nadaraya-watson注意力nadaraya机器
Huggy Lingo: 利用机器学习改进 Hugging Face Hub 上的语言元数据
太长不看版: Hub 上有不少数据集没有语言元数据，我们用机器学习来检测其语言，并使用 librarian-bots 自动向这些数据集提 PR 以添加其语言元数据。 Hugging Face Hub 已成为社区共享机器学习模型、数据集以及应用的存储库。随着 Hub 上的数据集越来越多，元数据，作为一 ......
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 ......
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 ......
使用mybaties 嵌套查询注意
<?xml version="1.0" encoding="UTF-8"?> <!DOCTYPE mapper PUBLIC "-//mybatis.org//DTD Mapper 3.0//EN" "http://mybatis.org/dtd/mybatis-3-mapper.dtd"> <ma ......
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。 ......
和利时网关通过MC协议采集三菱PLC寄存器地址注意点
1, 采集FX3U时, 使用MC-1E帧协议, 直接使用现场8进制地址即可; 2, 采集FX5U, L, Q系列PLC时 , 需要将现场8进制地址转换为10进制地址; ( MC-3E帧协议 ) ......
通道注意力和空间注意力（CBAM）
用实例说明通道注意力机制与空间注意力机制的内容。包含代码示例。 参考的博文： pytorch中加入注意力机制（CBAM），以ResNet为例。解析到底要不要用ImageNet预训练？如何加预训练参数？ （六十一）通俗易懂理解——通道注意力机制和空间注意力机制(CBAM) CBAM Convoluti ......
教育企业选型CRM要注意哪些功能？教育CRM核心功能解析
教育行业是出了名的“卷”，对教育企业来说，学生和家长也属于客户，培育与学生、家长的关系是成功的关键。然而，教育机构对CRM管理系统的需求复杂多变，很难找到满意的解决方案。与传统的CRM系统不同，教育机构需要一套符合其独特需求和目标的解决方案。因此，教育企业在进行CRM选型时，要着重选择具有学生关系管 ......
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 ......
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 ......
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 ......
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， ......
机器学习之ML.NET
专有名词概念 标签（Labels）：预测列，需要预测的内容 特征（Features）：用于帮助预测标签的列 模型（Model）：模型是通过训练数据学习到的机器学习算法。它可以用来预测未知数据的标签 官方地址：ML.NET |专为 .NET 设计的机器学习 (microsoft.com) 准备环境 必 ......
MacOS - Xcode的使用注意事项
背景 有个牛逼同事用QT在开发一Mac小应用,找到我说他引用了一个zip解压缩的库.在QT的IDE运行起来之后,就崩溃.看控制台的报错信息大概如下 dyld: Library not loaded: libquazip.1.dylib Referenced from: /Users/USER/Doc ......
P4 机器学习的基本原则
训练神经网络的基本原则 当训练好了一个最初的神经网络 首先问 这个算法是否有高偏差？？？ 也就是是不是欠拟合 如果是高偏差： 解决高偏差，要么换更大的网络，要么延长训练的时间，（找更好的网络） 等到做完了这些，再判断这个算法是否有高偏差，直到在训练集上能够拟合好数据， 然后问 这个算法是否有高方差？ ......
中大型企业如何选择CRM系统？这十个注意事项请记住
与小型企业不同的是，大型和中型企业在客户关系管理方面面临着独特的挑战：复杂的工作流程、多元化的团队以及严苛的客户期望，选择合适的CRM管理系统对于优化运营、提升销售和培养持久客户忠诚度至关重要。然而，在种类繁多的CRM产品中找到正确的选择并非易事。对于中大型企业来说，选择CRM系统必备功能包括：可扩 ......
Unity3D在做性能优化方面需要注意的问题和技术细节 详解
Unity3D是一款强大的游戏开发引擎，它提供了丰富的功能和工具，使开发者能够轻松创建高质量的游戏。然而，随着游戏的复杂性和规模的增长，性能优化变得尤为重要。在本文中，我们将详细讨论在Unity3D中进行性能优化时需要注意的问题和技术细节。 对啦！这里有个游戏开发交流小组里面聚集了一帮热爱学习游戏的 ......
使用必读-使用Iceberg数据湖需要注意的点
一、开发注意事项 1、Iceberg选择合适的表版本 简述：Iceberg目前有两个表版本（V1和V2），根据数据选择合适的表版本。 V1表只支持增量数据插入，适合做纯增量写入场景，如埋点数据。 V2表才支持行级更新，适合做状态变化的更新，如订单表同步。 使用方式：建表语句时指定版本'format- ......