深度
【动手学深度学习】第十二章笔记：异步计算、数据并行
为了更好的阅读体验，请点击这里 12.1 编译器和解释器 原书主要关注的是命令式编程（imperative programming）。Python 是一种解释性语言，因此没有编译器给代码优化，代码会跑得很慢。 12.1.1 符号式编程 考虑另一种选择符号式编程（symbolic programmin ......
基于深度学习的水果检测与识别系统（Python界面版，YOLOv5实现）
本博文介绍了一种基于深度学习的水果检测与识别系统，使用YOLOv5算法对常见水果进行检测和识别，实现对图片、视频和实时视频中的水果进行准确识别。博文详细阐述了算法原理，同时提供Python实现代码、训练数据集，以及基于PyQt的UI界面。通过YOLOv5实现对图像中存在的多个水果目标进行识别分类，用... ......
基于深度神经网络的图像分类与训练系统（MATLAB GUI版，代码+图文详解）
本博客详细介绍了基于深度神经网络的图像分类与训练系统的MATLAB实现代码，包括GUI界面和数据集，可选择模型进行图片分类，支持一键训练神经网络。首先介绍了基于GoogleNet、ResNet进行图像分类的背景、意义，系统研究现状及相关算法。然后展示了系统的界面演示效果，包括选择图片分类、选择文件夹... ......
深度学习—孪生网络与蒸馏网络
一、孪生神经网络 1、概述：它在目标识别与追踪、精确制导、行人重识别、人脸验证、笔迹验证、图像匹配等领域具有重要应用。 尤其在基于孪生网路的目标检测与追踪方面，设计了SiamFC、SiamRPN、SiamRPN++、DaSiamRPN等经典算法。 本质上，孪生网路是一种实现深度度量学习的深度学习技术 ......
医学图像的深度学习的完整代码示例：使用Pytorch对MRI脑扫描的图像进行分割
图像分割是医学图像分析中最重要的任务之一，在许多临床应用中往往是第一步也是最关键的一步。在脑MRI分析中，图像分割通常用于测量和可视化解剖结构，分析大脑变化，描绘病理区域以及手术计划和图像引导干预，分割是大多数形态学分析的先决条件。 本文我们将介绍如何使用QuickNAT对人脑的图像进行分割。使用M ......
分别使用SAD匹配,NCC匹配,SSD匹配三种算法提取双目图像的深度信息
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 深度学习的蓬勃发展得益于大规模有标注的数据驱动，有监督学习（supervised learning）推动深度模型向着性能越来越高的方向发展。但是，大量的标注数据往往需要付出巨大的人力成本，越来越多的研究开始关注如何在不 ......
穿越时空的智慧：经得起时间考验的深度学习理念
前言 近十年，深度学习获得长足发展，大量的研究论文和想法铺天盖地。本文回顾历年来突出的深度学习理念，总结了若干个经得起时间考验的方法，它们已经被反复使用，被广泛证明是有效的。 本文转载自幻方AI 作者 | Denny 仅用于学术分享，若侵权请联系删除 欢迎关注公众号CV技术指南，专注于计算机视觉的技 ......
OpenCV加载深度学习模型
本文使用OpenCV加载深度学习模型，实现了对传入的单张图像或多张图像进行预测。 步骤： 首先读入Caffe框架训练好的模型，然后对输入图像进行预处理操作，并将其传入已构建的网络模型，最后对得到的预测结果进行排序，找到概率最大的，通过标签文件得到最终预测的结果并进行输出展示。 1.单张图像 (1)构 ......
赋值/浅拷贝/深度拷贝
/* 一: 赋值 二: 浅拷贝 二: 深拷贝 */ 一: 赋值 # 赋值 if __name__ == '__main__': dict1 = {'user':'Tom','num':[1,2,3]} # 直接赋值: 引用对象 dict2 = dict1 print("dict1: 0x%x" %i ......
深度特征融合相关论文（后续更新）
FCN：Fully convolutional Networks for Semantic Segmentation — CVPR2015 ResNet：Deep Residual Learning for Image Recognition — CVPR2016 FPN：Feature pyram ......
Pytorch2 如何通过算子融合和 CPU/GPU 代码生成加速深度学习
动动发财的小手，点个赞吧！ PyTorch 中用于图形捕获、中间表示、运算符融合以及优化的 C++ 和 GPU 代码生成的深度学习编译器技术入门 计算机编程是神奇的。我们用人类可读的语言编写代码，就像变魔术一样，它通过硅晶体管转化为电流，使它们像开关一样工作，并允许它们实现复杂的逻辑——这样我们就可 ......
【深度学习基础】使用libtorch部署pytorch训练的网络
下载安装配置：https://pytorch.org/cppdocs/installing.html 小例程：https://pytorch.org/cppdocs/frontend.html 官方：https://pytorch.org/tutorials/beginner/Intro_to_To ......
[ML&DL] 深度学习的实践层面
深度学习的实践层面 训练集 验证集 测试集 过程 神经网络的训练是一个需要不断迭代的过程，一般先提出idea，然后编码实现、测试，根据测试结果再次调整思路...... 分组与比例 数据集通常分为3个部分：训练集、验证集和测试集。 训练集用于训练模型的参数。 验证集用于选择最好的模型。 测试集用于评估 ......
利用深度学习实现序列模型
利用深度学习实现序列模型 序列问题的含义是接收一个序列作为输入，然后期望预测这个序列的后续。例如继续预测2,4,6,8,10...。这在时间序列中是相当常见的，可以用来预测股市的波动、患者的体温曲线或者赛车所需的加速度。 从原理上说，==卷积神经网络可以有效处理空间信息，那么循环神经网络则能更好处理 ......
关于深度思考
对任何领域要达到专家水平境界是一个非常困难的事情。对多数人而言，首要的是理解摆在他们面前的大量工作，并通过学习并获得直觉感悟，这些感悟促成了见识、格局的增长。 自我境界（含见识、格局）的提升是一个漫长的过程，且是一个无法自我衡量的过程。但从大部分的生涯中总一下，其过程符合一下曲线： 但，本次我想讨论 ......
深度了解group分组查询
使用group by的简单例子 group by 工作原理 group by + where 和 group by + having的区别 group by 优化思路 group by 使用注意点 一个生产慢SQL如何优化 1. 使用group by的简单例子 group by一般用于分组统计，它表 ......
【动手学深度学习】第五章笔记：层与块、参数管理、自定义层、读写文件、GPU
为了更好的阅读体验，请点击这里 由于本章内容比较少且以后很显然会经常回来翻，因此会写得比较详细。 5.1 层和块 事实证明，研究讨论“比单个层大”但“比整个模型小”的组件更有价值。例如，在计算机视觉中广泛流行的ResNet-152 架构就有数百层，这些层是由层组（groups of layers）的 ......
关于深度学习中的两个概念weights和checkpoint
WEIGHT和checkpoint都是深度学习中的概念，但它们的含义和作用有所不同。 WEIGHT通常指的是神经网络中的参数。在训练过程中，神经网络的参数会不断更新以提高模型的准确性。这些参数通常被存储在称为“权重”的数组中。因此，当我们保存模型的权重时，我们实际上是将神经网络的参数保存到文件中，以 ......
一棵广度和深度都未知的树，存储于数据库的表中，节点存储顺序随机...
public class DeleteNode { public static void main(String[] args) { Node node = new Node(1, 1, "aa"); Node node1 = new Node(2, 3, "bb"); Node node2 = n ......
深度学习--GAN实战
深度学习--GAN实战 DCGAN import torch from torch import nn, optim, autograd import numpy as np import visdom import random #用python -m visdom.server启动服务 h_di ......
2. 例子--深度学习
构建一个简单的网络，先从线性函数开始： 1. 从输入 >输出的映射 图片（32*32*3=3072） 经过 f(xi|W)+b 映射 每个类别的得分 我们来解析一下这个映射函数：f(xi|W)=Wx+b a: xi 是输入的参数，在此例中就是图片像素点矩阵（32*32*3=3072），根据计算机的存 ......
初识--深度学习
所谓深度学习，其实也是机器学习中的一部分，而且更加突出了“学习”的概念，去学习什么样的特征组合是最合适的。 机器学习的流程是：数据获取，特征工程，建立模型，评估应用。所谓深度学习，不要把他当成一种算法，你要把他当成一种提取特征的工具，由于特征之间不同的组合，所以造成了神经网络的计算量十分庞大。机器学 ......
利用pytorch深度学习框架验证骰子的合格性
利用pytorch深度学习框架验证骰子的合格性 骰子生产的合格性可以用概率来表达，比如每个面出现的概率大概都是1/6。 import torch from d2l import torch as d2l from torch.distributions import multinomial # 多次 ......
深度学习网络fine-tune原理研究 - 以卷积神经网络为例
一、什么是预训练模型（pre-trained model） 预训练模型就是已经用数据集训练好了的模型，这里的数据集一般指大型数据集。比如 VGG16/19 Resnet Imagenet COCO 正常情况下，在图像识别任务中常用的VGG16/19等网络是他人调试好的优秀网络，我们无需再修改其网络结 ......
极客时间「大师课·深度剖析 RocketMQ5.0」上线啦，欢迎免费领取！
从初代开源消息队列崛起，到 PC 互联网、移动互联网爆发式发展，再如今 IoT、云计算、云原生引领了新的技术趋势，消息中间件的发展已经走过了 30 多个年头。 目前，消息中间件在国内许多行业的关键应用中扮演着至关重要的角色。随着数字化转型的深入，客户在使用消息技术的过程中往往同时涉及交叉场景，比如同 ......
深度学习--初识GAN
深度学习--GAN网络 GAN是一种深度学习模型，全称为生成对抗网络（Generative Adversarial Networks）。它由两个神经网络组成：一个生成器网络和一个判别器网络。 生成器网络通过学习训练数据的分布，生成新的数据。而判别器网络则尝试区分生成器生成的数据和真实的训练数据。在训 ......
动手学习深度学习-pandas dataframe转为张量
动手学习深度学习-pandas dataframe转为张量 创建数据 在当前目录的上一级目录创建csv文件，然后写入数据 import os os.makedirs(os.path.join('..','data'),exist_ok=True) # '..'表示上一级目录路径 data_file ......
深度学习自学看懂论文的网站
救命啊！深度学习代码看不懂怎么办啊？一个网站彻底解决！-人工智能/AI/机器学习_哔哩哔哩_bilibili GitHub - labmlai/annotated_deep_learning_paper_implementations: 🧑🏫 59 Implementations/tutori ......
深度学习--LSTM网络、使用方法、实战情感分类问题
深度学习--LSTM网络、使用方法、实战情感分类问题 1.LSTM基础 长短期记忆网络（Long Short-Term Memory，简称LSTM），是RNN的一种，为了解决RNN存在长期依赖问题而设计出来的。 LSTM的基本结构： 2.LSTM的具体说明 LSTM与RNN的结构相比，在参数更新的过 ......
机器学习和深度学习的区别
机器学习和深度学习都属于人工智能领域，但它们有不同的方法和应用场景。 机器学习是一种利用统计学习算法让计算机模仿人类的学习过程来实现智能化的技术。机器学习的主要思想是从大量的数据中发掘规律和模式，然后将这些规律和模式应用到新的数据中进行预测和决策。聚类，聚合 深度学习是机器学习的一个分支，它利用多层 ......