魔乐社区

魔乐社区

社区官网工具模型库数据集体验空间

去全站搜索看看？

登录社区云

登录社区云，与社区用户共同成长

魔乐社区

邀请您加入社区

欢迎加入社区

欢迎加入社区

深度学习

小白初识paddlepaddle的心得--mnist手写数字识别

小白初识paddlepaddle的心得之mnist手写数字识别获取训练数据设计模型模型训练与保存预测现在在这些强大框架下，都是一套一套的，按步骤往上套就行了，小白接触paddlepaddle的这些天，看到的所有的大的小的项目都能按这步骤往上套。paddlepaddle大概会成为深度学习方面的spring吧。获取训练数据这里的数据直接用了paddle的mnist，也不用去加载文件啊啥啥的了，小白超友

 基尔默
2020-08-29 11:30:49

 570

#paddlepaddle #深度学习
YOLOX网络详解

对于网络在每一个grid cell处都会预测4个参数（tx、ty、tw、th），tx与ty预测的是目标中心点相对于当前grid cell相对于当前grid cell左上角点的偏移量，预测边界框的高度和宽度用e的指数计算，计算得出的Xcenter、Ycenter、w、h都是在特征图尺度上的，需要*stride得到在原图的尺度。构建Anchor Point与每个GT之间的IoU矩阵，IoU矩阵并不需要

 没有不重的名么
2024-10-14 11:18:34

 1896

 30

#深度学习 #人工智能 #目标检测
机器学习算法——概率类模型评估指标2（对数似然函数Log_Loss）

除了上节的布里尔分数外，另一种常用的概率损失衡量是对数损失（log_loss），又叫做对数似然、逻辑损失或者交叉熵损失，它是多元逻辑回归以及一些拓展算法（比如神经网络）中使用的损失函数。它被定义为，对于一个给定的概率分类器，在预测概率为条件的情况下，真实概率发生的可能性的负对数。由于是损失，因此对数似然函数的取值越小，则证明概率估计越准确，模型越理想。需要注意的是，对数损失只能用于评估分类型模型。

Vicky_xiduoduo
2022-05-03 16:01:05

 3782

#机器学习 #算法 #深度学习 +2
paddlepaddle使用心得系列（二）

1.今天用AI studio的notebook来训练模型，一直提示内存溢出，改了batchsize也不行，减少数据读取，也不奏效，原来是多线程的问题，具体解答在此2.在paddlepaddle学习过程中遇到了一个小问题，关于python的，一直没学会这个，在此记录一下，是关于训练loss用plt显示的代码plot_x = np.arange(MAX_EPOCH)# 横坐标，是训练轮数plot_y

安之ccy
2020-08-29 22:46:10

 1208

#深度学习 #人工智能
北航团队实现「说句话就能飞」！UAV-FlowColosseo：语言交互无人机控制新突破，开放场景真机实测成功！

UAV-Flow基准为研究如何通过模仿学习使无人机能够解释语言指令并执行精细动态动作提供了一个新的视角。

xml.nudt
2025-05-29 18:17:52

 1162

 10

#无人机 #人工智能 #深度学习 +1
【报错解决】TypeError: __init__() got an unexpected keyword argument ‘size‘

【代码】【报错解决】TypeError: __init__() got an unexpected keyword argument ‘size‘

m0_56367027
2024-01-03 20:17:38

 1323

 13

#深度学习 #机器学习 #人工智能 +1
机器学习中的离散变量处理

背景离散型变量在某些机器学习任务中经常出现，有时离散型变量是否能够充分使用直接关系到我们训练的模型性能。虽然现在很多常用的机器学习方法都对离散型变量有了很好的支持，比如catboost、lightGBM等，但有时为了方便比较和尝试更多的模型方案，离散型变量的处理仍然是我们需要解决的问题。本文的重点在于对现有的常用离散变量处理方法进行梳理，并提供相应的方法函数供读者参考。由于能力有限其中难免有所梳理

 luoziyi927
2021-09-04 16:10:26

 1676

#机器学习 #神经网络 #深度学习 +1
3、GAN 架构

GAN

C--G
2022-07-14 10:08:39

 801

#生成对抗网络 #计算机视觉 #深度学习
python 读取点云pcd文件——open3d库安装

我在之前的pytorch环境上（python3.7）直接安装open3d。然后出错了： DLL load failed: 找不到指定的模块。二、DLL load failed: 找不到指定的模块。一、pip install open3d 老是失败。结果自己的las文件读不了。（自己比较菜，仅供自己参考）

hx461
2023-03-24 13:37:11

 596

#python #深度学习 #pytorch
python | pyvips，一个神奇的图像处理 Python 库

pyvips库是一个功能强大且易于使用的图像处理工具，能够帮助开发者在 Python 项目中高效地进行图像处理。通过支持多格式图像、多种图像处理操作、管道操作和高效的内存管理pyvips能够满足各种复杂的图像处理需求。本文详细介绍了pyvips库的安装方法、主要特性、基本和高级功能，以及实际应用场景。希望本文能帮助大家全面掌握pyvips库的使用，并在实际项目中发挥其优势。THE END!大家有推

 双木的木
2024-07-11 22:07:09

 1718

 6

#python #开发语言 #人工智能 +4
神经网络进行气温预测-学习笔记

cuda 12.3其实可以发现，预测值和真实温度之间还是具有差别，我们可以设置隐层数量和增加迭代次数来提升模型的学习能力，增加隐层是为了让模型学习到更深层的特征表示。整体流程就是这样，这是一个线性的神经网络，大家要充分理解标准化的操作和神经网络的搭建流程。本人也是在学习AI的道路上，欢迎大家提出问题和分享答案。

OliverFunction
2024-06-22 10:48:14

 796

 10

#神经网络 #学习 #深度学习
最强无监督行人重识别方法 Cluster Contrast ReID，精度超越有监督算法

©作者｜朝言单位｜阿里云人工智能实验室研究方向｜计算机视觉在行人重识别领域，如何获取海量标注数据，提高实际场景的重识别能力是工业界非常关注的一个问题。通常在学术界上公开数据集如 Maket...

PaperWeekly
2021-05-17 20:58:27

 2172

 1

#网络 #聚类 #机器学习 +2
RuntimeError: ‘lengths‘ argument should be a 1D CPU int64 tensor, but got 1D cuda:0 Long tensor

Pytorch版本1.8，运行程序使用GPU训练时出现以下错误：将lengths改为lengths.cpu()或lengths.to('cpu')即可。原因:Pytorch1.5以上版本升级了Bi-LSTM导致的。

托尼stark
2021-09-23 09:04:10

 5422

 8

#pytorch #深度学习 #神经网络
KAN网络解读

KAN只不过是样条曲线和MLP的组合，利用了各自的优点并避免了各自的缺点。样条对于低维函数来说是准确的，易于局部调整，并且能够在不同分辨率之间切换。然而，样条曲线存在严重的维数灾难(COD)问题，因为它们无法利用组合结构。另一方面，MLP受到COD的影响较小，但由于其无法优化单变量函数，因此在低维度上不如样条准确。1）作者所提出的更深层次的KAN模型，在实验上取得了一些成功，但只对其做了初步的数学

 窝窝贴贴
2024-06-23 15:31:38

 4021

 20

#人工智能 #cnn #自然语言处理 +4
综合优化的图像处理应用: 从增强到分割

1.背景介绍图像处理是计算机视觉领域的一个重要分支，它涉及到对图像进行各种处理和分析，以提取有用信息和进行决策。图像处理的应用范围广泛，包括图像增强、图像分割、目标检测、物体识别等。随着数据规模的增加，以及计算能力的提高，图像处理技术也在不断发展和进步。本文将从综合优化的角度介绍图像处理应用的核心概念、算法原理、具体操作步骤和数学模型，并通过代码实例进行详细解释。2.核心概念与联系2....

禅与计算机程序设计艺术
2024-01-08 01:26:43

 1209

 16

#图像处理 #人工智能 #计算机视觉 +2
paddlelite环境安装步骤

一、刷系统镜像1.刷ubuntu-18.04.5-preinstalled-server-arm64+raspi4.img镜像2.刷完添加SSH文件3.利用网线单独连接路由器（和电脑连同一个路由器）4.使用SSH工具，连接树莓派4B；（IP搜索使用软件：WNetWatcher.exe）5.登录后修改密码，用户名:ubuntu,密码： ubuntu二、换源sudo nano /etc/apt/sou

zlp05dx
2021-05-19 18:20:11

 2926

 2

#机器学习 #神经网络 #深度学习 +1
opencv 使用DNN模块调用Tensorflow的Mask-RCNN模型

文章目录环境准备利用opencv自带的工具生成对应的模型对应的描述文件DNN模块使用demo效果环境准备Python3OpenCV 4.5.0 （4版本以上都可以）Mask-RCNN预训练模型利用opencv自带的工具生成对应的模型对应的描述文件在opencv源码路径下opencv450/opencv-4.5.0/samples/dnn找到对应的工具利用工具生成预训练模型对应的描述文件python

凉_白开
2021-01-20 16:10:00

 1191

 4

#opencv #tensorflow #深度学习 +1
图像去雾算法--暗通道先验去雾算法

图像去雾：在雾天拍摄的图像容易受雾或霾的影响，导致图片细节模糊、对比度低以至于丢失图像重要信息，为解决此类问题图像去雾算法应运而生。图像去雾算法是以满足特定场景需求、突出图片细节并增强图片质量为目的的一种图像分析与处理方法。...

zhangmeili_9
2022-05-06 10:14:43

 1w

 9

#计算机视觉 #深度学习 #人工智能
Occupancy感知算法如何获取数据标签？如何编码？任何解码？

作者|FudanMagicLab 编辑| 自动驾驶与AI点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取点击进入→自动驾驶之心【占用网络】技术交流群后台回复【OccupanyNetwork】获取Occupany Network相关论文干货资料！PART01How to get Occupancy Label?1.1[OpenOccupancy] AAP用{3D目标检测la...

自动驾驶之心
2023-05-28 08:30:36

 2211

#深度学习 #人工智能 #计算机视觉
2022.07， Spacy==3.4.0，en_core_web_md/sm/lg/trf下载

2022.07 最新Spacy==3.4.0，en_core_web_md/sm/lg Download

believe__m
2022-07-29 11:40:43

 1929

 10

#python #pytorch #深度学习 +1
11张图全面总结 MCP、A2A、Function Calling 架构设计间关系

如果你真的想学习大模型，请不要去网上找那些零零碎碎的教程，真的很难学懂！你可以根据我这个学习路线和系统资料，制定一套学习计划，只要你肯花时间沉下心去学习，它们一定能帮到你！

AI小白熊
2025-04-15 12:03:34

 1164

 21

#算法 #深度学习 #transformer +2
Anaconda 报错Collecting package metadata (repodata.json): failed

@Anaconda 报错Collecting package metadata (repodata.json): failed关于这个问题已经有很多的回答了，一般都是源的问题，要么是把https之后的s去掉之类的，就不赘述了。我也遇到了类似的问题，但是找到的所有办法都不好使，后来是在使用wget的时候报了这个错：之后突然想起来刚刚重启了服务器，而重启之后在/etc/resolv.conf中的DNS

WayneZho
2021-03-16 10:17:04

 634

#深度学习
再战Transformer！原作者带队的Mamba 2来了，新架构训练效率大幅提升

点击蓝字关注我们关注并星标从此不迷路计算机视觉研究院公众号ID｜计算机视觉研究院学习群｜扫码在主页获取加入方式论文地址：https://arxiv.org/pdf/2405.21060GitHub 地址：https://github.com/state-spaces/mamba论文标题：Transformers are SSMs: Generalized Models and Efficient

计算机视觉研究院
2024-06-05 11:13:24

 342

#transformer #架构 #深度学习 +1
GPU分布式训练

Ring AllReduce架构中没有server，都是worker，所有worker组成一个环形，每个worker和另外两个worker相连。特点：随着worker数量增加，模型的运行效率并不是线性提升的(worker的增加导致worker与server通信时长增加)；server节点保存模型参数，如果有多个server节点会把模型参数保存多份到多个server上；worker负责使用serve

不存在的c
2022-12-08 20:02:25

 1142

#分布式 #python #深度学习
[转载]STN：Spatial Transformer Networks 空间变换网络

卷积神经网络缺乏对输入数据保持空间不变的能力，导致模型性能下降。虽然CNN中引入池化层有助于满足这一特性，但这种空间不变性仅能在池化矩阵的范围内才具有平移不变性或者在卷积的深层层次上实现。在这篇文章中，作者提出了一种新的可学习模块，STN。这个可微模块可以插入现有的卷积结构中，使神经网络能够根据特征图像本身，主动地对特征图像进行空间变换，而不需要任何额外的训练监督或优化过程。

wuling129
2024-04-02 10:58:24

 451

#transformer #网络 #深度学习
nn.AdaptiveAvgPool3d的用法

【代码】nn.AdaptiveAvgPool3d的用法。

weixin_44194001
2024-02-25 10:48:16

 654

 7

#深度学习 #人工智能
基于百度paddle的抽烟打电话识别

基于paddle的抽烟打电话检测、实现思路和取流的处理方法

 java全栈攻城狮
2022-10-06 22:44:24

 1154

 2

#paddle #计算机视觉 #深度学习
枚举类返回前端处理

后端经常使用的枚举类，在...

小李_同志
2020-12-04 18:22:00

 4912

 5

#java #python #深度学习 +1
遥感图像处理笔记之【Multi-label Land Cover Classification with Deep Learning】

遥感系列第3篇.遥感图像处理方向的学习者可以参考或者复刻

 这可就有点麻烦了
2023-12-14 20:02:34

 517

 8

#图像处理 #深度学习 #人工智能
GoogLeNet网络结构介绍

通过学习《Going deeper with convolutions》论文对GoogLeNe网络结构t进行一个介绍

 岚迷灬雪魅
2020-03-11 18:11:40

 1265

#深度学习 #神经网络
快速学会一个算法，BERT

今天给大家介绍一个强大的算法模型，BERT（Bidirectional Encoder Representations from Transformers）是一种基于 Transformer 架构的深度学习模型，主要用于处理自然语言处理（NLP）问题。BERT 由 Google AI 的研究团队在 2018 年提出，。与之前单向读取文本的模型不同，BERT 通过考虑左右上下文来理解句子中的单词。这

 AI大模型_学习君
2024-09-24 11:43:56

 1894

 12

#算法 #bert #人工智能 +1
【必看】基于LSTM网络的温度预测

随着全球气候变化的加剧，准确预测气温对于农业规划、能源管理、灾害预防等多个领域变得越来越重要。传统的气温预测方法，如统计模型和机器学习方法，虽然在某些情况下有效，但它们往往难以捕捉到时间序列数据中的复杂模式和长期依赖关系。近年来，深度学习技术，特别是长短期记忆网络（LSTM），已经在时间序列预测领域显示出其强大的能力。本文将介绍基于LSTM网络的温度预测方法，并探讨其在实际应用中的潜力和优势。

攻城狮_Dream
2024-07-22 19:08:50

 1652

 7

#lstm #人工智能 #rnn +3
详解CSPDarknet主干网络

CSPDarknet（Cross Stage Partial Darknet）是在传统Darknet架构的基础上引入Networks）理念而形成的。CSPNet的核心思想是通过将特征图分成两部分，分别进行处理，从而减少计算复杂性并提高模型性能。CSPDarknet作为YOLOv5和YOLOv11中的主干网络，通过引入CSPNet的设计理念，有效提升了目标检测任务中的性能。它在保持高准确率的同时，通

 AI生成曾小健
2024-11-29 12:18:46

 7934

 10

#深度学习 #人工智能
Pytorch库的基本架构

原文链接：Pytorch库的基本架构介绍很多同学说每次使用PyTorch时都需要导入很多模块，非常混乱，今天我就将PyTorch常用的模块做一个总结梳理。首先要说明的是PyTorch这是torch的Python版本，所以导入的是torch而不是Pytorch:import torch1 运行基础torch.tensor：基础数据结构torch.autograd：自动微分模块2 torch.util

有温度的算法
2021-12-13 14:15:58

 5610

 2

#pytorch #深度学习 #架构 +2
HSV色调图像处理

在HSV中：H是色调，取值为[0-180]。S是饱和度，取值为[0-255]。V是黑色度，取值为[0-255]。获取lena原图的HSV图的代码：import cv2img = cv2.imread(“C:\lena.jpg”,1)img_hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)cv2.imshow(“test”,img_hsv)cv2.waitKey(0

Bruce-zhang
2020-05-24 15:24:49

 5812

 8

#opencv #深度学习 #tensorflow +2
矩池云｜ GPU 分布式使用教程之 Pytorch

Pytorch 官方推荐使用 DistributedDataParallel(DDP) 模块来实现单机多卡和多机多卡分布式计算。DDP 模块涉及了一些新概念，如网络（World Size/Local Rank），代码修改（数据分配加载），多种启动方式（torchrun/launch），使用前请参考官方文档以及更多学习资料。

机器学习是魔鬼
2022-12-02 10:42:42

 2125

 1

#pytorch #分布式 #深度学习
pyinstall打包paddle程序运行出现多个.exe，更改源码的解决方案

pyinstall打包paddle程序运行出现多个.exe，更改源码的解决方案pyinstall打包paddle程序运行出现多个.exe解决方案，添加multiprocessing.freeze_support()不起作用。问题：使用pyinstall 打包paddleocr程序，运行打包后的.exe任务管理器里面出现多个.exe，导致程序卡死。分析原因：python程序打包后，运行出现多个.ex

ruixia.chen
2021-05-26 15:12:12

 1038

 3

#深度学习 #python #paddlepaddle
curl调用：你能详细说说用--form 格式，和application/json格式有什么优劣和异同吗

你能详细说说用--form 格式，和application/json格式有什么优劣和异同吗。在设计 RESTful API 时，一般优先考虑 application/json。如果是简单的键值对数据，两种都可以，但推荐 application/json。这样的格式更符合 RESTful API 的设计理念，也更容易扩展和维护。如果需要上传文件，优先选择 multipart/form-data。如果

 AI生成曾小健
2024-12-11 11:21:03

 684

 5

#人工智能 #深度学习
【读点论文】A Neural Algorithm of Artistic Style 通过分析卷积各层实现内容与风格分离，低层次响应描述图像的风格，高层次响应描述图像的内容

A Neural Algorithm of Artistic Style在美术中，尤其是绘画，人类已经掌握了通过在图像的内容和风格之间构建复杂的相互作用来创造独特视觉体验的技能。到目前为止，这个过程的算法基础还是未知的，也不存在具有类似能力的人工系统。然而，在视觉感知的其他关键领域，如物体和人脸识别，最近一类被称为深度神经网络的生物启发视觉模型展示了接近人类的表现。在这里，本文介绍一个基于深度神经

 羞儿
2022-03-21 10:04:02

 1165

 3

#深度学习 #计算机视觉
智慧餐饮系统架构的设计与实现

未来，随着技术的不断进步，智慧餐饮系统将会迎来更多的挑战和机遇，我们有信心通过不断优化和创新，打造更加优秀的智慧餐饮系统体验。合理的后端服务实现可以确保系统的稳定性和安全性，同时支持系统对大数据的高效处理和分析。在前端界面的实现中，需要考虑到不同设备和操作系统的兼容性，以及用户数据的安全传输和存储。另外，智慧餐饮系统还需要考虑到第三方服务的集成，比如支付系统、配送系统、评价系统等。在实际实现智慧餐

 007php007
2024-02-22 20:01:22

 3109

 1

#深度学习 #人工智能 #分布式 +39
Matlab图像处理-边缘提取

如果一个像素落在图像中某一个物体的边界上，那么它的邻域将成为一个灰度级变化的带。对这种变化最有用的两个特征是灰度的变化率和方向，它们分别以梯度向量的幅度和方向来表示。边缘检测算子检查每一个像素的邻域并对灰度变化率进行量化，通常也包括方向的确定。有若干种方法可以使用，其中大多数是基于方向导数掩模求卷积的方法。

qq_20660115
2023-09-11 06:45:00

 1632

 1

#matlab #图像处理 #深度学习
基于paddlespeech实现的字幕生成功能

视频字幕生成可以使用语音识别系统从特定视频生成字幕。这个 demo 是一个为视频自动生成字幕的实现，它可以通过使用的单个命令或 python 中的几行代码来实现。

abments
2025-03-07 16:11:08

 647

 5

#深度学习
遥感影像语义分割论文笔记（二）Category Boundary Detection Network

遥感影像语义分割论文笔记，针对类别边界进行的分割，CBDN

紫色蛙声ovo
2022-04-28 22:22:28

 2865

 2

#计算机视觉 #深度学习 #人工智能
特征交互的作用，好处是什么

特征交互指的是在机器学习模型中对多个特征之间进行组合，来提高模型的预测能力。其好处是能够捕捉到特征之间的非线性关系，使得模型更具鲁棒性，准确率更高。...

kdbshi
2023-01-14 10:40:14

 536

#机器学习 #人工智能 #神经网络 +2
推荐系统架构详解

之前对推荐系统进行学习的过程中，发现自己只是拘泥于其中的一小部分进行学习，没有一个全局系统的认知，经常容易陷入困惑，因此借分享会机会，将推荐系统架构梳理一遍，在梳理的过程中才对推荐系统有了更加清楚的整体认知，并知道了自己还有哪些没学到，也相当于给自己后续的学习提供了方向。

Litra LIN
2020-11-28 00:54:36

 7574

 10

#机器学习 #深度学习
en_core_web_sm

spaCy使用的语言模型是预先训练的统计模型，能够预测语言特征，对于英语，共有en_core_web_sm、en_core_web_md和en_core_web_lg三种语言模型，还有一种语言模型：en，需要以管理员权限运行以下命令来安装en模型：python -m spacy download en使用spacy.load()函数来加载语言模型spacy.load(name,disa...

想念@思恋
2022-03-27 19:30:22

 3417

 1

#深度学习 #自然语言处理
Function Calling + LangChain 拉通业务系统的技术架构

LLMs通过训练海量数据生成高级语言模型，从最初的GPT-3到如今的GPT-4，这些模型在理解和生成自然语言文本方面取得了显著进步，被广泛应用于自动化内容创作、聊天机器人、语言翻译等多个领域。Function Calling是一种使LLMs能够与外部系统、API或自定义函数进行交互的新兴技术。通过解析用户请求并自动选择和调用适当的外部功能，Function Calling实现了更复杂和动态的交互。

程序员笑武
2024-07-18 21:51:40

 1647

 15

#架构 #transformer #深度学习 +1
YOLOv5训练过程中RuntimeError: Unable to find a valid cuDNN algorithm to run convolution

YOLOv5训练过程中出现报错RuntimeError: Unable to find a valid cuDNN algorithm to run convolution解决方法：把batch size调小一点

 weixin_47060902
2022-02-24 20:20:13

 1266

 1

#深度学习 #pytorch #人工智能
十分钟读完 OpenAI提出InstructGPT模型的经典论文：Training language models to follow instructions with human feedback

大型语言模型（LMs）虽然能够执行多种自然语言处理（NLP）任务，但它们并不总是能够很好地遵循用户的意图。例如，它们可能会产生不真实、有偏见、有毒或者简单地不遵循用户指令的输出。这是因为大型LMs的训练目标——预测互联网网页上的下一个词——与“有帮助且安全地遵循用户指令”的目标不同。因此，我们说这些模型与用户的目标不一致。对于部署在数百个应用中的语言模型来说，避免这些意外行为尤为重要。1. 与GP

夕小瑶
2024-01-16 21:27:29

 1720

 18

#语言模型 #人工智能 #自然语言处理 +1
大模型AI Agents入门：带你搞懂不同智能体架构

在这篇博客中，我们探讨了智能体架构的演变历程，从传统的反应式和深思熟虑式模型，到更先进的混合式、神经符号化以及认知系统。随后，我们将这些基础概念与使用LangGraph的现代实现联系起来，展示了诸如规划、协作、反思和批判等强大的智能体设计模式。随着我们不断构建越来越智能和自主的系统，理解和应用这些架构原则将是解锁可扩展、模块化和目标驱动的人工智能解决方案的关键。人工智能的未来不在于孤立的智能，而在

 和老莫一起学AI
2025-04-28 09:15:00

 2621

 25

#人工智能 #架构 #自然语言处理 +1

加载更多

回到
顶部

提供社区服务与技术支持

提供社区服务与技术支持

©1999-2023北京创新乐知网络技术有限公司京ICP备19004658号