HelloWorld 开发者社区
科技资讯
微软 MAI Code 2 系列进入 Copilot:按工程任务选择编程模型
OpenAI 发布 GPT-6.2 Astra 与 Sol:专业交付、编程效率与团队选型
Qwen4-Max 发布:百万 Token 上下文、多模态与长任务如何落地
Jync 2.2.1 发布:完善告警通知,修复 CDC 与 ETL 可靠性问题
phimint 0.10.0 发布:终端智能体加入交互输入处理
Cursor 更新安全事件调查:扩展分发、历史凭据与团队排查
SoduWork 开源,尝试用独立审查与插件治理组织智能体交付
百度世界提出智能组织思路,关注 AI 从个人工具进入业务闭环
openKylin 全球生态推广会举行,推进本地化与社区合作
光船 1.1.0 尝鲜版二更新,探索 AI 会话与代码生成结合
开源项目
全部项目推荐好文
使用PyTorch从零开始构建Elman循环神经网络
摘要:循环神经网络是如何工作的?如何构建一个Elman循环神经网络?在这里,教你手把手创建一个Elman循环神经网络进行简单的序列预测。本文以最简单的RNNs模型为例:Elman循环神经网络,讲述循环神经网络的工作原理,即便是你没有太多循环神经网络(RNNs)的基础知识,也可以很容易的理解。为
云上MXNet实践
_摘要_:MXNet是深度学习领域的主流框架之一,本文从特点,架构及编程模式等方面展开了对MXNet的全面介绍。解答如何在阿里云上快速部署和运行MXNet,以及介绍了阿里云上的MXNet一些性能实践。演讲嘉宾简介:谢峰(撷峰),阿里云异构计算技术专家。有丰富的X86、ARM、GPU虚拟化技术
想要成为数据科学家?知道这11种机器学习算法吗?
机器学习从业者都有不同的个性,虽然其中一些人会说“我是X方面的专家,X可以训练任何类型的数据”,其中X是某种算法。但是,我们不得不承认的是在现实生活当中,不存在一个X可以训练任何类型的数据。某些算法落实到某些行业中是适合的,但到了那个行业就变得不适合了。在数据科学界存在一个共识:作为数据科学家,
利用Python实现卷积神经网络的可视化
_摘要:_本文简单说明了CNN模型可视化的重要性,以及介绍了一些可视化CNN网络模型的方法,希望对读者有所帮助,使其能够在后续深度学习应用中构建更好的模型。对于深度学习这种端到端模型来说,如何说明和理解其中的训练过程是大多数研究者关注热点之一,这个问题对于那种高风险行业显得尤为重视,比如医疗、
为你的回归问题选择最佳的机器学习算法
摘要:机器学习领域算法那么多?到底如何用?本文作者通过比较不同机器学习算法性能的优劣来为回归问题寻找最佳的算法选择。!clipboard.png(/img/bV6PPo?w800&h730)当遇到不同类型的机器学习(ML)问题时,有许多不同的算法可供选择。在机器学习中,有一
带你走进神经网络的“前世今生”
摘要:提起神经网络,你会想到什么?关于深度学习,你又是否思考过其中的原理呢?从上个世纪四十年代神经网络诞生开始,到今天已经历经70多年的发展,这中间它又经历了什么?本文将带领大家走进神经网络的“前世今生”一探究竟。本次直播视频精彩回顾,戳这里!演讲嘉宾简介:孙飞(花名:丹丰),阿
迁移学习与多任务学习简析
_摘要_:本文简要介绍迁移学习与多任务学习的思想,给出了两种方法的模型示例图,适合对此感兴趣的初学者。对于深度学习而言,训练网络这一过程是相当乏味的,需要不断根据实验结果调整网络结构和模型。相对于随机初始化后调参而言,有没有更加高效的方式呢?答案是肯定的。一些科研人员发现,将其它训练好的模型重
深度学习的关键术语
_摘要_:本文着重介绍了深度学习的一些关键术语,其中包括生物神经元,多层感知器(MLP),前馈神经网络和递归神经网络。对于初学者来说,掌握它们可以防止在学习请教时的尴尬~深度学习已经成为编程界的一股潮流,因为其在许多领域取得了令人难以置信的成功,使其在研究和工业领域广受欢迎。那么到底什么是深度
神经进化是深度学习的未来
摘要:本文主要讲了神经进化是深度学习的未来,以及如何用进化计算方法(EC)优化深度学习(DL)。过去几年时间里,我们有一个完整的团队致力于人工智能研究和实验。该团队专注于开发新的进化计算方法(EC),包括设计人工神经网络架构、构建商业应用程序,以及使用由自然进化激发的方法来解决具有挑战性的计算
鹅厂优文 | 决策树及ID3算法学习
欢迎大家前往腾讯云(https://link.segmentfault.com/?encF9OhagPKR41OkqfV9fOo2Q%3D%3D.%2FhtFCRTnbw9Kh9CsQsk7C5mFyPRsRDyWPIXwWSzCmME0FTf58km9FPwpqCb3HXle)社区(h
正在加载更多文章…
加载更多已加载文章中没有匹配内容,可继续加载更多。


