- 博客(68)
- 收藏
- 关注
RSS订阅
原创 通俗理解前向传播和反向传播
（1）：将训练集数据输入到神经网络的输入层，经过隐藏层，最后到达输出层并输出结果。【输入层—隐藏层–输出层】（2）：由于神经网络的输入结果与输出结果有误差，则计算估计值与实际值之间的误差，并将该误差从输出层向隐藏层反向传播，直至传播到输入层。【输出层–隐藏层–输入层】（3）：在反向传播的过程中，根据误差调整每层参数的值；不断迭代上述过程，直至收敛。
2023-02-22 22:34:00
948
原创 主流的IoT物联网架构方案整理
当今IoT类似在风口上的猪，各行各业都在大势宣传，整合应用，有了现在的工业互联网、数字世界之类的话题层出不穷。本文主要从技术角度树立了各个大厂在IoT整体解决方案商的一些介绍，以供大家参考。
2025-04-01 13:57:59
296
原创 首板终极心法
需严格执行“强市进攻、弱市防守”的纪律不超过30%仓位参与打板月收益率＞15%时强制减仓50%（防止回撤）每日成功率达到60%即可。
2025-02-26 16:21:22
614
原创 deepseek快速体验(推理，微调，训练)
等方式也可快速部署，但是无法微调和训练，只能推理使用(线上正式使用)，下面使用另一种简单的方式部署，可训练，微调，推理。
2025-02-10 09:56:34
343
原创 内部文档专用
”"定义带有填充和分组卷积的标准卷积层。参数:- in_planes: 输入通道数- out_planes: 输出通道数- kernel_size: 卷积核大小- stride: 步长- padding: 填充- dilation: 扩张- groups: 分组卷积数返回:- 卷积层“”"“”"定义 1x1 卷积层。参数:- in_planes: 输入通道数- out_planes: 输出通道数- stride: 步长。
2024-11-27 14:45:33
942
原创 labelimg使用教程
W：调出标注的十字架，开始标注A：切换到上一张图片D：切换到下一张图片del：删除标注的矩形框Ctrl+S：保存标注好的标签Ctrl+鼠标滚轮：按住Ctrl，然后滚动鼠标滚轮，可以调整标注图片的显示大小。
2024-10-28 23:05:13
750
原创 在华为服务器的openEuler系统中适配Pytorch调用NPU
服务器架构：aarch64yolov7 和 mindyolo 二选一即可，yolov7是基于pytorch，mindyolo是基于mindspore。
2024-08-17 09:27:04
1168
原创 k8s通过deployment创建pod失败排查
在k8s集群中，deployment启动后没有成功创建pod，通过“kubectl describe deployment ${DEPLOY_NAME} ”，看到如下日志，只看到“ReplicaFailure True FailedCreate”，但是没有failed的原因。其实原因藏在edit deployment里面。可以通过"edit deployment"来查看，错误原因一般在最后几行。
2024-06-13 10:31:34
954
原创 java 目标识别检测 调用 onnx 模型，支持yolov5 yolov7 yolov8
java 傻瓜 式 简单 调用 yolo onnx 模型 支持 yolov5 和 yolov7，包含 预处理 和 后处理
2023-08-02 11:11:05
4013
4
原创 一文搞懂激活函数(Sigmoid/ReLU/LeakyReLU/PReLU/ELU)
深度学习算法之前的机器学习算法，并不需要对训练数据作概率统计上的假设；本文将覆盖问题1和问题2，并分析如何采用合适的激活函数解决问题；最后提出一些普适性的选择激活函数的建议。至于问题3，则更多的与Batch Normalization相关。
2023-05-30 12:04:41
10809
2
原创 paddlepaddle自定义数据集
更多的时候需要自己使用已有的相关数据来定义数据集，那么这里通过一个案例来了解如何进行数据集的定义，飞桨提供了paddle.io.Dataset基类，通过类的集成来快速实现数据集定义。步骤一：继承paddle.io.Dataset类步骤二：实现构造函数，定义数据读取方式，划分训练和测试数据集步骤三：实现__getitem__方法，定义指定index时如何获取数据，并返回单条数据（训练数据，对应的标签）步骤四：实现__len__方法，返回数据集总数目。
2023-02-25 10:50:57
1080
原创 使用自己的数据集Fine-tune PaddleHub预训练模型
果农需要根据水果的不同大小和质量进行产品的定价，所以每年收获的季节有大量的人工对水果分类的需求。基于人工智能模型的方案，收获的大堆水果会被机械放到传送带上，模型会根据摄像头拍到的图片，控制仪器实现水果的自动分拣，节省了果农大量的人力。下面我们就看看如果采集到少量的桃子数据，如何基于PaddleHub对ImageNet数据集上预训练模型进行Fine-tune，得到一个更有效的模型。
2023-02-25 10:22:50
1344
转载 机器学习和深度学习综述
近些年人工智能、机器学习和深度学习的概念十分火热，但很多从业者却很难说清它们之间的关系，外行人更是雾里看花。在研究深度学习之前，先从三个概念的正本清源开始。概括来说，人工智能、机器学习和深度学习覆盖的技术范畴是逐层递减的，三者的关系如所示，即：人工智能 > 机器学习 > 深度学习。人工智能（ArtificialIntelligence，AI）是最宽泛的概念，是研发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
2023-02-23 15:25:38
2595
原创 python冒号的用法总结
冒号前面后面随便都可以省略，只需要记住冒号前指定开始位置，冒号后指定结束位置+1（就类似于经常出现在python各种参数指定的“左闭右开”的原则）如果省略不指定冒号前面，就代表从0开始，如果省略不指定冒号后面，就代表到对象的最后一个元素。python中用冒号来遍历列表或者字符串等结构时，总的用法是arr[开始位置:结束位置:迭代步数]1. 省略开始位置值：则默认值是遍历顺序上的第一个位置。2. 省略结束位置值：则默认值是遍历顺序上最后一个位置。
2023-02-16 17:03:21
12292
1
原创 从普通程序理解机器学习程序(paddlepaddle)
用机器学习方法，从数据当中学习出来如下公式当中的w和b。这样在未来，给定x时就可以估算出来y值（估算出来的y记为y_predict将会用飞桨的线性变换层：paddle.nn.Linear来实现这个计算过程，这个公式里的变量x, y, w, b, y_predict，对应着飞桨里面的Tensor概念。稍微补充一下：在这里的示例中，根据经验，已经事先知道了和total_fee之间是线性的关系，而在更实际的问题当中，x和y的关系通常是非线性的，因此也就需要使用更多类型，也更复杂的神经网络。
2023-01-12 17:46:11
603
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人