样本 深度
C++U5-深度优先搜索-03（记忆化搜索、剪枝和优化）
💡 根据 遗忘曲线：如果没有记录和回顾，6天后便会忘记75%的内容 笔记正是帮助你记录和回顾的工具，不必拘泥于形式，其核心是：记录、翻看、思考 思维导图 记忆化搜索图示： 剪枝和优化解释 例题讲解： 【天下第一】 #include <bits/stdc++.h> using namespace s ......
【专题】2022年中国数字孪生行业研究报告-数字孪生与产业深度融合-推动报告PDF合集分享（附原数据表）
原文链接：https://tecdat.cn/?p=34041 本次报告合集分为数字孪生综述、技术架构建设、核心技术分享、新型技术成果展示以及重点行业应用五大内容版块。从数字孪生应用建设路径的角度出发，着重提出了“数智视融合，虚实人联动”的观点，并提供数字孪生应用技术的参考。同时，本报告合集还完整系 ......
使用IBM ART库生成交通信号牌的攻击样本
目标：生成对抗样本，扰动图像，让原本是“停”的信号牌识别为“禁止驶入”： 代码如下（注意，因为我找的cnn原始模型支持的是灰度图像，所以彩色的对抗样本还需要修改代码）： import cv2, os import numpy as np import numpy as np import tenso ......
基于深度学习的自动驾驶汽车语义分割与场景标注算法研究。
自动驾驶汽车是当前研究的热点领域之一，其中基于深度学习的语义分割与场景标注算法在自动驾驶汽车的视觉感知中具有重要作用。本文将围绕自动驾驶汽车的语义分割与场景标注算法展开研究。 一、研究背景 随着人工智能技术的不断发展，自动驾驶汽车逐渐成为汽车产业的重要发展方向。在自动驾驶汽车的视觉感知中，语义分割和 ......
使用IBM ART库生成对抗样本示例——生成将数字3预测为8的对抗样本
代码如下： import numpy as np import tensorflow as tf from tensorflow.keras.datasets import mnist from tensorflow.keras.models import Sequential from tenso ......
深度学习（非线性优化）
之前做非线性优化一般都是求雅可比矩阵或者数值求导，然后通过高斯牛顿或者LM迭代求解。 这次用pytorch中的方法求解试试。 下面给一个用pytorch求解的代码，例子是之前文章中的。 import torch import torch.nn as nn import torch.optim as ......
#深度学习复现Github项目代码流程详细过程
背景要求： 已安装好anaconda及pycharm，这两个的安装可从网上学习安装，教程很多。 第一步，在Github上下载项目代码 因为第一次运行代码，找一些比较多运行成功的例子来练习，这次我找的是Github上的pix2pixGAN项目的源码，具体路径如下： https://github.com ......
代码随想训练营第十六天（Pyhton）｜ 104.二叉树的最大深度、 111.二叉树的最小深度、222.完全二叉树的节点个数
104.二叉树的最大深度 1、后续遍历递归法 class Solution: def maxDepth(self, root: Optional[TreeNode]) -> int: if root is None: return 0 left_depth = self.maxDepth(root. ......
《动手学深度学习 Pytorch版》 10.7 Transformer
自注意力同时具有并行计算和最短的最大路径长度这两个优势。Transformer 模型完全基于注意力机制，没有任何卷积层或循环神经网络层。尽管 Transformer 最初是应用于在文本数据上的序列到序列学习，但现在已经推广到各种现代的深度学习中，例如语言、视觉、语音和强化学习领域。 10.7.1 模 ......
深度学习（统计模型参数量）
统计模型参数量，方便判断不同模型大小： import torch import torch.nn as nn # 自定义AlexNet模型 class AlexNet(nn.Module): def __init__(self): super(AlexNet, self).__init__() se ......
深度学习---实例分割网络yolact
yolact是第一个在COCO 数据集上做到实时的实例分割模型（大于30FPS），其将问题划分成两个平行的分支，一个分支由特征金字塔的P3层，经过Protonet预测mask，另一个分支通过P3-P7特征层预测类别、包围框以及mask的系数coefficient。另外还提出了比NMS更快的方法Fas ......
Go语言区块链从入门到深度实战：一站式学习Go语言与区块链技术
Go语言区块链从入门到深度实战：一站式学习Go语言与区块链技术 0 介绍 学习目标：1、理解什么是区块链；2、掌握区块链基本结构；3、构建区块链基本模型； 理论部分：1、区块链七层架构模型；2、区块链链式结构； 实践部分：1、创建区块；2、创建区块的“链”；3、访问区块链； 开发环境：GoLand ......
深度学习Python3实现自己的区块链视频课程【百行代码实现真实区块链项目】
深度学习Python3实现自己的区块链视频课程【百行代码实现真实区块链项目】 你是否会和我一样，对加密数字货币底层的区块链技术非常感兴趣，特别想了解他们的运行机制。 但是学习区块链技术并非一帆风顺，我看多了大量的视频教程还有各种课程，最终的感觉就是真正可用的实战课程太少。 我喜欢在实践中学习，尤其喜 ......
一文搞懂深度信念网络！DBN概念介绍与Pytorch实战
本文深入探讨了深度信念网络DBN的核心概念、结构、Pytorch实战，分析其在深度学习网络中的定位、潜力与应用场景。 关注TechLead，分享AI与云服务技术的全维度知识。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，阿里云认证的资深架构师 ......
[Leetcode] 0104. 二叉树的最大深度
104. 二叉树的最大深度 题目描述 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]， 3 / \ 9 20 / \ 15 7 返回它的最大深度 3 ......
基于Googlenet深度学习网络的信号调制类型识别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 信号调制类型识别是在无线通信和无线电频谱监测中的一个重要任务。不同信号调制类型具有不同的频谱特征，深度学习方法在信号调制类型识别中取得了显著的成果。 3.1 深度学习与卷积神经网络 深度学习是一种机器学习方法，卷 ......
深度解读MediaBox SDKs如何实现技术架构升级
本专栏将分享阿里云视频云MediaBox系列技术文章，深度剖析音视频开发利器的技术架构、技术性能、开发能效和最佳实践，一起开启音视频的开发之旅。本文为MediaBox技术架构篇，重点从音视频终端SDK的技术架构、优化设计、架构优势等方面，介绍MediaBox SDKs如何实现技术架构升级。 善师｜作 ......
10月《中国数据库行业分析报告》已发布，深度剖析甲骨文大会Oracle技术新趋势
10月报告为甲骨文大会-Oracle技术特辑，聚焦Oracle新特性创新实践与生态趋势，详解当前及未来Oracle在自治、多模融合、可观测性、数据安全等关键技术的发展，欢迎大家下载学习、交流！ ......
JavaScript 中的深度克隆
JavaScript 中的深度克隆涉及创建一个新对象，该对象是现有对象的副本，并将复制延续到所有嵌套属性，以确保两个对象完全独立。这项技术对于保持程序中的不变性等任务至关重要，对于处理 React 等框架中的状态尤其重要。它有助于防止意外的对象突变可能引起的错误，从而产生更易于维护且无错误的代码。随 ......
《动手学深度学习 Pytorch版》 10.3 注意力评分函数
上一节使用的高斯核的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）。 后续把评分函数的输出结果输入到softmax函数中进行运算。最后，注意力汇聚的输出就是基于这些注意力权重的值的加权和。该过程可描述为下图： ......
深度学习调参手册（Deep Learning Tuning Playbook）
google-research/tuning_playbook: A playbook for systematically maximizing the performance of deep learning models. (github.com) dkhonker/tuning_playbo ......
《动手学深度学习 Pytorch版》 10.2 注意力汇聚：Nadaraya-Watson 核回归
import torch from torch import nn from d2l import torch as d2l 1964 年提出的 Nadaraya-Watson 核回归模型是一个简单但完整的例子，可以用于演示具有注意力机制的机器学习。 10.2.1 生成数据集 根据下面的非线性函数生 ......
three.js 深度不完全解读
three.js 深度不完全解读 一、深度值的获取 1、方法1: FBO的深度附件 深度信息通过渲染管线中的深度缓冲区（depth buffer）来计算和存储。缓冲区用于存储每个像素点的深度值。 在渲染过程中，渲染器会根据每个像素点的深度值来确定最终像素的可见性和着色。 const target = ......
Redis深度历险 核心原理与应用实践-笔记
1.2.2 5种基础数据结构 string(字符串) 字符串string是Redis最简单的数据结构，其内部表示就是一个字符数组。Redis所有的数据结构都是以唯一的key字符串作为名称，然后通过这唯一的key来获取相应的value数据。不同类型的数据结构差异就在于value的结果不一样。 Redi ......
m基于深度学习网络的智能垃圾分类系统matlab仿真,带GUI界面
1.算法仿真效果 matlab2022a仿真结果如下： 2.算法涉及理论知识概要 垃圾数量的急剧增加和垃圾中物质的复杂多样性带来了严重的环境污染和资源浪费问题。回收可以减少废物，但手工管道垃圾分拣工作环境恶劣，劳动强度大，分拣效率低。智能垃圾分类系统是基于深度学习网络的一种应用，它可以通过对大量的训 ......
《动手学深度学习 Pytorch版》 10.1 注意力提示
10.1.1 生物学中的注意力提示 “美国心理学之父” 威廉·詹姆斯提出的双组件（two-component）框架： 非自主性提示：基于环境中物体的突出性和易见性 自主性提示：受到了认知和意识的控制 10.1.2 查询、键和值 注意力机制与全连接层或汇聚层区别开来的元素：是否包含自主性提示 在注意力 ......
深度优先搜索的最短路径问题
这个简单的图，要求使用深度优先算法求出（1,1）到终点的最短路径。 1、分析 就目前看来，(1,1)->(1,2)->(2,2)->(2,3)->(2,4)->(3,4)->(4,4)->(4,3)和(1,1)->(2,1)->(3,1)->(4,1)->(5,1)->(5,2)->(5,3)->( ......
Web3.0热门领域NFT项目实战-深度掌握Solidity合约开发，助力Web3.0工程师
Web3.0热门领域NFT项目实战-深度掌握Solidity合约开发，助力Web3.0工程师 免费自动批量生成NFT图片和批量部署NFT 一、环境准备 1.注意：需合理上网 2.准备素材：准备一套多个属性元素的不一样的图层素材，比如10张背景图、10张face图、10张眼睛图层、10张头发图层等，每 ......
深度优先算法
一、例子 提问：输入一个数字n，输出1~n的全排列。 首先，将全排列比作小盒子和扑克牌 将数字比作扑克牌，我们有1号，2号，3号扑克牌和1号2号3号3个盒子。每个盒子只能放置一个扑克牌，实现全排列。那我们如何往小盒子中放入扑克牌。每个小盒子都可能放1号、2号或者3号扑克牌，这都需要一一尝试，这里一个 ......
深度学习设置随机数种子
seed = 2023 torch.manual_seed(seed) # torch的CPU随机性，为CPU设置随机种子 torch.cuda.manual_seed(seed) # torch的GPU随机性，为当前GPU设置随机种子 torch.cuda.manual_seed_all(seed ......