HelloWorld 开发者社区
科技资讯
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
qData 1.6.7 发布:修复增量读取与 ETL 字段传递问题
Apple HomeView 在部分地区开售,整合家庭控制与视频通话
Cloudflare 推出 Spend Management Beta,为 Workers 增加支出限制
Cloudflare 开源 Kitesurf:面向 AI 智能体的轻量浏览器引擎
JeecgBoot 与敲敲云介绍分层方案,连接低代码开发与业务搭建
开源项目
全部项目推荐好文
tensorflow 之 卷积神经网络
应用场景1.图像识别与检索2.人脸识别3.性别/年龄/情绪识别4.物体检测5.视频处理6.语音分析概述一般一个卷积神经网络由多个卷积层构成,在卷基层内部通常会有如下几个操作:1.图像通过多个卷积核滤波,添加偏置,提取局部特征每个卷积核会映射出一个新的2D图像。2.卷积核的滤波结果输出
Tengine获统信软件兼容认证,携手统信完善我国基础软件生态
作为国内最早和OpenCV建立合作的公司,OPENAILAB配合本次OpenCVV4.5.0的迭代,将集成到OpenCV的Tengine也同步进行了升级,做出了深度的优化,极大的提升了稳定性与效率。作为OpenCV项目的负责人,OPENAILAB的高级软件工程师——李琦老师为大家详细的分享一下为什么OpenCV选择将Tengine作为DNNAR
TASK 5 AlexNet与VGG
1\.AlexNet1.1卷积层尺寸计算全0填充时!(https://uploadimages.jianshu.io/upload_images/7547741ff4b9b5c0c9ad0c8.png?imageMogr2/autoorient/strip|imageView2/2
Python3+TensorFlow 打造人脸识别智能小程序
第1章课程导学本章节主要介绍课程的主要内容、核心知识点、课程涉及到的应用案例、深度学习算法设计通用流程、适应人群、学习本门课程的前置条件、学习后达到的效果等,帮助大家从整体上了解本门课程的整体脉络。第2章深度学习基础串讲(必备理论知识)主要介绍深度学习的基础知识,具体包括了深度学习的发展历程、基本概念(前向运算、反向传播、参数优化)、深度
PCANet
前言论文网站:http://arxiv.org/abs/1404.3606(https://www.oschina.net/action/GoToLink?urlhttp%3A%2F%2Farxiv.org%2Fabs%2F1404.3606)论文下载地址:PCANet:ASimpleDeepLearningBaseline
OpenCV 之 空间滤波
1 空间滤波 1.1 基本概念空间域,在图像处理中,指的是像平面本身;空间滤波,则是在像平面内,对像素值所进行的滤波处理。!(https://oscimg.oschina.net/oscnet/0daafa04976ff550daa79ae366f301bdfac.png)如上图所示,假
MindSpore手写数字识别初体验,深度学习也没那么神秘嘛
摘要:想了解深度学习却又无从下手,不如从手写数字识别模型训练开始吧!深度学习作为机器学习分支之一,应用日益广泛。语音识别、自动机器翻译、即时视觉翻译、刷脸支付、人脸考勤……不知不觉,深度学习已经渗入到我们生活中的每个角落,给生活带来极大便利。即便如此,依然有很多人觉得深度学习高深莫测、遥不可及,的确,它有深奥之处,非专业人士难以企及,但也有亲
Keras实践笔记5——卷积深度神经网络
fromkeras.datasetsimportmnistfromkeras.layersimportDense,Flatten,Conv2D,MaxPooling2D,Dropoutfromkeras.modelsimportSequentialfromkeras.optimizersim
ImageNet Classification with Deep Convolutional Neural Networks
摘要我们训练了一个大型的深度卷积神经网络,将ImageNetlsvprc2010竞赛中的120万幅高分辨率图像分成1000个不同的类。在测试数据上,我们实现了top1名的错误率为37.5%,top5名的错误率为17.0%,大大优于之前的水平。该神经网络有6000万个参数和65万个神经元,由5个卷积层和3个完全连接的层组成,其中一些卷积层之
Generative Adversarial Nets[Vanilla]
引言(https://www.oschina.net/action/GoToLink?urlhttp%3A%2F%2Fwww.cnblogs.com%2Fshouhuxianjian%2Fp%2F8119904.html)中已经较为详细的介绍了GAN的理论基础和模型本身的原理。这里主要是研读Goodfellow的第一篇GAN论文。
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。