深度scdepth
《动手学深度学习 Pytorch版》 5.2 参数管理
import torch from torch import nn net = nn.Sequential(nn.Linear(4, 8), nn.ReLU(), nn.Linear(8, 1)) X = torch.rand(size=(2, 4)) net(X) tensor([[-0.3771 ......
基于Mask-RCNN深度学习网络的人员检测算法matlab仿真
1.算法理论概述 基于Mask-RCNN深度学习网络的人员检测算法是一种用于检测图像中人员目标的方法。该算法结合了目标检测和实例分割的能力，能够准确地定位人员目标并生成像素级的掩膜。Mask-RCNN是一种基于深度学习的目标检测算法，它是在Faster-RCNN的基础上进行扩展的。Mask-RCNN ......
基于RCNN深度学习网络的交通标志检测算法matlab仿真
1.算法理论概述 基于RCNN（Region-based Convolutional Neural Network）深度学习网络的交通标志检测算法的MATLAB仿真。该算法通过使用深度学习网络进行目标检测，针对交通标志的特点和挑战，设计了相应的实现步骤，并分析了实现中的难点。通过本文的研究，可以进一 ......
深度学习（ResNet）
ResNet也是相当经典的卷积神经网络，这里实现了18，34，50，101和152。 网络结构如下： 这里18和34用到的block是一样的，两层卷积。50，101和152用到的block是一样的，三层卷积，不过用到了1*1卷积来调整数据通道数。 猫狗大战的训练代码如下: import torch ......
《动手学深度学习 Pytorch版》 5.1 层和块
层： 接收一组输入 生成相应输出 由一组可调整参数描述 块： 可以描述单个层、由多个层组成的组件或整个模型本身 讨论“比单个层大”但是“比整个模型小”的组件“块”更有价值 从编程的角度看，块由类表示 块必须具有反向传播函数 # 以前章多层感知机的代码为例 import torch from torc ......
剑指 Offer 55 - I. 二叉树的深度
题目链接： 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。 解法思路： 代码： 层序遍历的方式求树的深度 /** * Definition for a bin ......
深度学习模型训练中，输入数据维度和标签数据维度调整方法
for inputs, labels in train_loader: # 使用numpy的transpose函数调整维度顺序 inputs = np.transpose(inputs, (0, 3, 1, 2)) #将原输入数据最后一个维度换到第二个维度 inputs = inputs.to(de ......
深度学习模型训练时报错“nll_loss_forward_reduce_cuda_kernel_2d_index“ not implemented for ‘Float‘问题解决
报错如下： RuntimeError: "nll_loss_forward_reduce_cuda_kernel_2d_index" not implemented for 'Float' 一般来说这个问题是计算Loss时的报错。 解决方法： 将如下代码 loss_func(torch.squeez ......
基于Fast-RCNN深度学习网络的交通标志检测算法matlab仿真
1.算法理论概述 Fast-RCNN是一种基于深度学习的目标检测算法，可以用于检测图像中的目标物体。交通标志检测是交通场景下的一项重要任务，它可以在道路上的交通标志被遮挡或损坏时提供帮助。基于Fast-RCNN深度学习网络的交通标志检测算法可以对交通场景下的图像进行检测，从而实现对交通标志的自动检测 ......
【专题】充电桩行业深度报告-高压快充乘风起-出海正当时报告PDF合集分享（附原数据表）
原文链接：https://tecdat.cn/?p=33600 2022年，中国城市充电基础设施继续快速增长，总量从2021年的261.7万台增加到2022年的521万台，同比增幅超过99%。其中，私人充电桩的增加数量达到194.2万台，是公共充电桩增加数量的3倍，私人充电桩占比也从2021年的56 ......
深度分析一下标准协议modbus TCP IP和modbus RTU的优劣【以温湿度传感器为例】
原标题：RS485信号输出的温湿度传感器和RJ45信号输出的温湿度传感器深入分析拓展 485信号输出的温湿度传感器 modbus TCP/IP协议和modbus RTU协议是两种不同的通讯协议，它们在通讯方式、数据格式和适用场景等方面存在一定的差异。下面将对这两种协议进行详细介绍和比较。 一、mod ......
嵌入式深度学习—硬件算法协同优化
主要利用神经网络的三个特性： 1. 并行计算、数据复用 2. 模型具有稀疏性。很多模型中的权值为0或很小，数据经过以后会直接变为无用值 3. 深度学习具有鲁棒性，对数据的误差不敏感 ## 测试时固定点神经网络（Test-Time Fixed-Point Neural Networks） 测试时固定点 ......
深度学习（VGGNet）
VGGNet也是一个比较经典的深度学习网络模型。 模型结构如下： 这里选用了D模型，同样用该模型做个了个猫狗大战的训练，不过为了提高速度，我把图像resize为112*112了，相应的flatten之后就成56*3*3了，所以和原始模型有点不一样。 import torch import torch ......
C语言深度剖析笔记
auto 声明自动变量，缺省时默认为auto union 声明联合数据类型 static 声明静态变量： 表示退出一块后仍存在的局部变量，后来被表示为能被其他文件访问的全局变量和 函数 register 声明寄存器变量： 尽可能将变量存入cpu寄存器内部，而不是默认的通过内存寻址访问 typedef ......
《动手学深度学习 Pytorch版》 4.10 实战Kaggle比赛：预测比赛
# 4.10.1 下载和缓存数据集 ```python import hashlib import os import tarfile import zipfile import requests #@save DATA_HUB = dict() DATA_URL = 'http://d2l-dat ......
《动手学深度学习 Pytorch版》 4.9 环境和分布偏移
# 4.9.1 分布偏移的类型 整节理论，详见书本。 # 4.9.2 分布偏移示例 整节理论，详见书本。 # 4.9.3 分布偏移纠正 整节理论，详见书本。 # 4.9.4 学习问题的分类法 整节理论，详见书本。 # 4.9.5 机器学习中的公平、责任和透明度 整节理论，详见书本。 # 练习 （1） ......
《动手学深度学习 Pytorch版》 4.8 数值稳定性和模型初始化
# 4.8.1 梯度消失和梯度爆炸 整节理论，详见书本。 1. 梯度消失 ```python %matplotlib inline import torch from d2l import torch as d2l x = torch.arange(-8.0, 8.0, 0.1, requires_ ......
《动手学深度学习 Pytorch版》 4.7 前向传播、反向传播和计算图
# 4.7.1 前向传播 整节理论，详见书本。 # 4.7.2 前向传播计算图 整节理论，详见书本。 # 4.7.3 反向传播 整节理论，详见书本。 # 4.7.4 训练神经网络 整节理论，详见书本。 # 练习 （1）假设一些标量函数 $X$ 的输入 $X$ 是 $n\times m$ 矩阵。$f$ ......
《动手学深度学习 Pytorch版》 4.6 暂退法
```python import torch from torch import nn from d2l import torch as d2l ``` # 4.6.1 重新审视过拟合 整节理论，详见书本。 # 4.6.2 扰动的稳健性 整节理论，详见书本。 # 4.6.3 实践中的暂退法 整节理论 ......
《动手学深度学习 Pytorch版》 4.5 权重衰减
# 4.5.1 范数与权重衰减 整节理论，详见书本。 # 4.5.2 高维线性回归 ```python %matplotlib inline import torch from torch import nn from d2l import torch as d2l ``` ```python # ......
深度解密 go Context
问题： 不处理Done 为怎么样，会泄漏吗？ 问题：Done() 是如何实现，全部子context接受的？ 问题：没有及时处理context 的Done 消息，会怎么样，后续处理能来的及吗？ Go 语言的 context 包短小精悍，非常适合新手学习。不论是它的源码还是实际使用，都值得投入时间去学习 ......
将Python深度神经网络转换成C++
项目方案：将Python深度神经网络转换成C++项目概述本项目旨在将使用Python编写的深度神经网络模型转换为C代码，以便在C环境中部署和运行。通过将模型从Python转换为C++，可以提高模型的性能和效率，并扩展模型在不同平台和设备上的应用。 技术方案1. 选择转换工具我们可以使用以下两种常见的 ......
MySQL 间隙锁原理深度详解
来源：https://blog.csdn.net/zhangcongyi420/article/details/132415844 一、前言锁是mysql提供的一种保证不同事务读写隔离的重要措施，通过锁机制可以有效提升决多线程下并发处理事务能力。mysql根据使用场景不同，对锁的分类有很多种，比如按 ......
MySQL 间隙锁原理深度详解
来源：https://blog.csdn.net/zhangcongyi420/article/details/132415844 一、前言锁是mysql提供的一种保证不同事务读写隔离的重要措施，通过锁机制可以有效提升决多线程下并发处理事务能力。mysql根据使用场景不同，对锁的分类有很多种，比如按 ......
LED车灯IC降压恒流驱动AP5103大功率95%高效率深度调光摩托车灯芯片
AP5103 是一款效率高，稳定可靠的 LED 灯恒流驱动控制芯片，内置高精度比较器，固定关断时间控制电路，恒流驱动电路等，特别适合大功率 LED 恒流驱动。
AP5103 采用 ESOP8 封装，散热片内置接 SW 脚，通过调节外置电流检测的电阻值来设置流过 LED 灯的电流，支持外加电压线性调光... ......
20用于深度学习训练和研究的数据集
数据集在计算机科学和数据科学中发挥着至关重要的作用。它们用于训练和评估机器学习模型，研究和开发新算法，改进数据质量，解决实际问题，推动科学研究，支持数据可视化，以及决策制定。数据集提供了丰富的信息，用于理解和应用数据，从而支持各种应用领域，包括医疗、金融、交通、社交媒体等。正确选择和处理数据集是确保 ......
《动手学深度学习 Pytorch版》 4.4 模型选择、欠拟合和过拟合
# 4.4.1 训练误差和泛化误差 整节理论，详见书本。 # 4.4.2 模型选择 整节理论，详见书本。 # 4.4.3 欠拟合还是过拟合 整节理论，详见书本。 # 4.4.4 多项回归 ```python import math import numpy as np import torch fr ......
《动手学深度学习 Pytorch版》 4.3 多层感知机的简洁实现
```python import torch from torch import nn from d2l import torch as d2l ``` # 模型 ```python net = nn.Sequential(nn.Flatten(), nn.Linear(784, 256), nn. ......
深度学习（AlexNet）
AlexNet是另外一个比较经典的深度学习网络模型。 模型结构如下： 这里用该模型做个了个猫狗大战的训练，测试与c++测试和上一篇类似。 import torch import torch.nn as nn import torch.optim as optim from torch.utils.d ......
深度解读智能媒体服务的重组和进化
统一“顶设”的智能媒体服务。 邹娟｜演讲者 大家好，首先欢迎各位来到LVS的阿里云专场，我是来自阿里云视频云的邹娟。我本次分享的主题为《从规模化到全智能：智能媒体服务的重组与进化》。 本次分享分为以上四部分，一是媒体服务（Mediaservices）面临的技术难题；二是如何使用统一“顶设”进行媒体服 ......