learning机器machine gt
钉钉小程序生态—企业机器人加互动卡片，改善用户体验的开始！
一、前言 大家好！我是sum墨，一个一线的底层码农，平时喜欢研究和思考一些技术相关的问题并整理成文，限于本人水平，如果文章和代码有表述不当之处，还请不吝赐教。 首先上一些图，让大家知道我这篇文章要讲的是啥。 1. 什么是企业机器人？ 企业机器人，具备完整的接收消息和发送消息的能力。它与Webhooo ......
Google主打的机器学习计算框架——jax的升级包
相关： 机器学习洞察 | 一文带你“讲透” JAX Jax的主要应用场景： 深度学习 (Deep Learning)：JAX 在深度学习场景下应用很广泛，很多团队基于 JAX 开发了更加高级的 API 支持不同的场景，方便开发者使用。 科学模拟 (Scientific Simulation)：JAX ......
简易机器学习笔记（九）LeNet实例 - 在眼疾识别数据集iChallenge-PM上的应用
前言 上一节大概讲了一下LeNet的内容，这一章就直接来用，实际上用一下LeNet来进行训练和分类试试。 调用的数据集： https://aistudio.baidu.com/datasetdetail/19065 说明： 如今近视已经成为困扰人们健康的一项全球性负担，在近视人群中，有超过35%的人 ......
介绍Yocto的MACHINE_FEATURES和DISTRO_FEATURES
在学习Yocto之初以及翻阅Yocto manual时，对于MACHINE_FEATURES和DISTRO_FEATURE的解释都十分官方，只是说明代表有相关的功能支持，但是一直对enable MACHINE_FEATURE的特定项究竟包含了哪一些Package以及是怎么定义的十分模糊。 这次就自己 ......
Install fail! SyntaxError: Unexpected token 'h', "hub.com>","... is not valid JSON (file: C:\Users\Admin\Documents\uirecorder_test\node_modules\_mocha@5.2.0@mocha\package.json)
uirecorder初始化时解析错误： PS C:\Users\Admin\Documents\uirecorder_test> PS C:\Users\Admin\Documents\uirecorder_test> uirecorder init __ ______ ____ __ / / / ......
机器学习-Kmeans算法的sklearn实现
from sklearn.cluster import KMeans from sklearn.datasets import make_blobs import matplotlib.pyplot as plt # 可视化数据 # 生成数据 n_samples = 200 n_clusters = ......
图像识别的技术前沿：人工智能与机器学习的融合
图像识别的技术前沿在于人工智能（AI）与机器学习（ML）的融合。这种融合使得图像识别系统能够从大量数据中自动学习并识别出各种模式，从而在复杂和动态的环境中实现更高的准确性和鲁棒性。 机器学习在图像识别中发挥着越来越重要的作用。传统的图像识别方法通常依赖于手工制作的特征提取和特征匹配，而机器学习则通过 ......
读《冰与火之歌》生词本，持续更新>>
《George R. R. Martin's a Game of Thrones 4-Book Bundle》 George R.R. Martin 495个笔记 ◆ PROLOGUE twilit edge hackles implacable hellbent destrier garrons. ......
【scikit-learn基础】--『监督学习』之 K-近邻分类
KNN（K-近邻），全称K-Nearest Neighbors，是一种常用的分类算法。KNN算法的历史可以追溯到1957年，当时Cover和Hart提出了“最近邻分类”的概念。但是，这个算法真正得到广泛认知和应用是在1992年，由Altman发表的一篇名为“K-Nearest Neighbors”的 ......
机器学习-决策树系列-决策树-剪枝-CART算法-27
目录1. 剪枝2. CCP—代价复杂度剪枝（CART） 1. 剪枝 将子树还原成一个叶子节点： 是解决过拟合的一个有效方法。当树训练得过于茂盛的时候会出现在测试集上的效果比训练集上差不少的现象，即过拟合。可以采用如下两种剪枝策略。 前剪枝，设置超参数抑制树的生长， 例如:max_depth max_ ......
docker构建机器学习计算环境并做无网络迁移
1.docker安装 很多系统自带docker，可以跳过 2.拉取镜像 docker pull nvcr.io/nvidia/pytorch:22.12-py3 保证有足够磁盘空间，有些镜像要几十G，不然系统会出问题，看我另一篇博文 3.配置 创建一个名字为xxx的容器，运行镜像yyy docker ......
具身智能即将为通用机器人补全最后一块拼图
1. 什么是具身智能？ 具身智能通过在物理世界和数字世界的学习和进化，达到理解世界、互动交互并完成任务的目标。 具身智能是由“本体”和“智能体”耦合而成且能够在复杂环境中执行任务的智能系统。一般认为，具身智能具有如下的几个核心要素： 第一是本体，作为实际的执行者，是在物理或者虚拟世界进行感知和任务执 ......
简易机器学习笔记（八）关于经典的图像分类问题-常见经典神经网络LeNet
前言 图像分类是根据图像的语义信息对不同类别图像进行区分，是计算机视觉的核心，是物体检测、图像分割、物体跟踪、行为分析、人脸识别等其他高层次视觉任务的基础。图像分类在许多领域都有着广泛的应用，如：安防领域的人脸识别和智能视频分析等，交通领域的交通场景识别，互联网领域基于内容的图像检索和相册自动归类， ......
简易机器学习笔记（七）计算机视觉基础 - 常用卷积核和简单的图片的处理
前言 这里实际上涉及到了挺多有关有关理论的东西，可以详细看一下paddle的官方文档。不过我这里不过多的谈有关理论的东西。 【低层视觉】低层视觉中常见的卷积核汇总 图像处理中常用的卷积核 在代码中，我们实际上是用不同的卷积核来造成不同的影响，我这里也是paddle中对于卷积核的几个比较简单的应用。 ......
HydroOJ 从入门到入土（12）解决 codeforces 可以爬取但提交 Forbidden（>4.10.1）
故障内容 在使用Hydro（>4.10.1）的插件 vjudge 远程评测 codeforces 的题目的时候，会遇到题目可以正常爬，但是提交却显示Forbidden的问题。 故障分析 首先看网络。但题目可以正常爬，所以首先排除网络问题。 搜索了一下相关问题，找到一条相关信息，说 UA 可能影响在c ......
UG NX绘制2GT同步轮
UG NX绘制2GT同步轮（齿轮） 概述 需要在装配图中将同步轮建模以优化图纸，但目前并无直接生成同步轮的工具。因此本笔记记录如何使用UG NX绘制2GT同步轮。 包含2GT齿轮的齿形参数的页面-参考链接 同步轮 笔记 GT代表圆弧齿. 2代表齿距为2mm. 2GT代表齿距为2mm的圆弧齿. 3GT ......
vue引入bootstrap <npm>
1 新建vue项目 已有跳过 npm create vue@latest 2 进入项目目录输入以下命令 npm i jquery npm i bootstrap 3 在main.js中引入 import 'jquery/dist/jquery.min' import 'bootstrap/dist/ ......
企业微信告警机器人配置说明
如何使用群机器人 在终端某个群组添加机器人之后，创建者可以在机器人详情页看的该机器人特有的webhookurl。开发者可以按以下说明a向这个地址发起HTTP POST 请求，即可实现给该群组发送消息。下面举个简单的例子.假设webhook是：https://qyapi.weixin.qq.com/c ......
【scikit-learn基础】--『监督学习』之 随机森林回归
随机森林回归（Random Forest Regression）是一种在机器学习领域广泛应用的算法，由美国科学家 Leo Breiman 在2001年提出。它是一种集成学习方法，通过整合多个决策树的预测结果来提高预测精度和稳定性。 随机森林回归适用于各种需要预测连续数值输出的问题，如金融领域的股票价 ......
机器学习-决策树系列-简单决策树-26
目录1. 决策树2. 举个例子 计算信息增益2. 信息熵与Gini指数关系 1. 决策树 决策树是属于有监督机器学习的一种，起源非常早，符合直觉并且非常直观， 模型生成：通过大量数据生成一颗非常好的树，用这棵树来预测新来的数据 预测：来一条新数据，按照生成好的树的标准，落到某一个叶子节点上 决策树的 ......
简易机器学习笔记（六）不同优化算法器
前言 我们之前不是说了有关梯度下降公式的事嘛，就是那个 这样梯度下降公式涉及两个问题，一是梯度下降的策略，二是涉及到参数的选择，如果我们选择固定步长的时候，就会发现我们求的值一直在最小值左右震荡，很难选择到我们期望的值。 假设上图中，x0为我们期望的极小值，yB = xA - yA'xA的时候，xB ......
机器学习笔记（五）更换损失函数：交叉熵
前言 我们之前用的是均方差作为我们神经网络的损失函数评估值，但是我们对于结果，比如给定你一张应该是0的照片，它识别成了6，这个时候这个均方差表达了什么特别的含义吗？显然你识别成6并不代表它比识别成1的情况误差更大。 所以说我们需要一种全新的方式，基于概率的方案来对结果进行规范。也就是我们说的交叉熵损 ......
微软的一些公开课，Python、机器学习、SQL、AI，全部免费
大家好，我是老章，刷X看到一位博主Alif Hossain⚡@alifcoder总结了微软的一些公开课，全部免费，蛮不错的。感兴趣可以学一波，还能领徽章。 1. 机器学习简介 本课程是学习机器学习基础知识和用例的好方法。 → 11 个模块 → 2.5 小时 → 适合初学者 → 免费徽章 链接: ht ......
微软真是活菩萨，面向初学者的机器学习、数据科学、AI、LLM课程统统免费
微软真是活菩萨，面向初学者的机器学习、数据科学、AI、LLM课程统统免费 大家好，我是老章 推荐几个质量上乘且完全免费的微软开源课程 面向初学者的机器学习课程 地址：https://microsoft.github.io/ML-For-Beginners/#/ 学习经典机器学习，主要使用 Sciki ......
时间工具类之“LocalDateTime方案转换地域性时差问题->自定义时间 转 UTC时间
一、使用方法 1.这里有使用LocalDateTime，Date, 2.直接使用LocalDateTime来将输入时间转为UTC还是没有摸索到，看了下源码发现根据偏移量去处理的，但是没有测试成功所以换了一种方案 二、代码 测试方案 @Test public void wzwLocalDateTime ......
01_机器学习概述
概述 机器学习是什么 与人工智能的关系 机器学习 是 人工智能 的一个实现途径 人工智能 是用机器来模仿人类学习以及其他方面的智能 定义 机器学习 是从数据中自动分析获得 模型 ，并利用 模型 对未知数据进行 预测 解释 我们人从大量的日常经验中归纳规律，当面临新的问题的时候，就可以利用以往总结的规 ......
《Ensemble deep learning: A review》阅读笔记
论文标题 《Ensemble deep learning: A review》 集成深度学习： 综述 作者 M.A. Ganaie 和 Minghui Hu 来自印度理工学院印多尔分校数学系和南洋理工大学电气与电子工程学院 本文写的大而全。 初读 摘要 集成学习思想： 结合几个单独的模型以获得更好的 ......
learned_inertial_model_odometry 复现
据集 BlackBrid 数据集，总大小4.9TB，但是可以按需获取 其下载程序 python sequenceDownloader.py FLIGHT ENVIRONMENT DATASETFOLDER 举例说明 FLIGHT clover/yawForward/maxSpeed5p0 ENVIR ......
认识机器学习【woodwhales.cn】
为了更好的阅读体验，建议移步至笔者的博客阅读：认识机器学习 生活中的问题1：居民家庭生活用气价格 北京燃气小程序在线咨询，查询北京居民家庭生活用气价格 上图价格梯度，可以由文字转换成表格： 第一档用气量为0-350（含）立方米，气价为2.61元/m³； 第二档用气量在350-500（含）立方米之间， ......
从嘉手札<2024-1-2>
最近看了很多这样的文案，某音有，某扑也有很多，出于infp的被动，莫名的觉得悲伤。 悲伤的是一颗真心没有得到珍惜， 而更令我觉得悲伤的是， 人们往往会把自己炽烈如山海一样的情感倾泻给自己心仪的对象， 可很多时候， 我们都没有能够承受这样浓烈感情的能力，所以女孩逃避，男孩绝望。 或许，大家都需要一堂课 ......