深度学习

清空mega12 分钟前
网络·深度学习·batch
动手学深度学习|批量归一化(Batch Normalization)超详细讲解:为什么它能让深层网络更容易训练?这一节很重要,因为从这里开始,你会发现:卷积神经网络的进步,不只是来自“结构怎么设计”,还来自“训练怎么更稳定”。
LSQ的测试日记29 分钟前
人工智能·深度学习·yolo
深度学习_YOLO,卡尔曼滤波和YOLO系列算法是一类典型的one-stage目标检测算法,其利用anchor box将分类与目标定位的回归问题结合起来,从而做到了高效、灵活和泛化性能好,所以在工业界也十分受欢迎.
bst@微胖子1 小时前
pytorch·深度学习·分类
PyTorch深度学习框架之多分类交叉熵实现图像分类适合苹果/华为/小米 3分类手机识别,你可以直接改类别数适配你的任务:Q:SmallPhoneCNN卷积层参数是怎么来的?
独隅1 小时前
人工智能·深度学习·keras
Keras 的主要特点和适用场景Keras 是一个用 Python 编写的高级神经网络 API,最初由 François Chollet 开发,目标是让深度学习变得更加 用户友好、模块化和可扩展。自 TensorFlow 2.0 起,Keras 被正式集成作为其官方高层 API(tf.keras),成为 Google 官方推荐的深度学习开发方式。
郝学胜-神的一滴2 小时前
人工智能·pytorch·python·深度学习·算法·机器学习
自动微分实战:梯度下降的迭代实现与梯度清零核心解析在深度学习的参数优化中,梯度下降是最基础也最核心的算法,而自动微分则是高效计算梯度的关键手段。从手动推导梯度到代码层面的迭代更新,从梯度累加的坑到梯度清零的实操,每一个细节都决定着参数优化的成败。今天我们就从实战角度,拆解基于PyTorch的自动微分实现,手把手搞定梯度下降的完整流程,理解梯度清零的底层逻辑,让参数更新更精准!
HyperAI超神经2 小时前
人工智能·深度学习·学习·机器学习·gpu·tvm·vllm
【TVM教程】理解 Relax 抽象层TVM 现已更新到 0.21.0 版本,TVM 中文文档已经和新版本对齐。Apache TVM 是一个深度的深度学习编译框架,适用于 CPU、GPU 和各种机器学习加速芯片。
Dev7z3 小时前
人工智能·深度学习·yolo12·产量预测·香梨
基于深度学习的香梨产量预测系统设计与实现(UI界面+数据集+训练代码)摘要:本研究针对香梨产业园果实数量统计和产量预测中人工清点效率低、主观性强、难以满足规模化管理需求等问题,设计并实现了一套基于深度学习的香梨产量预测系统。系统以香梨图像为研究对象,融合目标检测、特征工程与回归分析方法,实现了图像检测、视频检测、实时检测及产量预测等功能。
A尘埃4 小时前
人工智能·深度学习·cnn
深度学习之卷积神经网络CNN(卷积+池化)基础的图像操作CNN图像分类案例模型参数如下:案例增加优化思路根据提供的数据结构,建立CNN模型,识别图片中的猫/狗,计算预测准确率 从网站下载猫/狗图片,进行预测
junior_Xin4 小时前
人工智能·深度学习
机器学习深度学习beginning51.自编码器(Auto-Encoder):不需要标注数据,仅依赖数据本身的结构进行学习,属于自监督学习。自编码器试图学习一个恒等映射:输入 x→ 编码器 → 潜在表示 z→ 解码器 → 输出 x^,并让 x^尽可能接近 x。 核心结构:编码器 + 解码器 目标:最小化重构误差(输入与输出的差异) 变体:Denoising Auto-Encoder(去噪自编码器):需要在输入数据上加入噪声,输出为不加噪声的结果,即对输入X人为加入噪声得到 X',模型学习从 X' 重构出干净的 X
龙文浩_4 小时前
人工智能·pytorch·深度学习·神经网络
AI的jieba分词原理与多模式应用解析AI的jieba分词原理与多模式应用解析
金融小师妹4 小时前
深度学习·svn·逻辑回归·能源
基于AI能源供给网络模型:霍尔木兹海峡扰动下的全球油品风险传导与区域“油荒概率”评估摘要:本文通过构建AI能源供给网络模型,结合霍尔木兹海峡运输扰动、区域进口依赖度、库存动态与贸易重定向能力,对全球能源供应链在极端压力下的传导路径进行分析,重点评估亚洲地区“油荒风险”的结构性分布及其演化机制。
花千树-0104 小时前
人工智能·深度学习·macos·ai·语音识别·ai编程
IndexTTS2 在 macOS 性能最佳设置(M1/M2/M3/M4 全适用)IndexTTS2 本身是为 GPU(NVIDIA CUDA)优化的,而 macOS(Apple Silicon)走的是 Metal GPU 路线。然而 PyTorch 已经对 Metal 优化得相当不错,只要参数设置对了,在 mac 上完全可以跑得很丝滑。
盼小辉丶4 小时前
人工智能·pytorch·深度学习·推荐系统
PyTorch实战(40)——使用PyTorch构建推荐系统推荐系统 (Recommendation System) 无处不在,例如抖音会推荐用户观看什么内容;Spotify 推荐用户听什么音乐;淘宝推荐用户购买哪些产品。 推荐系统本质上是一种提供个性化建议的算法,其核心目标是通过分析用户偏好、行为模式、与其他用户的相似度以及与系统的互动记录,预测用户可能感兴趣的产品。当今大多数推荐系统都由深度学习模型驱动,这些模型通过分析当前用户及其他用户的现有消费模式,来预测用户对某产品(电影、书籍、播客、社交网络中的某人等)的喜好程度。 在本节中,我们将使用 PyTorch
Coding茶水间4 小时前
人工智能·深度学习·yolo·机器学习·django
基于深度学习的草莓健康度检测系统演示与介绍(YOLOv12/v11/v8/v5模型+Django+web+训练代码+数据集)基于深度学习的草莓健康度检测系统演示与介绍目录视频演示1. 前言2. 项目演示2.1 用户登录界面2.2 主界面布局
北顾笙9804 小时前
人工智能·深度学习
深度学习day06其实深度学习是我们老师让我们学的东西,然后数据结构是我看师兄找工作学的。所以我一般数据结构更新的更勤,但是有多余的时间还是要把深度学习这些进度给补上。
渡我白衣5 小时前
人工智能·深度学习·神经网络·机器学习·计算机视觉·自然语言处理·语音识别
见微知著——特征工程的科学与艺术“数据和特征决定了机器学习的上限,而模型和算法只是逼近这个上限而已。”在我们的旅程中,“数据是燃料”一章为我们奠定了坚实的基础。我们学会了如何评估数据质量、处理缺失值、进行基础的数值缩放与类别编码。那时,我们将原始数据视为一种粗犷的、未经加工的“原油”。
zxsz_com_cn16 小时前
人工智能·深度学习·机器学习
设备预测性维护模型构建详解与实例:中讯烛龙如何用“数据+算法”破解故障预测难题在工业设备预测性维护(PdM)体系中,模型是“决策大脑”——它通过对设备数据的深度解析,预判故障发生时间与类型,直接决定预警的准确性与维护的有效性。然而,72%的PdM模型存在“实验室准、现场差”“误报率高、泛化性弱”等问题,根源在于模型构建脱离了工业场景的真实需求。本文将从模型构建全流程详解与真实工业实例出发,结合中讯烛龙预测性维护系统的技术实践,为企业提供“从数据到决策”的模型构建范式。
67X16 小时前
人工智能·深度学习
【论文研读】Deep learning improves prediction of drug–drug anddrug–food interactionsDeep learning improves prediction of drug–drug anddrug–food interactionshttps://www.pnas.org/doi/epdf/10.1073/pnas.1803294115
程序员Shawn17 小时前
人工智能·深度学习·cnn
【深度学习 | 第三篇】-卷积神经网络卷积神经网络是包含卷积层的神经网络。卷积层能够自动学习图像中的局部特征,如边缘、纹理、形状等,并逐层抽象为高级语义特征。
光电的一只菜鸡18 小时前
pytorch·深度学习·dnn
《PyTorch深度学习建模与应用(参考用书)》(三)——深度神经网络深度学习是当下热门的机器学习研究方向,它是使用深层架构的机器学习的方法,已经广泛应用于人工智能所涉及的众多领域,例语音识别、计算机视觉、自然语言、在线广告等,作为深度学习框架的PyTorch可以在该领域中大展宏图。