持续创作，加速成长！这是我参与「掘金日新计划 · 6 月更文挑战」的第21天，点击查看活动详情 一直对于人工智能很感兴趣，本科毕设的题目就是关于图片分类学习的，比较遗憾的是没有往更深处发掘，只是简单的

鸣叫 分享到 分享 本教程是为那些希望了解递归神经网络（RNN）如何工作以及如何通过Keras深度学习库使用它们的人设计的。虽然解决问题和构建应用程序所需的所有方法都是由Keras库提供的，但深入了解

鸣叫 分享到 分享到 Python已经成为机器学习的一种事实上的语言。它不是一门难学的语言，但如果你对这门语言不是特别熟悉，有一些提示可以帮助你学得更快或更好。 在这篇文章中，你将发现什么是学习编程语

鸣叫 分享到 分享 最后更新于2021年10月17日 机器学习的优化速成班。 在7天内用Python找到函数的最优值。 所有机器学习模型都涉及优化。作为一个从业者，我们为最合适的超参数或特征子集进行优

环境 python3.8 cuda10.2 yolov5 pytorch 本项目基于yolov5进行街景字符编码识别，pytorch与cuda的安装可以参考其他文章，这一块我就跳过了，直接切入主题 获

鸣叫 分享到 分享 最后更新于2021年10月12日 在过去的几年里，深度学习网络获得了巨大的普及。注意力机制 "与深度学习网络整合，以提高其性能。在网络中添加注意力组件，在机器翻译、图像识别、文本总

主成分分析（PCA）是一种无监督的机器学习技术。主成分分析最流行的用途也许是降维。除了将PCA作为一种数据准备技术，我们还可以用它来帮助数据的可视化。一张图片胜过千言万语。随着数据的可视化，我们更容易

时间序列是每个数据科学家/ML工程师在其职业生涯中都会遇到的一种问题，比他们想象的要频繁。所以，这是一个需要理解的重要概念。 你看，时间序列是一种基于天、月、年等时间维度进行采样的数据类型。我们称这种

鸣叫 鸣叫 分享 分享 最后更新于2021年12月24日 类是Python语言的基本构件之一，可以应用于机器学习应用的开发。正如我们将要看到的，开发类的Python语法很简单，可以应用于实现Keras

鸣叫 鸣叫 分享 分享 最后更新于2021年12月24日 当Python程序中发生异常时，往往会打印出一个回溯。知道如何阅读回溯可以帮助你轻松地识别错误并进行修复。在本教程中，我们将看到回溯可以告诉你

生成式对抗网络是两个子网络的组合，它们在训练时相互竞争，以产生真实的数据。生成器网络生成看起来真实的人工数据，而鉴别器网络则识别数据是人工的还是真实的。 虽然GANs是强大的模型，但它们可能是相当难训

在过去的十年里，人工智能的研究和开发飞速发展，特别是在2012年ImageNet竞赛的结果之后。重点主要是监督学习方法，需要大量的标记数据来训练特定用例的系统。 在这篇文章中，我们将探讨自我监督学习（

神经网络模型是通过梯度下降的优化算法来训练的。输入的训练数据帮助这些模型学习，而损失函数则衡量每次迭代的参数得到更新后的预测性能的准确性。随着训练的进行，目标是通过迭代调整参数来减少损失函数/预测误差

[ 创客博客系列 ](https://www.anaconda.com/blog/topic/makers) 在开放源码中找到自己的位置 Mar 24, 2022 作者：Brendan Collins

GPU已经成为科学计算堆栈的重要组成部分，随着GPU技术的进步，以及在云端或内部访问GPU的便利性，PyData社区花时间和精力让PyData库的用户能够使用GPU是最有利的。PyData生态系统中的

近年来，机器学习有了快速发展，这导致许多公司和初创公司在不了解陷阱的情况下深入该领域。常见的例子是构建ML管道时涉及的陷阱。 机器学习管道很复杂，有几种失败或被滥用的方式。参与ML项目的利益相关者需要

2022年4月22日星期五 作者：C. Titus Brown 在科学中。 标签：sourmashsqlite 问题：存储和查询大量的64位无符号整数 在过去的6年中，我们一直在进行基于散列的序列搜索

2022年4月22日星期五 作者：C. Titus Brown 在科学中。 标签：sourmashsqlite 问题：存储和查询大量的64位无符号整数 在过去的6年中，我们一直在进行基于散列的序列搜索

1. 话题 话题通讯接口是发布和订阅模型。 一个节点程序里可以有多个发布者，也可以有多个订阅者。 发布者发布数据时，只管发布不管谁会订阅。

Kubeflow管线中的实验跟踪 分钟 阅读 作者：Mateusz Kwasniak 4月28日, 2022 实验跟踪一直是机器学习项目中最受欢迎的话题之一。很难想象在开发一个新项目时不跟踪每个实验的