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
Attention图像上应用个人理解
注意力机制最好不要直接在原有的主干网络(backbone)中添加,以免破坏原有的预训练参数,最好是backbone之后添加。添加时,注意注意输入的channels的数量。
如何确定多少个簇?聚类算法中选择正确簇数量的三种方法
聚类是一种无监督机器学习方法,可以从数据本身中识别出相似的数据点。对于一些聚类算法,例如Kmeans,需要事先知道有多少个聚类。如果错误地指定了簇的数量,则结果的效果就会变得很差(参见图1)。!(https://imghelloworld.osscnbeijing.aliyun
1D卷积详解
1D卷积类的调用参数解释<blockquoteclasstorch.nn.Conv1d(in_channels,out_channels,kernel_size,stride1,padding0,dilation1,groups1,biasTrue)<
Attention机制用于图像
Attention一、在图像处理中,注意力机制分为空间、通道注意力。空间注意力机制:相对于一个层\(HW\)而言,关注其中重要(权重高)的特征点通道注意力机制:可以将\(CHW\)通过平均池化将\(HW\)浓缩为11,最终形成\(11C\)线性
使用特征传播重构缺失数据进行图机器学习
大多数图神经网络通常在所有节点都可用的特征假设下运行。但是在现实世界的中,特征通常只有部分可用(例如,在社交网络中,只有一小部分用户可以知道年龄和性别)。本文种展示的特征传播是一种用于处理图机器学习应用程序中缺失的特征的有效且可扩展的方法。它很简单,但效果出奇地好。!(https://img
python深度学习实现自编码器Autoencoder神经网络异常检测心电图ECG时间序列
原文链接:http://tecdat.cn/?p25410(https://link.segmentfault.com/?enchZ2XgER8TFnvZCiy5bhAkg%3D%3D.OG%2FLQZ4KibxvUlM1fzWd2%2Bxek2orOh%2BAXfqxa%2BYy86
时间序列数据的预处理
时间序列数据随处可见,要进行时间序列分析,我们必须先对数据进行预处理。时间序列预处理技术对数据建模的准确性有重大影响。在本文中,我们将主要讨论以下几点:时间序列数据的定义及其重要性。时间序列数据的预处理步骤。构建时间序列数据,查找缺失值,对特征进行去噪,并查找数据集中存在的
当翻译竟然变成了文本编辑
<blockquote原文:<ahref"https://link.segmentfault.com/?encyVrfCRUs7oCNboJ09y9%2BSw%3D%3D.6YGY9uBDWhbCqR7CpWZVQ62cbqE3QQchgPp0FSl3HN4EAplaUmrTvITbgaaw
ML Mastery 博客文章翻译(二)20220116 更新
MachineLearningMastery计算机视觉教程(https://link.segmentfault.com/?encTRXEuKfr9AIOvH6Zc%2BfhsA%3D%3D.mc%2FJgWUWaNhnpifin4gsogHZHLdD0UjeUux0XxmQd1D%
ML Mastery 博客文章翻译 20220116 更新
MachineLearningMastery机器学习算法教程(https://link.segmentfault.com/?encPAvheDCPf%2FbkV77A0F6f%2FA%3D%3D.6EYx5NoE4XOtYD2yLV3Lw7HDWw%2BYHpoVGnCUE%2Fs
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。


