 本文将简要介绍深度学习的基本原理，并使用Python中的TensorFlow库演 ......
深度学习——使用卷积神经网络改进识别鸟与飞机模型
准备数据集：从CIFAR-10抽离鸟与飞机的图片 from torchvision import datasets from torchvision import transforms data_path = './data' # 加载训练集 cifar10 = datasets.CIFAR10(r ......
HJ67_24点游戏算法_多维递归_DFS（深度优先搜索）
思路： 多维递归，深度有限遍历加减乘除四种情况。 知识点： 1、多维递归不能对传递的变量进行修改，否则无法回溯。 应该传递一个新地址的变量，如代码所示，传递切片的列表，不修改列表 2、搜索遗漏。两括号比如（（9-4）-1）*6 选取任意一个数作为第一个运算数与24运算，不能找出所有24点的计算方法。 ......
CPEN400D 深度学习
CPEN400D: Deep LearningProgramming Assignment 2Released: 2023 Mar. 24In this assignment, you will implement a Transformer [1] architecture from scratc ......
深度学习
受人类大脑内部复杂的神经元网络的启发，深度学习模拟生物神经网络，构建出包括输入层和输出层在内的人工神经网络。 下图，左边是视觉系统大致的通路，信息从视网膜到LGN的大细胞层到脑皮层；中间是听觉皮层，信息从耳蜗一直传到听觉皮层；右边是典型的人工神经网络。以上三种均属于层次化的结构。 当将数据输入该网络 ......
基于DNN深度学习网络的OFDM信号检测算法的仿真,对比LS和MMSE
1.算法描述 随着无线通信的快速发展,5G正逐渐成长为支撑全社会各行业运作的大型基础性互联网络,其服务范围的大幅扩展对底层技术提出了诸多挑战,尤其是作为物理层关键技术之一的正交频分复用(Orthogonal Frequency Division Multiplexing,OFDM)。近来,深度学习因 ......
threejs_交互_鼠标点击_添加物体_删除物体
click点击添加物体,shirft+click点击删除物体 <!DOCTYPE html> <html lang="en"> <head> <meta charset="utf-8"> <title>three.js webgl - interactive - voxel painter</tit ......
AIRIOT赋能水务行业深度转型，打造智慧水务“四化建设”
水利水务与民生息息相关，随着我国智慧城市建设的推进及科学技术的不断发展，对城市供水管理产生了尤为重要的影响。面对水务行业信息化建设周期长，无统一的技术标准和数据标准，信息孤岛严重，协同工作能力受制约，运营分析缺乏数据支撑和科学依据等一系列问题。因此，结合城市供水所需，及时调整智慧水务建设战略，加快智 ......
m基于简化后的轻量级yolov4深度学习网络农作物检测算法matlab仿真
1.算法描述 YOLOv4 的深层网络包括 SPP 模块、PANet 模块、YOLO Head 模块和部分卷积，其主要作用是加强目标特征提取并获取预测结果。SPP 模块的输入端和输出端各连接一个三次卷积块，每个三次卷积块包含 2 个 1×1 卷积和 1 个 3×3 卷积。 PANet 模块包含特征层 ......
深度学习基础入门篇[二]：机器学习常用评估指标:AUC、mAP、IS、FID、Perplexity、BLEU、ROUGE等详解
A.深度学习基础入门篇[二]：机器学习常用评估指标:AUC、mAP、IS、FID、Perplexity、BLEU、ROUGE等详解 1.基础指标简介 机器学习的评价指标有精度、精确率、召回率、P-R曲线、F1 值、TPR、FPR、ROC、AUC等指标，还有在生物领域常用的敏感性、特异性等指标。 在分 ......
Mask R-CNN – 1 小时实用深度学习分割
Mask R-CNN – 1 小时实用深度学习分割 创建您自己的 AI 语义分割的实用指南：了解完整的工作流程 – 从训练到推理 课程英文名：Mask R-CNN - Practical Deep Learning Segmentation in 1 hour 此视频教程共3.48GB，中英双语字幕 ......
深度学习—ResNet_CIFAR100代码
1 ''' 2 参考资料： PyTorch官方文档 3 ''' 4 5 # 导入所需的包 6 import torch 7 import wandb 8 import torch.nn as nn 9 from torchvision import transforms 10 from torchv ......
深度学习的基本原理和常用框架介绍
深度学习是一种基于人工神经网络的机器学习方法，它可以从大量的数据中学习抽象和复杂的特征，从而实现各种智能任务，如图像识别、自然语言处理、语音识别等。深度学习的基本原理是利用多层的神经网络结构，通过前向传播和反向传播的算法，不断调整网络中的参数，使得网络的输出能够逼近或优化目标函数。深度学习的常用框架 ......
【Java 并发】【九】【AQS】【三】基于AQS的共享锁实现、底层源码深度剖析
1 前言 上一节我们详细讲解了基于AQS实现的互斥锁机制，进行了深入的剖析，包括从acquire入口源码开始，剖析了获取锁失败调用addWaiter方法加入等待队列，知道了Node节点是怎么插入等待队列的；同时还剖析acquireQueue方法的源码，解析了插入等待队列之后的节点什么时候被挂起，什么 ......
【LeetCode剑指offer 02】矩阵中的路径（老鼠走迷宫plus，应用深度优先搜索与回溯机制）
矩阵中的路径 https://leetcode.cn/problems/ju-zhen-zhong-de-lu-jing-lcof/ 给定一个 m x n 二维字符网格 board 和一个字符串单词 word 。如果 word 存在于网格中，返回 true ；否则，返回 false 。 单词必须按照 ......
【Java 并发】【九】【AQS】【二】基于AQS的互斥锁机制、底层源码深度剖析
1 前言 上一节我们从整体上分析了什么是AQS以及AQS内部的数据结构，那么这节我们就从acquire和release入手，分析一下AQS为独占锁提供的机制：到底是怎么在获取资源失败进入等待队列的？以及释放资源的时候怎么唤醒后继节点的线程竞争锁的？ 2 acquire 方法源码解析 首先我们看一下A ......
转载自团队博客：基于深度学习的人脸识别会议签到系统
电梯演讲：https://www.bilibili.com/video/BV1kc411W7w4?t=9.9 原型： 1，主界面 2，会议管理 3，人员管理 4，会议室管理 ......
深度学习基础入门篇[一]：神经元简介、单层多层感知机、距离计算方法式、相似度函数
深度学习基础入门篇[一]：神经元简介、单层多层感知机、距离计算方法式、相似度函数 1.神经元 在生物学中，神经元细胞有兴奋与抑制两种状态。大多数神经元细胞在正常情况下处于抑制状态，一旦某个神经元受到刺激并且电位超过一定的阈值后，这个神经元细胞就被激活，处于兴奋状态，并向其他神经元传递信息。基于神经元 ......
树：剑指 Offer 55 - I. 二叉树的深度
题目描述： 输入一棵二叉树的根节点，求该树的深度。从根节点到叶节点依次经过的节点（含根、叶节点）形成树的一条路径，最长路径的长度为树的深度。 例如： 给定二叉树 [3,9,20,null,null,15,7]， 返回它的最大深度 3 。 树的遍历方式总体分为两类：深度优先搜索（DFS）、广度优先搜索 ......
动手深度学习pytorch
<script src="http://latex.codecogs.com/latex.js" type="text/javascript"></script> 引言 一：过去⼗年中取 得巨⼤进步的想法 1.如dropout (Srivastava et al., 2014)，有助于减轻过拟合的危 ......
深度学习-情感分析
title: 情感分析 数据准备 现在我们手中有一批影评数据（IMDB 数据集），影评被分为两类：正面评价与负面评价。我们需要训练一个情感分析模型，对影评文本进行分类。 这个问题本质上还是一个文本分类问题，研究对象是电影评论类的文本，我们需要对文本进行二分类。下面我们来看一看训练数据。 IMDB（I ......
深度学习-pytorch模型构建
title: Python特殊语法--列表推导式 切片 迭代器 生成器 装饰器 lambda表达式 构建自己的模型 让我们直接切入主题，使用 PyTorch，自己构建并训练一个线性回归模型，来拟合出训练集中的走势分布。我们先随机生成训练集 X 与对应的标签 Y，具体代码如下： import nump ......
111. 二叉树的最小深度
给定一个二叉树，找出其最小深度。 最小深度是从根节点到最近叶子节点的最短路径上的节点数量。 说明：叶子节点是指没有子节点的节点。 class Solution { public: int minDepth(TreeNode* root) { if(root == nullptr) return 0; ......
深度学习基础-pytorch1
DataSet DataLoader Torchvision 数据读取 训练开始的第一步，首先就是数据读取。PyTorch 为我们提供了一种十分方便的数据读取机制，即使用 Dataset 类与 DataLoader 类的组合，来得到数据迭代器。在训练或预测时，数据迭代器能够输出每一批次所需的数据，并 ......
104.二叉树的最大深度
给定一个二叉树，找出其最大深度。 二叉树的深度为根节点到最远叶子节点的最长路径上的节点数。 说明: 叶子节点是指没有子节点的节点。 示例： 给定二叉树 [3,9,20,null,null,15,7]， class Solution { public: int getdepth(TreeNode* n ......