我們來實(shí)踐一個(gè)具體的例子:熱狗識別。將基于一個(gè)小數(shù)據(jù)集對在ImageNet數(shù)據(jù)集上訓(xùn)練好的ResNet模型進(jìn)行微調(diào)。該小數(shù)據(jù)集含有數(shù)千張熱狗或者其他事物的圖像。我們將使用微調(diào)得到的模型來識別一張圖像中是否包含熱狗。查看全文>>
兩個(gè)變量的二元分布可視化也很有用。在 Seaborn中最簡單的方法是使用 jointplot()函數(shù),該函數(shù)可以創(chuàng)建一個(gè)多面板圖形,比如散點(diǎn)圖、二維直方圖、核密度估計(jì)等,以顯示兩個(gè)變量之間的雙變量關(guān)系及每個(gè)變量在單坐標(biāo)軸上的單變量分布。查看全文>>
ChatGPT是最近網(wǎng)絡(luò)上非常火的人工智能聊天機(jī)器人,有人把ChatGPT比作是一個(gè)高級版的百科全書,你去問它問題,它會把答案直接告訴你,有點(diǎn)像百度的語音搜索功能,而且省去了搜的環(huán)節(jié)。查看全文>>
在NLP領(lǐng)域, HMM用來解決文本序列標(biāo)注問題. 如分詞, 詞性標(biāo)注, 命名實(shí)體識別都可以看作是序列標(biāo)注問題。同HMM一樣, CRF一般也以文本序列數(shù)據(jù)為輸入, 以該序列對應(yīng)的隱含序列為輸出。查看全文>>
圖像分類實(shí)質(zhì)上就是從給定的類別集合中為圖像分配對應(yīng)標(biāo)簽的任務(wù)。也就是說我們的任務(wù)是分析一個(gè)輸入圖像并返回一個(gè)該圖像類別的標(biāo)簽。假定類別集為categories = {dog, cat, panda},之后我們提供一張圖片給分類模型,如下圖所示:查看全文>>
YOLO系列算法是一類典型的one-stage目標(biāo)檢測算法,其利用anchor box將分類與目標(biāo)定位的回歸問題結(jié)合起來,從而做到了高效、靈活和泛化性能好,所以在工業(yè)界也十分受歡迎,接下來我們介紹YOLO 系列算法。查看全文>>