task1任务打卡

最新推荐文章于 2025-04-25 21:53:23 发布
最新推荐文章于 2025-04-25 21:53:23 发布
阅读量196 收藏
点赞数
分类专栏： 语义分割
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/ZhouCV/article/details/113898253
版权

深度学习

地表建筑物识别:
完成任务：搭建环境，跑通了baseline，提交了成绩。
在这里插入图片描述
因为打卡时间问题，详细的博客，明天在写，先打卡。

智慧海洋task1打卡
u013157943的博客
04-13 301
根据task1的任务指引，需要使用到geopandas的包，下载发现下不下来 百度发现需要下载几个依赖文件，因为本机是python是3.8。所以需要安装3.8的依赖包，分别是以下几个： 下载地址：https://www.lfd.uci.edu/~gohlke/pythonlibs/#pyproj Fiona-1.8.19-cp38-cp38-win_amd64.whl GDAL-3.2.2-cp38-cp38-win_amd64.whl pyproj-3.0.1-cp38-cp38-win_a
西瓜书学习任务打卡task02.pdf
01-17
《统计学习方法》第六章-线性回归自用笔记
task06任务打卡
qq_41834327的博客
07-05 306
实现基于图同构网络的图标正网络的实现的步骤主要是：首先计算得到节点特征，然后需要对图上各个节点的表征作图池化来得到图的表征。 #图表征模块：通过对图上的节点作节点嵌入从而得到节点表征，然后通过对节点表征作图池化来得到图的表征信息，最后则通过使用一层线性变换来获取图的表征信息。 import torch from torch import nn from torch_geometric.nn import global_add_pool, global_mean_pool, global_max_pool
task03任务打卡
qq_41834327的博客
06-23 149
import maatplotlib.pyplot as plt import sklearn.manifold import TSNE def visualize(h, color): z = TSNE(n_components=2).fit_transform(out.detack().cpu().numpy()) plt.figure(figsize=(10,10)) plt.xticks([]) plt.yticks([]) plt.scatter(z[:,
datawhale matplotlib task01 任务打卡
weixin_43929195的博客
01-11 211
任务一还是比较简单,主要是了解了matplotlib的基本使用。学会了最简单的绘图方式。 在深度学习中,画图是非常重要的。 Matplotlib的图像是画在figure（如windows，jupyter窗体）上的，每一个figure又包含了一个或多个axes（一个可以指定坐标系的子区域）。最简单的创建figure以及axes的方式是通过pyplot.subplots命令，创建axes以后，可以使用Axes.plot绘制最简易的折线图。 现在我们来深入看一下figure的组成。通过一张figure解
task1打卡：Linux
gunhunti4524的博客
08-04 267
大模型入门
Docker训练营任务学习打卡task1
ymwmy的博客
04-13 184
Docker的初认识 前言 Docker 是一个开源的应用容器引擎，让开发者可以打包他们的应用以及依赖包到一个可移植的镜像中，然后发布到任何流行的 Linux或Windows 机器上，也可以实现虚拟化。容器是完全使用沙箱机制，相互之间不会有任何接口。 Docker的出现是一种历史趋势，因为微服务的出现，导致了使用的技术更加多元化，所以在部署上的难度也变得更大。而docker可以减轻我们在部署上面的复杂性。 docker相当于起到了承上启下的桥梁作用：将App连带环境一同打包直接部署到服务器上。 虚拟机与do
Datawhale AI 夏令营-Task 1打卡
2302_77608969的博客
07-14 853
在深度学习中，模型训练通常需要进行多次迭代，而不是单次完成。深度学习模型的训练本质上是一个优化问题，目标是最小化损失函数。梯度下降算法通过计算损失函数相对于模型参数的梯度来更新参数。由于每次参数更新只能基于一个数据批次来计算梯度，因此需要多次迭代，每次处理一个新的数据批次，以确保模型在整个数据集上都能得到优化。设置训练模式：通过调用将模型设置为训练模式。在训练模式下，模型的某些层（如BatchNorm和Dropout）会按照它们在训练期间应有的方式运行。遍历数据加载器：使用遍历提供的数据批次。input。
吃瓜教程打卡task1
m0_72851153的博客
09-18 236
任务：概览西瓜书+南瓜书第1、2章西瓜书对应章节：第一章。
Datawhale AI夏令营 机器学习Task1 笔记打卡
m0_74138278的博客
07-14 436
严格来讲，baseline并没有使用机器学习模型来预测，而是使用了均值填充的方法做预测。从训练集中选取时间小于等于20的数据，按照房屋ID分组，计算每组的 电力消耗目标值（target）的均值。首先简单的分析一下赛题，给定多个房屋对应电力消耗历史N天的相关序列数据等信息，预测房屋对应电力的消耗。使用简单的均值填充做预测，在我看来可能太过简单粗暴了，不能很好的捕捉数据的动态变化规律。这是本人第一次尝试Datawhale的夏令营学习，学习任务是参加科大讯飞举办的机器学习赛事——电力需求预测挑战赛。
大模型理论基础Task02-打卡
12-13
大模型理论基础Task02-打卡 本篇文章探讨了大模型理论基础的第二章，主要基于GPT-3论文中的基准测试，涵盖了自然语言处理（NLP）基准测试、问题回答、特殊的演示等方面。文章讨论了GPT-3模型的结果，包括在某些任务...
students-learn-task:学者学习任务，作业，打卡，分享
03-11
在IT行业中，尤其是在教育技术（EdTech）领域，"students-learn-task" 是一个常见的项目名，它可能代表了一个用于管理学生学习任务、作业、打卡和分享的平台或应用程序。这个项目的重点在于促进学生的自主学习，提高...
大模型理论基础打卡Task01
12-13
"大模型理论基础打卡Task01" 本资源摘要信息主要讲解了大模型理论基础的相关知识点，涵盖了语音模型、信息理论、n-gram 模型、神经语音模型、上下文学习等方面的内容。 语音模型 语音模型是对令牌序列的概率分布...
深度学习之卷积神经网络入门
最新发布
2201_75345884的博客
04-25 574
loss_fn=nn.CrossEntropyLoss() #创建交叉熵损失函数对象，因为手写字识别中一共有10个数字，输出会有10个结果optimizer=torch.optim.Adam(model.parameters(),lr=0.01) #创建一个优化器# #params:要训练的参数，一般我们传入的都是model.parameters()# lr:learning_rate学习率，也就是步长是交叉熵损失函数，适用于多分类任务，用于计算模型预测结果与真实标签之间的差距。
基于深度学习Yolo8的驾驶员疲劳与分心行为检测系统
XiaoCoder的博客
04-23 232
③：技术栈：Python、PySide6、OpenCV、YOLOv8、Matplotlib、NumPy。②：开发环境：Python3.8+、PyCharm/VSCode。①：疲劳检测：眨眼频率监测、哈欠检测、Perclos模型评分。②：分心行为识别：手机使用检测、抽烟行为检测、喝水行为检测。④：数据统计：行为数据可视化、疲劳指标统计、数据导出功能。①：系统环境：Windows/Mac/Linux。③：实时监控：摄像头实时画面显示、状态实时更新。【三】疲劳检测模型与行为分析统计。
深度学习--自然语言处理统计语言与神经语言模型
m0_65065095的博客
04-25 1132
传统的语言模型是基于词袋模型（Bag-of-Words）和one-hot编码展开工作的，即在传统的语言模型中要生成一个句子，其实是拿一堆词语进行拼凑，拼凑出一个句子后我们需要有一个评委来对这个机器生成的句子进行打分和评价，语言模型就是这么一位评委，它会给每个句子打出一个概率值，以表明他们与人类语言的接近程度。
2025-04-22 李沐深度学习5 —— 线性回归
zheliku的博客
04-22 1334
​ 在美国买房时，买家需根据房屋信息（如卧室数量、卫生间数量、面积等）预测合理的成交价。输入数据：房屋特征（如X1=卧室数X2=卫生间数X3=面积输出目标：预测成交价Y。实际挑战：卖家的标价和网站估价（如Redfin）仅为参考，最终需通过竞价决定成交价，因此准确预测至关重要。​ 计算输入特征X\mathbf{X}X和模型权重w\mathbf{w}w的矩阵-向量乘法后加上偏置bbb。​ 注意，上面的XwXw是一个向量，而bbb是一个标量。
卷积神经网络基础（四）
qq_52889317的博客
04-22 1106
今天我们继续学习各个激活函数层的实现过程。
TM2SP-Net阅读
qq_49130177的博客
04-22 464
TCSVT 2025。
创建打卡任务表带sql
06-09
好的，以下是创建打卡任务表的 SQL 语句： ```sql CREATE TABLE `task` ( `id` int(11) NOT NULL AUTO_INCREMENT, `name` varchar(50) NOT NULL, `description` text NOT NULL, `start_date` date NOT NULL, `end_date` date NOT NULL, `assigned_to` varchar(50) NOT NULL, PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4; ``` 该表包括以下字段： - `id`：任务 ID，自增长整数。 - `name`：任务名称，最长 50 个字符。 - `description`：任务描述，文本类型。 - `start_date`：任务开始日期，日期类型。 - `end_date`：任务结束日期，日期类型。 - `assigned_to`：被指派的人员名称，最长 50 个字符。 你可以使用以上 SQL 语句在你的数据库中创建一个名为 `task` 的表，用于存储打卡任务信息。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值