深度
深度学习的基本原理和常用框架介绍
深度学习是一种基于人工神经网络的机器学习方法，它可以从大量的数据中学习抽象和复杂的特征，从而实现各种智能任务，如图像识别、自然语言处理、语音识别等。深度学习的基本原理是利用多层的神经网络结构，通过前向传播和反向传播的算法，不断调整网络中的参数，使得网络的输出能够逼近或优化目标函数。深度学习的常用框架 ......
Python 深度学习架构实用指南：第三、四、五部分
原文：Hands-On Deep Learning Architectures with Python 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《原则 ......
TensorFlow 2 和 Keras 高级深度学习：1~5
原文：Advanced Deep Learning with TensorFlow 2 and Keras 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《 ......
【深度思考】聊聊JDK动态代理原理
1. 示例 首先，定义一个接口： public interface Staff { void work(); } 然后，新增一个类并实现上面的接口： public class Coder implements Staff { @Override public void work() { System ......
深度学习第三章-神经网络TensorFlow实现
张量可以理解为n维数组或矩阵。在NumPy数组中，一个float32或float64的数字就是一个标量（零维张量），可以用ndim查看张量的维度。 向量（一维张量）是由数字组成的数组。 矩阵（二维张量）是由向量组成的数组。 ......
深度学习正则化之Dropout
一、Dropout 丢弃法（Dropout Method）：在训练一个深度神经网络时，可以随机丢弃一部分神经元（同时丢弃其对应的连接边）来避免过拟合。 训练时，每次选择丢弃的神经元是随机的，这些随机选出隐藏层的神经元将被删除，它们将不再传递信号。 常规dropout (训练测试不一致，测试时调整输入 ......
卷积操作的概念及其在深度学习中的应用
卷积操作是一种线性操作，通常用于处理信号和图像等数据。在图像处理中，卷积操作可以用于提取图像的特征，例如边缘、纹理等。 卷积操作是通过卷积核（也称滤波器）与输入数据进行逐元素乘积、求和运算的过程，从而得到卷积特征图。卷积核可以看作是一种模板，用于提取输入数据中的局部特征。在每个位置上，卷积核都会与输 ......
深度学习Pytorch中组卷积的参数存储方式与剪枝的问题
写这个主要是因为去年做项目的时候 需要对网络进行剪枝 普通卷积倒没问题 涉及到组卷积通道的裁剪就对应不上 当时没时间钻研 现在再看pytorch 钻研了一下 仔细研究了一下卷积的weight.data的存储 1.搭建网络 这里先随便搭建一下网络 放几个深度可分离卷积和普通卷积 import torc ......
深度学习快速参考：11~13
原文：Deep Learning Quick Reference 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《原则》，生活原则 2.3.c 十一、训练 ......
深度学习快速参考：1~5
原文：Deep Learning Quick Reference 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《原则》，生活原则 2.3.c 一、深度学习 ......
TensorFlow 深度学习实战指南：1~5 全
原文：Hands-on Deep Learning with TensorFlow 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现目标。——《原则》，生活原则 2.3 ......
[深度学习]服务器推送信息到手机
效果 原理 微信服务号是可以推送模板类消息到个人账号的，gpu服务器在训练的时候，把重要信息通过post请求发到服务号的服务器，然后以模板消息推送给微信。但只有企业或者个人经营企业才能注册服务号，所以我使用第三方的服务。一个是autoDL的推送，一个是server酱。本来以为不在autoDL机房里的 ......
跟姥爷深度学习2 TensorFlow的基本用法
一、前言 前面我们浅用TensorFlow做了个天气预测，虽然效果不咋样，但算是将整个流程跑通了。这一篇我们在之前基础上对TensorFlow的一些参数进行简单介绍，在接口文件的基础上了解各参数的简单含义和用法。 二、再次构建模型 我们先将之前的冗余代码都删除，做个简单的模型训练和预测。 三、可以修 ......
跟姥爷深度学习1 浅用tensorflow做个天气预测
一、前言 最近人工智能、深度学习又火了，我感觉还是有必要研究一下。三年前浅学了一下原理没深入研究框架，三年后感觉各种框架都成熟了，现成的教程也丰富了，所以我继续边学边写。原教程链接： https://www.bilibili.com/video/BV1CW4y1r7Q7?p=1&vd_source= ......
4.深度学习计算机视觉概述
深度学习计算机视觉方法概述 概述 深度学习已经成为计算机视觉领域的一个热门研究方向，被广泛用于图像分类、目标检测、人脸识别等任务中。与传统方法相比，深度学习方法可以通过端到端的学习，从原始数据中直接学习任务所需的特征表示，无需手工设计复杂的特征提取算法。 在深度学习计算机视觉领域，最常使用的神经网络 ......
从零开始配置深度学习环境：CUDA+Anaconda+Pytorch+TensorFlow
本文适用于电脑有GPU（显卡）的同学，没有的话直接安装cpu版是简单的。CUDA是系统调用GPU所必须的，所以教程从安装CUDA开始。 CUDA安装 CUDA是加速深度学习计算的工具，诞生于NVIDIA公司，是一个显卡的附加驱动。必须使用NVIDIA的显卡才能安装，可以打开任务管理器查看自己的硬件设 ......
深度学习| 通过蒸馏收敛一个更优模型部署
蒸馏收敛 基于keras的知识蒸馏(Knowledge Distillation)-分类与回归 如果通过蒸馏收敛到一个更优的的部署模型 Knowledge Distillation Introduction to Knowledge Distillation 知识提取是一种模型压缩过程，其中对小（学 ......
vue深度选择器 /deep/ ::v-deep >>>的使用
css中通常会在 style 标签内添加 scoped 来避免父组件对子组件的影响，添加了之后只能修改当前组件的样式。 这样做的原理是通过在打包的时候给每个样式都添加一个独一无二的hash值，从而避免父组件对子组件的样式的影响。 如果去掉scoped的话就会影响全局样式，但是加上scoped又不能在 ......
火电机组深度调峰matlab 采用matlab结合yalmip（cplex或者gurobi求解器）
火电机组深度调峰matlab 采用matlab结合yalmip（cplex或者gurobi求解器）编写深度调峰模型，程序完整性较好，采用直流潮流、功率平衡、爬坡等相关约束，可通用IEEE30和39等节点系统ID:5950670492715679 ......
ubuntu搭建深度学习环境
安装vscode 方法一： 依次输入如下命令 1.sudo add-apt-repository ppa:ubuntu-desktop/ubuntu-make 2.sudo apt-get update 3.sudo apt-get install ubuntu-make 4.umake ide v ......
图像Resize方式对深度学习模型效果的影响
图像Resize方式对深度学习模型效果的影响 转自知乎图像Resize方式对深度学习模型效果的影响 在基于卷积神经网络的应用过程中，图像Resize是必不可少的一个步骤。通常原始图像尺寸比较大，比如常见监控摄像机出来的是1080P高清或者720P准高清画面，而网络模型输入一般没有这么大，像Yolo系 ......
考虑新能源消纳的火电机组深度调峰策略
考虑新能源消纳的火电机组深度调峰策略 摘要：本代码主要做的是考虑新能源消纳的火电机组深度调峰策略，以常规调峰、不投油深度调峰、投油深度调峰三个阶段，建立了火电机组深度调峰成本模型，并以风电全额消纳为前提，建立了经济调度模型。 约束条件主要考虑煤燃烧约束、系统旋转备用功率约束、启停、爬坡、储热约束等等 ......
基于深度强化学习的微网P2P能源交易研究 代码主要做的是基于深度强化学习的微网P2P能源交易研究
基于深度强化学习的微网P2P能源交易研究 摘要：代码主要做的是基于深度强化学习的微网P2P能源交易研究，具体为采用PPO算法以及DDPG算法对P2P能源交易模型进行仿真验证，代码对应的是三篇文献，内容分别为基于深度强化学习微网交易控制研究，多种深度强化学习优化效果对比，以及微网实施P2P交易经济效益 ......
Pytorch深度学习全流程代码框架——Base Codes for Deep Learning Using Pytorch
# 导入必要的库 import torch import torch.nn as nn import torch.optim as optim from torch.utils.data import DataLoader, Dataset # 定义超参数 epochs = 10 # 训练轮数 lr ......
风储深度调峰模型matlab 考虑风储的调峰模型，采用cplex作为求解器
风储深度调峰模型matlab 考虑风储的调峰模型，采用cplex作为求解器，实现不同主体出力优化控制，程序运行稳定，有参考资料，ID:37180641310293436 ......
深度学习-个人理解
深度学习-个人理解 深度学习模型类似一个黑盒子，输入一组数据，产生一个输出，这个输出就可以称为得分函数的输出值。 根据输出值与实际值之间的比较，通过损失函数可以求得损失值。损失值越大，代表模型的分类效果越差。 其中，通过Softmax分类器可以将分类结果映射成概率。 前向传播和反向传播 前向传播：输 ......
深度解读2023年巴菲特致股东的信
2月25日晚间，全球投资者所期待的2023年巴菲特致股东的信正式公布。每年2月底，巴菲特致股东的信成为大家学习巴菲特价值投资，以及了解巴菲特过去一年投资得失的一个重要窗口，与每年5月第一个周六召开的巴菲特股东大会一样重要。在信中，巴菲特总是毫无保留的为我们奉上投资真谛，读起来让人如沐春风，醍醐灌顶。 ......
使用深度学习预测低压网络的电压分布 低电压(LV)电路的能量分布将发生变化，而以前的被动“适应和-“忘记”的网络管理方法将是低效的
使用深度学习预测低压网络的电压分布 低电压(LV)电路的能量分布将发生变化，而以前的被动“适应和-“忘记”的网络管理方法将是低效的，以确保其有效运行。 需要一种自适应的方法，包括对电路风险的预测。 文献中描述的大多数方法都要求网络具有完全的可观察性。 考虑到智能电表(SM)覆盖所有低压网络的可能性很 ......
深度学习检测不准确智能电表:一个案例研究 python源代码
深度学习检测不准确智能电表:一个案例研究 python源代码，代码按照高水平文章复现，保证正确 根据用电情况检测出故障的智能电表，并针对其进行更换，可以节省大量的资源。 为此，我们开发了一种基于长短期记忆(long -term memory, LSTM)和改进的卷积神经网络(convolutiona ......