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

【小Mi的MindSpore学习之旅】python在手,excel不愁

办公中我们经常会处理很多复杂的excel、word、pdf等文件,大家有没有设想过用一个平台就可以同时处理这些东西呢?没错,小Mi又给大家挖掘了新的神技能,今天就显摆下如何用python处理excel表格(嘴硬党是不是可以承认python是最好的语言了吧,哈哈)!安装库首先,准备工作自然是需

【MindSpore:跟着小Mi一起机器学习吧!】逻辑回归(一)

小Mi学习,向上积极!在前面几周的学习中,小Mi终于带着大家完完整整学完了线性回归,同时小Mi也收到了大家的很多反馈,在后续的学习中,小Mi会一一改进的!今天我们就开启新的章节学习—logistic回归(LogisticRegression)算法吧(冲鸭)!1分类问题在logistic回归

【MindSpore:跟着小Mi机器学习】机器学习系统的设计

今天小Mi带大家学习如何设计一个机器学习系统,也会带大家了解设计复杂的机器学习系统时可能会遇到的一些问题。当然啦,除此之外,小Mi还会提供一些关于巧妙构建复杂机器学习系统的小tips。哦,对了,偷偷告诉你们,可能会帮助大家在构建大型的机器学习系统时,节省大量的时间哦~1初始步骤废话不多说,上例

提高图片ocr识别正确率

这个问题其实是上一篇文章的遗留问题。解决这个问题的办法主要有两个:1.提高图片的清晰度;2.降低识别的错误率。1.提高图片的清晰度上一篇文章中用到的方法是从pdf中读取二进制之后,直接生成image,中间调整图片分辨率的参数。这里采用另外一种方法,可以提高图片的清晰度。上代码:

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

MindSpore网络实战系列:使用LeNet实现图像分类任务

摘要本篇的主要内容是解析一下使用MindSpore深度学习框架训练LeNet网络对Mnist数据集进行分类。首先我给大家展示出本篇内容的一个示意图,帮助大家更直观的看到训练过程的一个重要步骤,如图所示,其中1、2、3…表示训练过程中的次序,下面我们也将从这些次序进行解析。训练导图数据集(

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。