HelloWorld 开发者社区
科技资讯
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
Argus 0.5.0 发布:新增进程控制,完善原生 Windows 任务管理
MetaForge 2026.0.0 发布,整合数据库工作台与可视化分析
开源项目
全部项目推荐好文
【FATE联邦学习】FATE 自定义Trainer
背景自己定义了模型后,需要自行定义训练方式。这里文档给了方法,但是大部分还是需要自己看源码摸索。https://fate.readthedocs.io/en/latest/tutorial/pipeline/nn_tutorial/HomoNNCustomizeTr
深度学习应用篇-计算机视觉-目标检测[4]:边界框、锚框(交并比、非极大值抑制NMS、SoftNMS
深度学习应用篇计算机视觉目标检测4:综述、边界框boundingbox、锚框(Anchorbox)、交并比、非极大值抑制NMS、SoftNMS1.目标检测综述对计算机而言,能够“看到”的是图像被编码之后的数字,它很难理解高层语义概念,比如图像或者视频帧中出现的目
深度学习应用篇-计算机视觉图像分类[3]:ResNeXt、Res2Net、Vision Transformer等模型结构
深度学习应用篇计算机视觉图像分类3:ResNeXt、Res2Net、SwinTransformer、VisionTransformer等模型结构、实现、模型特点详细介绍1.ResNet相较于VGG的19层和GoogLeNet的22层,ResNet可以提供18、3
CAM, Grad-CAM, Grad-CAM++可视化CNN方式的代码实现和对比
当使用神经网络时,我们可以通过它的准确性来评估模型的性能,但是当涉及到计算机视觉问题时,不仅要有最好的准确性,还要有可解释性和对哪些特征/数据点有助于做出决策的理解。模型专注于正确的特征比模型的准确性更重要。理解CNN的方法主要有类激活图(ClassActivationMaps,CAM)、
深度学习应用篇-计算机视觉-图像分类[2]:LeNet、AlexNet、VGG模型结构、实现、模型特点详细介绍
深度学习应用篇计算机视觉图像分类2:LeNet、AlexNet、VGG、GoogleNet、DarkNet模型结构、实现、模型特点详细介绍1.LeNet(1998)LeNet是最早的卷积神经网络之一<sup1</sup,其被提出用于识别手写数字和机器印刷字符
人工智能创新挑战赛助力精准气象和海洋预测Baseline[3]:TCNN+RNN模型、SA-ConvLSTM模型
“AIEarth”人工智能创新挑战赛:助力精准气象和海洋预测Baseline3:TCNNRNN模型、SAConvLSTM模型1.气象海洋预测模型建立之TCNNRNN本次任务我们将学习来自TOP选手“swglhl”的冠军建模方案,该方案中采用的模型是TCNN
人工智能创新挑战赛:助力精准气象和海洋预测Baseline[2]:数据探索性分析(温度风场可视化)、CNN+LSTM模型建模
“AIEarth”人工智能创新挑战赛:助力精准气象和海洋预测Baseline2:数据探索性分析(温度风场可视化)、CNNLSTM模型建模1.气象海洋预测数据分析数据分析是解决一个数据挖掘任务的重要一环,通过数据分析,我们可以了解标签的分布、数据中存在的缺失值和异常
人工智能创新挑战赛:助力精准气象和海洋预测Baseline[1]、NetCDF4使用教学、Xarray 使用教学
1.“AIEarth”人工智能创新挑战赛:助力精准气象和海洋预测Baseline1、NetCDF4使用教学、Xarray使用教学,针对气象领域.nc文件读取处理比赛官网:https://tianchi.aliyun.com/specials/promotion/aiearth2
使用Optuna进行PyTorch模型的超参数调优
Optuna是一个开源的超参数优化框架,Optuna与框架无关,可以在任何机器学习或深度学习框架中使用它。本文将以表格数据为例,使用Optuna对PyTorch模型进行超参数调优。Optuna可以使用pythonpip安装,如pipinstallOptuna。也可以使用condainst
设置和使用DragGAN:搭建非官方的演示版
DragGAN的官方版还没有发布,但是已经有非官方版的实现了,我们看看如何使用。DragGAN不仅让GAN重新回到竞争轨道上,而且为GAN图像处理开辟了新的可能性。正式版本将于本月发布。但是现在已经可以在一个非官方的演示中试用这个新工具了!(https://imghelloworld.o
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。