1. 深度学习有哪些应用 图像：图像识别、物体识别、图片美化、图片修复、目标检测。 自然语言处理：机器创作、个性化推荐、文本分类、翻译、自动纠错、情感分析。 2. 什么是神经网络 我们以房价预测的案例来说明一下，把房屋的面积作为神经网络的输入（我们称之为𝑥），通过一个节点（一…

YOLOv1是继Faster R-CNN后，第一个one stage物体检测算法，开创了物体检测算法一个全新流派，自YOLOv1后，物体检测基本分为one stage和two stage两个流派。 下图是YOLO在整个物体检测算法历史上的坐标。 可以看出，YOLOv1是在Fas…

本文将介绍其中一个特性：多集群应用(multi-cluster applications)，下面将为您介绍，该特性将如何显著减少您的工作量，并提高多集群操作的可靠性。 在具有数百个集群的边缘计算场景中，同一个应用需要在多个集群上运行。 在高可靠性的情况下，运维操作人员通常通过将…

画家可以用寥寥数笔创造出迷人的画作，我们试图研究如何让机器掌握这样的能力。通过结合神经网络笔画渲染器和基于模型的深度强化学习，我们的 AI 可以用笔画描绘纹理丰富的自然图像。 AI 用数百个笔画就可以实现视觉效果很好的图画，对于每个笔画，直接确定笔画的位置和颜色等。 AI 的训…

这份课程涵盖了两个无需标签数据的深度学习领域：深度生成模型（Deep Generative Models）和自监督学习（Self-supervised Learning）。生成模型的最新进展使得可以对高维原始数据进行逼真的建模，例如自然图像，音频波形和文本语料库；自我监督学习的…

Kears 和 TensorFlow：用于深度学习。本教程可以仅采用 CPU 版本的 TensorFlow 本教程会用到两个数据集来帮助更好的了解每个机器学习算法的性能。 第一个数据集是 Iris(鸢尾花) 数据集。这个数据集的地位，相当于你刚开始学习一门编程语言时，敲下的 “…

共： 3356字 4图预计阅读时间： 3分钟麻省理工学院（后面简称MIT）的计算机专业由EECS系开设，EECS系隶属于MIT的工学院，这点和UCBerkeley一样(在UCBerkeleyEECS系

对于SSD来说，最有新意的就是它的多尺度特征，而整个代码中调整频度最高的应该是它的Prior_box，我们就从这些方面来分享一下我自己的理解。 先说一下多尺度特征。在之前的Faster-RCNN中，特征向量都是从最后一层的Feature Maps上得到的，对于这种单一的特征层而…

闲来无事，边理解PR曲线和ROC曲线，边写了一下计算两个指标的代码。在python环境下，sklearn里有现成的函数计算ROC曲线坐标点，这里为了深入理解这两个指标，写代码的时候只用到numpy包。事实证明，实践是检验真理的唯一标准，在手写代码的过程中，才能真正体会到这两个评…