HelloWorld 开发者社区

科技资讯

全部资讯

开源项目

全部项目

推荐好文

力扣刷题笔记

LeetCode自用笔记数组27.移除元素给你一个数组nums和一个值val,你需要原地移除所有数值等于val的元素,并返回移除后数组的新长度。不要使用额外的数组空间,你必须仅使用O(1)额外空间并

MindSpore分类指标总结(三)

一、摘要通过之前两篇分类评价指标的分享,我们已经基本了解到每个评价指标表达式的意义,那么本次分享我们将通过列举现实中的例子,结合不同的场景,体验不同指标的意义。MindSpore分类指标之准确率、AUC/ROC详解(一)MindSpore分类指标之精准率、召回率和F值详解(二)二、

MindSpore分类指标之精准率、召回率和F值详解(二)

一、精准率和召回率在上次的分享中,我们提到了评测分类模型的意义和准确率、AUC/ROC两种评测方法。朋友们可能就会思考分类的任务多种多样,评测模型的性能只有这两种方法吗?当然还有。这次我们就一起来认识一下精准率(Precision)、召回率(Recall),以及这两个结合组成的F值。我们还是

自然语言处理之——词性标注和命名实体识别

摘要基于上次分享的分词技术介绍,本次继续分享在分词后与词相关联的两个技术:词性标注和命名实体识别。词性是词汇基本的语法属性,也可以称为词类。词性标注的行为就是在给定的中文句子中判定每个词的语法作用,确定每个词的词性并加以标注。命名实体识别在信息检索方面有着很重要作用,检测出代表性的名称,下面我

自然语言处理之——关键词提取(一)

一.摘要本次的分享中,我们将了解目前较常用的关键词提取技术。关键词是代表文章重要内容的一组词。在文本的分类聚类、自动摘要等方面有着重要的作用。还可以让人们更直观便捷的浏览文本信息。在现实的常用文本中是不包含关键词的,所以自动提取关键词技术有着很重要的意义。二.关键字提取技术概述在巨量

【跟着小Mi一起网络实战吧!】使用MobileNetv2实现图像分类

简介目前的神经网络模型层出不穷,其中在图像识别的领域不仅非常高效快速,而且准确率也非常高。但我们在提高准确率的道路上是永不止步的,比较矛盾的是在提高精确率的同时也会带来消耗,需要更高的计算资源,这对模型的应用是很大的门槛。本次分享小Mi给大家介绍一个神经网络模型Mobilenet_V2。该模型骨

MindSpore网络实战系列:使用ResNet-50实现图像分类任务

​摘要:承接上一篇LeNet网络模型的图像分类实践,本次我们再来认识一个新的网络模型:ResNet50。不同网络模型之间的主要区别是神经网络层的深度和层与层之间的连接方式,正文内容我们就分析下使用ResNet50进行图像分类有什么神奇之处,以下操作使用MindSpore框架实现。1.网络

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。