首頁最新資訊

全部 人工智能學(xué)科動(dòng)態(tài) 人工智能技術(shù)資訊 人工智能常見問題 技術(shù)問答

    • 深度學(xué)習(xí)：tf.keras實(shí)現(xiàn)模型搭建、模型訓(xùn)練和預(yù)測(cè)

      在sklearn中，模型都是現(xiàn)成的。tf.Keras是一個(gè)神經(jīng)網(wǎng)絡(luò)庫,我們需要根據(jù)數(shù)據(jù)和標(biāo)簽值構(gòu)建神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)可以發(fā)現(xiàn)特征與標(biāo)簽之間的復(fù)雜關(guān)系。神經(jīng)網(wǎng)絡(luò)是一個(gè)高度結(jié)構(gòu)化的圖，其中包含一個(gè)或多個(gè)隱藏層。每個(gè)隱藏層都包含一個(gè)或多個(gè)神經(jīng)元。神經(jīng)網(wǎng)絡(luò)有多種類別，該程序使用的是密集型神經(jīng)網(wǎng)絡(luò)，也稱為全連接神經(jīng)網(wǎng)絡(luò)：一個(gè)層中的神經(jīng)元將從上一層中的每個(gè)神經(jīng)元獲取輸入連接。查看全文>>

      人工智能技術(shù)資訊2023-03-07 |黑馬程序員 |模型訓(xùn)練,深度學(xué)習(xí)

    • 微調(diào)模型來完成熱狗識(shí)別的圖像分類任務(wù)

      我們來實(shí)踐一個(gè)具體的例子：熱狗識(shí)別。將基于一個(gè)小數(shù)據(jù)集對(duì)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(shí)別一張圖像中是否包含熱狗。查看全文>>

      人工智能技術(shù)資訊2023-03-06 |黑馬程序員 |圖像分類任務(wù)案例

    • Seaborn中怎樣繪制雙變量分布圖？

      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>>

      人工智能技術(shù)資訊2023-03-06 |黑馬程序員 |Seaborn繪制雙變量分布圖

    • HMM與CRF模型的使用過程有哪些差異？

      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(shí)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(duì)應(yīng)的隱含序列為輸出。查看全文>>

      人工智能技術(shù)資訊2023-02-03 |黑馬程序員 |HMM與CRF模型的差異

    • AI人工智能培訓(xùn)：AlexNet手寫數(shù)字圖像識(shí)別

      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(duì)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>>

      人工智能技術(shù)資訊2022-12-07 |傳智教育 |圖像分類,AlexNet對(duì)手寫數(shù)字圖像的識(shí)別

    • 什么是yolo?Yolo算法的網(wǎng)絡(luò)結(jié)構(gòu)

      YOLO系列算法是一類典型的one-stage目標(biāo)檢測(cè)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>>

      人工智能技術(shù)資訊2022-12-07 |黑馬程序員 |什么是yolo算法,Yolo算法網(wǎng)絡(luò)結(jié)構(gòu)
和我們?cè)诰€交談！