成人免费xxxxx在线视频软件_久久精品久久久_亚洲国产精品久久久_天天色天天色_亚洲人成一区_欧美一级欧美三级在线观看

<output id="bfwwe"><option id="bfwwe"></option></output>

<mark id="bfwwe"></mark>

AI.x社區(qū)

軟考社區(qū)

企業(yè)培訓

鴻蒙開發(fā)者社區(qū)

信創(chuàng)認證

公眾號矩陣

移動端

視頻課免費課排行榜短視頻直播課軟考學堂

全部課程軟考信創(chuàng)認證華為認證廠商認證 IT技術 PMP項目管理免費題庫

文章資源問答課堂專欄直播

51CTO

鴻蒙開發(fā)者社區(qū)

51CTO技術棧

51CTO官微

51CTO學堂

51CTO博客

CTO訓練營

鴻蒙開發(fā)者社區(qū)訂閱號

51CTO軟考

51CTO學堂APP

51CTO學堂企業(yè)版APP

鴻蒙開發(fā)者社區(qū)視頻號

51CTO軟考題庫

賬號設置退出

人工智能

3.2w內(nèi)容??

關注

聚合人工智能話題下，包括機器學習、深度學習、計算機視覺、自然語言處理等領域的新聞資訊、前沿理論、技術知識、應用案例。

文章博文帖子課程

共 163 條

【人工智能】機器學習之使用Python生成ID3決策樹

???ID3算法??決策樹的思想：給定一個集合，其中的每個樣本由若干屬性表示，決策樹通過貪心的策略不斷挑選最優(yōu)的屬性。常見的決策樹算法有ID3,C4.5,CART算法等。???ID3算法： baseEntropy = self.calcShannonEnt(dataset) # 基礎熵 num = len(dataset) # 樣本總數(shù)

2022-07-18 08:25:46

d3 數(shù)據(jù)集決策樹

使用計算機視覺深入學習和創(chuàng)建現(xiàn)代OCR管道

@toc在這篇文章中，我們將帶您了解我們?nèi)绾螢椤疽苿游臋n掃描儀】構建最先進的光學字符識別（OCR）管道的幕后故事。我們使用了計算機視覺和深度學習的進步，如雙向長短期記憶（LSTM），連接主義時間分類（CTC），卷積神經(jīng)網(wǎng)絡（CNN）等。此外，我們還將深入研究如何實際使我們的OCR管道在Dropbox規(guī)模上做好生產(chǎn)準備。文檔掃描儀可以使用手機拍照并“掃描”收據(jù)和發(fā)票等項目。我們的移動文檔掃描儀僅輸出

2022-06-24 08:50:43

數(shù)據(jù)深度網(wǎng)絡計算機視覺

hands-on-data-analysis 第三單元模型搭建和評估

handsondataanalysis第三單元模型搭建和評估1.模型搭建1.1.導入相關庫pythonimportpandasaspdimportnumpyasnpmatplotlib.pyplot和seaborn是繪圖庫importmatplotlib.pyplotaspltimportseabornassnsfromIPython.displayimportImagepython內(nèi)嵌顯示圖片%

2022-06-24 08:48:39

python 數(shù)據(jù)集交叉驗證

【物體檢測快速入門系列 | 01】-基于Tensorflow2.x Object Detection API構建自定義物體檢測器

本文描述了基于Tensorflow2.x Object Detection API構建自定義物體檢測器的保姆級教程，詳細地描述了代碼框架結構、數(shù)據(jù)集的標準方法，標注文件的數(shù)據(jù)處理、模型流水線的配置、模型的訓練、評估、推理全流程。

2022-06-19 22:14:54

tensorflow python 物體檢測

別出心裁！不用負樣本的對比學習

對比學習系列1.諸神黃昏時代的對比學習(https://blog.51cto.com/Lolitann/5343215)2.“軍備競賽”時期的對比學習好。(https://blog.51cto.com/Lolitann/5346548)3.對比學習之UnsupervisedLearningofVisualFeaturesbyContrastingClusterAssignments(https:/

2022-06-04 19:04:23

聚類對比學習 CV

“軍備競賽”時期的對比學習

這篇文章是接著上一篇講的：諸神黃昏時代的對比學習_LolitaAnn的技術博客_51CTO博客(https://blog.51cto.com/Lolitann/5343215)如果有什么漏誤，請大家批評指正。看這一塊的時候讓我回想起了GPT和BERT。那個時候GPT剛出來，驚為天人，雖然用無標簽數(shù)據(jù)做出來了預訓練模型加微調(diào)的事情。然后呢BERT就出來了，用更大的數(shù)據(jù)集更大的模型訓練了語言模型。并且

2022-05-31 09:29:56

諸神黃昏時代的對比學習

!image.png(https://s2.51cto.com/images/20220530/1653874536863134.png?xossprocess=image/watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=)其實事

2022-05-30 11:14:17

對比學習 CV

代碼實現(xiàn)MNLM | word embedding開山之作

這篇文章呢在自然語言處理領域有里程碑意義，是wordembedding的開山之作。今天我們就來復現(xiàn)一下這篇文章的代碼。先回顧一下子模型結構論文筆記看：MNLM：WordEmbedding開山之作ANeuralProbabilisticLanguageModel_LolitaAnn的技術博客_51CTO博客(https://blog.51cto.com/Lolitann/5298734)論文原文看：

2022-05-26 13:12:38

自然語言處理 NLP 詞嵌入

模型泛化 | 正則化 | 權重衰退 | dropout

模型的泛化能力機器學習的目標是發(fā)現(xiàn)模式(pattern)。所以這需要確定模型是真正發(fā)現(xiàn)了泛化的模式還是簡單的記住了數(shù)據(jù)。先講個小故事，我們大三那年參加比賽，用機器學習寫了個語言識別，雖然準確率很低，只有50%。當時比賽一個評委不信那是機器學習寫的，一口咬定我們是寫的數(shù)據(jù)庫比對……泛化和記住數(shù)據(jù)有什么區(qū)別呢？就好像給AB兩個學生一堆數(shù)學資料讓他學習。期末考試的時候，如果出原題，兩個人都能答100分，

2022-05-25 23:03:58

泛化過擬合數(shù)據(jù)

分類評價指標 F值詳解 | Micro F1 & Macro F1 & Weight F1

!F1micro與F1macro(https://s4.51cto.com/images/blog/202205/24234344_628cfd30f220360439.png?xossprocess=image/watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFu

2022-05-24 23:44:01

如何利用Keras 深度學習庫的進行回歸

所謂回歸就是預測未來，lottery預測是回歸問題嗎？我希望它是！問我中了多少？俗！回報社會才是福利彩票的核心！

2022-05-16 10:36:36

神經(jīng)網(wǎng)絡模型數(shù)據(jù)集網(wǎng)絡拓撲

ACL2022挖寶 CMR

**CMR 方法旨在通過在不發(fā)生災難性遺忘的情況下改進 $f_t$ 來修復錯誤情況。**

2022-05-14 08:01:41

微調(diào)災難性遺忘

Approximate Graph Propagation

!圖片1.png(https://s2.51cto.com/images/20220501/1651408221540401.png?xossprocess=image/watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=)這篇文章是

2022-05-13 12:20:39

數(shù)據(jù)挖掘人工智能圖神經(jīng)網(wǎng)絡

深度學習實戰(zhàn)之手寫簽名識別（100%準確率、語音播報）

手寫簽名在日常生活中隨處可見，簡單來說就是親筆書寫自己的名字，在紙質(zhì)文檔上使用手寫簽名主要用以確定簽字者的身份，并表示簽字者同意所簽署文檔中規(guī)定的內(nèi)容，對文檔的真實性負責，且具有法律效力。由此看見手寫簽名的重要性。在現(xiàn)實的生活中不乏有不法分子模仿其他人的字體，進而模仿他人的簽名獲得不發(fā)的利益。盡管會有鑒別字體的工作，但在鑒別時不僅不準確，而且還十分的消耗人力以及財力。為了解決這一客觀顯示存在的問

2022-05-11 11:44:16

數(shù)據(jù)ide 數(shù)據(jù)集

全連接網(wǎng)絡基礎1——MNIST數(shù)據(jù)集

√mnist數(shù)據(jù)集：包含77萬張黑底白字手寫數(shù)字圖片，其中055000張為訓練集，5000張為驗證集，100000張為測試集。每張圖片大小為2828像素，圖片中純黑色像素值為0，純白色像素值為1。數(shù)據(jù)集的標簽是長度為10的一維數(shù)組，數(shù)組中每個元素索引號表示對應數(shù)字出現(xiàn)的概率。在將mnist數(shù)據(jù)集作為輸入喂入神經(jīng)網(wǎng)絡時，需先將數(shù)據(jù)集中每張圖片變?yōu)殚L度784一維數(shù)組，將該數(shù)組作為神經(jīng)網(wǎng)絡輸入特征喂入神

2022-05-10 12:25:09

數(shù)據(jù)集神經(jīng)網(wǎng)絡模型神經(jīng)網(wǎng)絡

[OpenCV實戰(zhàn)]34 使用OpenCV進行圖像修復

本文將描述一類稱為圖像修復的區(qū)域填充算法。想象一下找一張舊的家庭照片。你掃描它，它看起來很棒，除了一些劃痕。當然，你可以在photoshop中加載照片并修復劃痕。除此之外可以編寫10行代碼以使用OpenCV中的修復算法來解決問題。1什么是圖像修復圖像修復是計算機視覺中的一類算法，其目標是填充圖像或視頻內(nèi)的區(qū)域。該區(qū)域使用二進制掩模進行標識，填充通常根據(jù)需要填充的區(qū)域邊界信息來完成。圖像修復的最常見

2022-05-08 20:38:22

sed 計算機視覺 #include

[OpenCV實戰(zhàn)]28 基于OpenCV的GUI庫cvui

有很多很棒的GUI庫，例如Qt和imgui，可以與OpenCV一起使用，允許您在運行時調(diào)整參數(shù)。但是，在某些情況下，您可能沒有（或不希望）此類庫的依賴關系，例如，您沒有使用Qt支持編譯OpenCV，或者您無法使用OpenGL。在這種情況下，您只需要一種快速，輕松的方式來創(chuàng)建GUI來調(diào)整算法。這就是cvui的目的。它是一個基于OpenCV繪圖基元構建的跨平臺GUI庫，僅需使用頭文件就可以搭建。除了O

2022-05-02 21:45:37

#include #define 應用程序

[OpenCV實戰(zhàn)]23 使用OpenCV獲取高動態(tài)范圍成像HDR

在本教程中，我們將學習如何使用不同曝光設置拍攝的多張圖像創(chuàng)建高動態(tài)范圍圖像（HDR）。1背景1.1什么是高動態(tài)范圍（HDR）成像？大多數(shù)數(shù)碼相機和顯示器將彩色圖像捕獲或顯示為24位矩陣。每個顏色通道有8位，一共三個通道，因此每個通道的像素值在0到255之間。換句話說，普通相機或顯示器具有有限的動態(tài)范圍。然而，我們周圍的世界顏色有一個非常大的變化范圍。當燈關閉時，車庫會變黑；太陽照射下，車庫看起來變

2022-04-26 23:15:40

sed python #include

圖解transformer

@toc寫在最前邊翻譯講究：信、達、雅。要在保障意思準確的情況下傳遞作者的意圖，并且盡量讓文本優(yōu)美。但是大家對我一個理工科少女的語言要求不要太高，本文只能保證在盡量通順的情況下還原原文。注意本文的組成部分：翻譯+我的注釋。添加注釋是因為在閱讀的過程中，我感覺有的地方可能表述的并不是特別詳細。對于一些真正的小白，像我一樣傻的來說，可能不太好理解。正文在之前的文章中，我們講了現(xiàn)代神經(jīng)網(wǎng)絡常用的一種方法

2022-04-24 10:04:08

編碼器神經(jīng)網(wǎng)絡 Transformer

[OpenCV實戰(zhàn)]20 使用OpenCV實現(xiàn)基于增強相關系數(shù)最大化的圖像對齊

!https://s4.51cto.com/images/blog/202204/23235122_6264207a24c7472649.jpg?xossprocess=image/watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=

2022-04-23 23:51:34

ide 迭代仿射變換

你真的會用K折交叉嗎？對于K折交叉的思考| 防止K折交叉踩坑

作者碎碎念本文目的：對于K折交叉，想必大家都知道是什么原理。但是在具體實踐中讓你寫的時候，你可能就會突然疑惑：“咦？道理我都懂，可是這個玩意兒到底怎么用。”本文就是為了探討一下什么時候怎么用 K折交叉驗證。K折交叉(k-fold cross validation)提到K折交叉，我想大部分人都了解其原理了。但是在這里還是先講一下什么是K折交叉，防止有初學者是進來看什么是K折交叉的。簡言之，就是將數(shù)

2022-04-23 00:27:56

交叉驗證 AI 算法

[OpenCV實戰(zhàn)]19 使用OpenCV實現(xiàn)基于特征的圖像對齊

在這篇文章中，我們將學習如何使用OpenCV執(zhí)行基于特征的圖像對齊。我們將使用移動電話拍攝的表格的照片與表格的模板對齊。我們將使用的技術通常被稱為“基于特征圖像對齊”，因為在該技術中，在一個圖像中檢測稀疏的特征集并且在另一圖像中進行特征匹配。然后基于這些匹配特征將原圖像映射到另一個圖像，實現(xiàn)圖像對齊。如下圖所示：!https://s4.51cto.com/images/blog/202204/22

2022-04-22 21:40:37

特征點 #include python

Transformer 結構：位置編碼 | Transformer Architecture: The Positional Encoding

注意：本文大多采用義譯，確保原文意思不變，但不保證用詞和原作完全一致。:sunglasses:@toc使用正弦函數(shù)為模型添加位置信息Transformer是只基于自注意力機制的序列到序列架構。因為并行計算能力以及高性能。使得它在NLP領域中大受歡迎。現(xiàn)在常見的幾個深度學習框架都實現(xiàn)了transformer，這讓很多學生都能夠方便使用到transformer。但是這也存在一個弊端，他會讓我們忽略模型

2022-04-22 13:49:30

[OpenCV實戰(zhàn)]16 使用OpenCV實現(xiàn)多目標跟蹤

在這篇文章中，我們將介紹如何在OpenCV中使用MultiTracker類實現(xiàn)多目標跟蹤API。在深入了解詳細信息之前，請查看下面列出的關于目標跟蹤的帖子，以了解在OpenCV中實現(xiàn)的單個目標跟蹤器的基礎知識。同時需要安裝opencv_contrib庫，詳細見：1背景介紹計算機視覺和機器學習的大多數(shù)初學者都學習對象檢測。如果您是初學者，您可能會想到為什么我們需要對象跟蹤。我們不能只檢測每一幀中的物

2022-04-19 20:05:57

ide 目標跟蹤 python

[OpenCV實戰(zhàn)]13 OpenCV中使用Mask R-CNN進行對象檢測和實例分割

MaskRCNN具體內(nèi)容見：MaskRCNN最初于2017年11月由Facebook的AI研究團隊使用Python和Caffe2推出。工程代碼見：后來MaskRCNN被移植到Tensorflow，并且在共享了幾個預先訓練的模型，這些模型具有不同的訓練架構，如InceptionV2，ResNet50，ResNet101和InceptionResnetV2。它們還為您提供培訓自己模型的工具。基于Inc

2022-04-17 15:23:45

ide scala #include

[OpenCV實戰(zhàn)]12 使用深度學習和OpenCV進行手部關鍵點檢測

手部關鍵點檢測是在手指上找到關節(jié)以及在給定圖像中找到指尖的過程。它類似于在臉部（面部關鍵點檢測）或身體（人體姿勢估計）上找到關鍵點。但是手部檢測不同的地方在于，我們將整個手部視為一個對象。美國卡耐基梅隆大學智能感知實驗室(CMUPerceptualComputingLab)發(fā)布了手的關鍵點檢測模型。詳情見：我們將在本文介紹如何調(diào)用該模型。1背景!https://s4.51cto.com/image

2022-04-16 00:05:47

scala 特征點讀取圖像

[OpenCV實戰(zhàn)]10 使用Hu矩進行形狀匹配

在這篇文章中，我們將展示如何使用HuMoments進行形狀匹配。您將學習以下內(nèi)容什么是圖像矩？如何計算圖像矩？什么是圖像矩不變量（或胡時刻）？如何使用OpenCV計算圖像的Hu圖像矩？如何使用Hu圖像矩來找到兩個形狀之間的相似性。1什么是圖像矩？圖像矩是圖像像素強度的加權平均值。讓我們選擇一個簡單的例子來理解。為簡單起見，我們考慮單通道二進制圖像I。位置處的像素強度（X，Y）為I（X，Y）。二進制

2022-04-08 10:36:56

中心矩 c++python

[OpenCV實戰(zhàn)]7 使用YOLOv3和OpenCV進行基于深度學習的目標檢測

在這篇文章中，我們將學習如何在OpenCV上使用YOLOv3（目標檢測網(wǎng)絡）。YOLOv3是檢測算法YOLO的最新變種已發(fā)布的模型可識別圖像和視頻中的80個不同對象，但最重要的是它具有超快速且?guī)缀跖cSingle Shot MultiBox（SSD...

2022-04-01 19:34:31

ide scala python

[OpenCV實戰(zhàn)]6 基于特征點匹配的視頻穩(wěn)像

目錄在這篇文章中，我們將學習如何使用OpenCV庫中稱為特征點匹配的技術以實現(xiàn)簡單視頻穩(wěn)定穩(wěn)像。我們將討論該算法并共享代碼，以便在OpenCV中使用此方法設計一個簡單的穩(wěn)定器，最好OpenCV3.4.3以上實現(xiàn)代碼。什么是視頻穩(wěn)定，視頻穩(wěn)定是指用于減少相機運動對最終視頻影響的一系列方法，理解成消除視頻抖動就行了。見下圖通常用拍攝會出現(xiàn)輕微的抖動，比如手機拍攝視頻，后期需要對其進行視頻穩(wěn)像操作。!h

2022-03-31 23:49:59

角點 ide 特征點

一文搞懂決策樹！ #51CTO博主之星評選#

分類決策樹模型是一種描述對實例進行分類的樹形結構。決策樹由結點和有向邊組成。^《統(tǒng)計學習方法》李航結點有兩種類型：內(nèi)部結點（internalnode）：表示一個特征或?qū)傩匀~結點（leafnode）：葉結點表示一個類顧名思義，決策樹說白了就是使用樹結構進行決策。讓我們借助:watermelon:書^《機器學習》周志華里的一張圖來看一下子。怎么判斷一個西瓜是不是好瓜呢？先看他的色澤是不是已經(jīng)青綠色了，

2022-03-31 19:11:51

決策樹信息增益數(shù)據(jù)集

[OpenCV實戰(zhàn)]5 基于深度學習的文本檢測

在這篇文章中，我們將逐字逐句地嘗試找到圖片中的單詞！基于最近的一篇論文進行文字檢測。EAST:AnEfficientandAccurateSceneTextDetector.應該注意，文本檢測不同于文本識別。在文本檢測中，我們只檢測文本周圍的邊界框。但是，在文本識別中，我們實際上找到了框中所寫的內(nèi)容。例如，在下面給出的圖像中，文本檢測將為您提供單詞周圍的邊界框，文本識別將告訴您該框包含單詞STOP

2022-03-30 23:39:51

ide 文本框 python

[OpenCV實戰(zhàn)]1 基于深度學習識別人臉性別和年齡

本教程中，我們將討論應用于面部的深層學習的有趣應用。我們將估計年齡，并從單個圖像中找出該人的性別。模型由GilLevi和TalHassner訓練。本文介紹了如何在OpenCV中使用該模型的步驟說明。Opencv版本3.4.3以上。代碼教程代碼可以分為四個部分：1基于CNN的性別分類建模原理作者使用非常簡單的卷積神經(jīng)網(wǎng)絡結構，類似于Caffenet和Alexnet。網(wǎng)絡使用3個卷積層、2個全連接層和

2022-03-26 23:44:00

ide 人臉檢測 scala

基于PaddleX的巖石識別

@TOC項目地址：https://aistudio.baidu./aistudio/projectdetail/3539295(https://aistudio.baidu./aistudio/projectdetail/3539295)1.項目背景考慮到自己學習的是人工智能和油氣的交叉學科，就想試試能不能從基本的巖石識別來做起，做一個巖石識別的小任務。本次任務思路于AI達人創(chuàng)造營

2022-03-24 15:47:52

paddle github 數(shù)據(jù)集

看圖學NumPy：掌握n維數(shù)組基礎知識點，看這一篇就夠了

NumPy是Python的最重要的擴展程序庫之一，也是入門機器學習編程的必備工具。然而對初學者來說，NumPy的大量運算方法非常難記!https://s4.51cto.com/images/blog/202203/19205221_6235d205143a433384.jpg?xossprocess=image/watermark,size_14,text_QDUxQ1RP5Y2a5a6i,col

2022-03-19 20:56:46

數(shù)組 python 初始化

全卷積網(wǎng)絡（FCN）實戰(zhàn)：使用FCN實現(xiàn)語義分割

FCN對圖像進行像素級的分類，從而解決了語義級別的圖像分割問題。

2022-03-18 11:36:34

FCN 圖像分割語義分割

代碼實現(xiàn)nadaraya-waston核回歸 #51CTO博主之星評選#

pythonimporttorchfromtorchimportnnfromd2limporttorchasd2l最基礎的導包，看不懂的python需要回爐重造，不建議繼續(xù)往下看文章。pythonn_train=50訓練樣本數(shù)x_train,_=torch.sort(torch.rand(n_train)5)訓練樣本的輸入deff(x):return2torch.sin(x)+x0.8y_trai

2022-03-17 00:20:47

注意力機制

基于QT設計的人臉考勤打卡簽到系統(tǒng)

文章針對當前常用考勤方式中普遍存在的代簽到、考勤數(shù)據(jù)整合較慢等問題，利用華為云的人臉識別技術實現(xiàn)了一種基于QT框架設計的在線考勤系統(tǒng)。該系統(tǒng)可大大提高考勤效率，滿足各類場環(huán)境景下的考勤需求，具有識別度高、檢測速度快、操作簡單的特點，能夠為用戶提供更多便利幫助。

2022-03-15 09:08:15

人臉識別考勤系統(tǒng)

AI語音識別-我給瀏覽器加了個語音搜索功能

隨著物聯(lián)網(wǎng)的發(fā)展,語音識別技術受到越來越多的關注，語音識別技術正積極推動信息通信領域的革命,語音撥號,語音郵件,語音輸入乃至語音操控等以語音識別為基礎的人機交互日益普及.盡管生物識別方式不斷增多,語音識別方式仍是主流方式.與其他生物識別技術相比,語音識別技術不僅具有非接觸,非侵入性,使用方便,不會遺失和忘記,不需記憶等特點。

2022-03-13 11:05:43

生成對抗網(wǎng)絡(GAN)

@TOC(文章目錄)前言??在生成對抗網(wǎng)絡(GenerativeAdversarialNetwork，簡稱GAN)發(fā)明之前，變分自編碼器(VAE)被認為是理論完備，實現(xiàn)簡單，使用神經(jīng)網(wǎng)絡訓練起來很穩(wěn)定，生成的圖片逼近度也較高，但是人眼還是可以很輕易地分辨出真實圖片與機器生成的圖片。但在2014年GAN被提出之后，在之后的幾年里面里迅速發(fā)展，生成的圖片越來越逼真。1GAN1.1相

2022-03-04 08:11:26

生成對抗網(wǎng)絡 pytorch 機器學習

Adult數(shù)據(jù)集分析及四種模型實現(xiàn)

@TOC(文章目錄)一、數(shù)據(jù)集數(shù)據(jù)集介紹Adult數(shù)據(jù)集是一個經(jīng)典的數(shù)據(jù)挖掘項目的的數(shù)據(jù)集，該數(shù)據(jù)從美國1994年人口普查數(shù)據(jù)庫中抽取而來，因此也稱作“人口普查收入”數(shù)據(jù)集，共包含48842條記錄，年收入大于50k的占比23.93%年收入小于50k的占比76.07%，數(shù)據(jù)集已經(jīng)劃分為訓練數(shù)據(jù)32561條和測試數(shù)據(jù)16281條。該數(shù)據(jù)集類變量為年收入是否超過50k，屬性變量包括年齡、工種、學歷、職業(yè)

2022-03-02 08:33:29

數(shù)據(jù)集缺失值數(shù)據(jù)挖掘

100 個 pandas 案例，強烈建議收藏！

100 個 pandas 案例，強烈建議保存

2022-01-25 18:57:15

數(shù)據(jù)分析 python pandas

featuretools完全指南-可自動構造機器學習特征的Python庫

在公眾號「python風控模型」里回復關鍵字：學習資料特征工程意味著從現(xiàn)有數(shù)據(jù)中構建附加特征，這些數(shù)據(jù)通常分布在多個相關表中。特征工程需要從數(shù)據(jù)中提取相關信息并將其放入單個表中，然后可用于訓練機器學習模型。構建特征的過程非常耗時，因為每個新特征通常需要幾個步驟來構建，尤其是在使用來自多個表的信息時。我們可以將特征創(chuàng)建的操作分為兩類：轉(zhuǎn)換和聚合。讓我們看幾個例子，看看這些概念的實際應用。一個轉(zhuǎn)化作用

2022-01-14 12:04:26

機器學習 featuretool 特征工程

萬字總結Keras深度學習中文文本分類

文章將詳細講解Keras實現(xiàn)經(jīng)典的深度學習文本分類算法，包括LSTM、BiLSTM、BiLSTM+Attention和CNN、TextCNN。

2022-01-13 11:12:09

sed 文本分類數(shù)據(jù)集

4萬字50余圖3個實戰(zhàn)示例一網(wǎng)打盡Transformer

各位朋友大家好，歡迎來到月來客棧。今天要和大家介紹的一篇論文是谷歌2017年所發(fā)表的一篇論文，名字叫做”Attentionisallyouneed“1。以下為文章目錄，大家可以快速定位到自己關注部分的內(nèi)容。1.多頭注意力機制原理1.1動機1.1.1面臨問題1.1.2解決思路1.2技術手段1.2.1什么是selfAttention1.2.2為什么要MultiHeadAttention1.2.3同維度

2022-01-09 19:35:43

Transformer Bert nLP

零代碼快速集成AGC崩潰服務-xamarin框架-iOS

華為AGC的崩潰服務支持跨平臺，按照文檔整理了個Xamarin插件集成的文檔，有需要的開發(fā)者可以參考。環(huán)境配置和項目設置 =========安裝Xamarin環(huán)境主要是先安裝visual studio for MAC，然后安裝Mobile development with .NET，具體可以參考??Xamarin環(huán)境搭建??。AGC創(chuàng)建項目工程，并且開通華為分析服務。這部分是基本操作，可以參見

2021-12-13 16:41:42

自定義 ide 創(chuàng)建項目

ICCV 2021 口罩人物身份鑒別全球挑戰(zhàn)賽冠軍方案分享

10月11-17日，萬眾期待的國際計算機視覺大會 ICCV 2021 (International Conference on Computer Vision) 在線上如期舉行，受到全球計算機視覺領域研究者的廣泛關注。

2021-11-22 16:28:11

阿里云視頻云人工智能

四種 AI 技術方案，教你擁有自己的 Avatar 形象

大火的Avatar到底是什么？隨著元宇宙概念的大火，Avatar這個詞也開始越來越多出現(xiàn)在人們的視野。2009年，一部由詹姆斯?卡梅隆執(zhí)導3D科幻大片《阿凡達》讓很多人認識了Avatar這個英語單詞。不過，很多人并不知道這個單詞并非導演杜撰的，而是來自梵文，是印度教中的一個重要術語。根據(jù)劍橋英語詞典解釋，Avatar目前主要包含三種含義。!1.png(https://s4.51cto.com/im

2021-11-04 15:53:15

3d 建模生成模型

基于Python的信用評分卡模型

基于Python的信用評分卡模型-give me some credit數(shù)據(jù)集，AUC 0.93,性能卓越

2021-10-24 20:34:32

建模信用評分數(shù)據(jù)

讓TensorFlow在Macbook M1上性能翻倍

本文介紹在Macbook M1筆記本上升級MacOS 12 beta版操作系統(tǒng)，并且安裝Tensorflow 2.5，實現(xiàn)TensorFlow在MacOS上面性能的大幅提升。

2021-09-25 21:00:58

MacBook M1 M1 Tensorflow

小布助手在面向中文短文本的實體鏈指比賽中的實踐應用

實體鏈指是指對于給定的一個文本（如搜索 Query、微博、對話內(nèi)容、文章、視頻、圖片的標題等），將其中的實體與給定知識庫中對應的實體進行關聯(lián)。實體鏈指一般有兩種任務設計方式：Pipeline 式和端到端式。

2021-08-24 14:27:01

智能助手短文本算法

上一頁 1 2 3 4 下一頁

51CTO技術棧公眾號

業(yè)務
速覽

媒體

51CTO CIOAge HC3i

社區(qū)

51CTO博客鴻蒙開發(fā)者社區(qū) AI.x社區(qū)

教育

51CTO學堂精培企業(yè)培訓 CTO訓練營

主站蜘蛛池模板：亚洲精品一区二区三区蜜桃久 | 日韩在线视频免费观看 | 成人网在线观看 | 欧美日韩国产三级 | 色吧综合 | 人干人操 | 精品网站999 | 亚洲成人av一区二区 | 成人免费观看男女羞羞视频 | 91av在线免费 | 日韩一二区 | 精品在线播放 | 国产91中文| 岛国av一区二区三区 | 国内成人免费视频 | 中文日韩在线 | 在线视频一区二区 | 91成人免费电影 | 亚洲一区二区精品视频 | 日韩国产一区二区三区 | 久久网日本 | 91一区二区 | 欧美亚洲国语精品一区二区 | 99热这里只有精品8 激情毛片 | 免费视频一区 | 色综合久| 免费大黄视频 | 日韩图区 | 老司机67194精品线观看 | 亚洲福利一区二区 | 五月天国产视频 | 国产天天操 | 国产不卡在线播放 | 拍戏被cao翻了h承欢 | 婷婷精品| av高清| 天天拍天天操 | 97国产爽爽爽久久久 | 久久精品国产精品青草 | 国产三级日本三级 | 久久精品国产久精国产 |

<blockquote id="rppkj"></blockquote>