深度学习——神经网络 本文梳理了深度学习中的核心网络模型及其组件。基础模型包括MLP（全连接层堆叠）、CNN（卷积结构处理图像）、RNN（循环结构处理序列）和Transformer（自注意力机制）。扩展模型涵盖跨模态融合（如CLIP）、图神经网络（如GCN）和强化学习网络（如DQN）。核心组件涉及网络层（卷积/全连接/注意力等）、激活函数（ReLU/Sigmoid等）、优化器（Adam/SGD等）、损失函数（交叉熵/MSE等）以及数据处理方法。通过系统分类和典型示例，为深度学习模型选择与设计提供参考框架。

阅读 4.3k

72赞

收藏 102
深度学习常见框架：TensorFlow 与 PyTorch 简介与对比 本文系统介绍了当前深度学习领域最主流的两个框架 —— TensorFlow 与 PyTorch。文章从发展背景、核心理念、主要组件、应用场景等方面，逐一解析它们的特性与差异，帮助读者全面了解各自的优势与使用场景。重点内容包括：✅ TensorFlow 由 Google 推出，具备强大的工程部署能力，适合大规模模型训练与跨平台部署；🔶 PyTorch 源于 Meta（Facebook），以灵活易用、Pythonic 编程体验著称，广受研究与教育界青睐；🔍 对比了二者在计算图结构、调试体验、

阅读 7.1k

97赞

收藏 113
深度学习：张量、TensorFlow 函数和 TensorFlow 数据集详解 本文介绍了TensorFlow的核心概念和使用方法。首先讲解了张量（Tensor）作为基本数据类型的特点，包括形状、秩、轴等关键属性，以及张量与NumPy数组的异同。然后详细说明了张量的不同维度表示（标量、向量、矩阵等）及其可视化方法。文章还介绍了TensorFlow中的变量（Variable）与常量（Constant）的区别及适用场景，特别强调了在机器学习中如何使用它们。最后讲解了张量的基本运算、类型转换以及索引方法。通过代码示例展示了如何创建和操作张量，为深度学习实践打下基础。

阅读 1.7k

51赞

收藏 47
鱼类识别系统【最新版】Python+TensorFlow+Vue3+Django+人工智能+深度学习+卷积神经网络算法 鱼类识别系统，基于TensorFlow搭建卷积神经网络算法，通过收集了包括‘墨鱼’、‘多宝鱼’、‘带鱼’、‘石斑鱼’等在内的30种鱼类图像数据集进行训练，最后得到一个识别精度较高的模型，然后搭建Web可视化操作平台。前端后端：Django算法：TensorFlow、卷积神经网络算法具体功能系统分为管理员和用户两个角色，登录后根据角色显示其可访问的页面模块。登录系统后可发布、查看、编辑文章，创建文章功能中集成了markdown编辑器，可对文章进行编辑。

阅读 2.5k

27赞

收藏 41
深度学习时代结束了，2025年开始只剩下轮廓 摘要： 深度学习因高资源消耗、低可解释性和易受攻击等问题面临挑战。本文提出基于9层轮廓的轻量级方案ContourNet-9，在效率、功耗和抗干扰性上全面超越传统深度学习：仅8KB特征包实现9毫秒级识别，红外/对抗攻击场景零衰减，8位MCU可运行，司法可解释性强。实测显示，其在低端硬件上快6-15倍，功耗降低85%，尤其适用于监狱、边检等严苛场景。2025年，轮廓技术将在多数落地场景取代深度学习，仅保留云端超大规模应用的少数优势。

阅读 2.9k

60赞

收藏 73
深度学习报错“Compile with TORCH_USE_CUDA_DSA to enable device-side assertions”解决方法 在使用PyTorch进行深度学习模型训练时，尤其是依赖GPU加速的情况下，偶尔会遇到一些与CUDA相关的错误提示。最近我在训练模型时，就碰到了一个这样的报错：Compile with ‘TORCH_USE_CUDA_DSA’ to enable device-side assertions.这个错误是在调用进行反向传播时触发的。经过一番排查，我发现问题的根源是GPU显存不足，最终通过降低batch_size解决了这个报错。今天，我就把这个问题的分析和解决过程分享出来，希望能帮到遇到类似问题的朋友！

阅读 1.2w

6赞

收藏 5
【十二】源码机器学习，深度学习，人工智能，视觉分析，Yolo，Opencv，卷积神经网络，AI大模型，NLP自然语言处理，监控处理，车流量统计，车牌识别，人脸识别，目标检测，病虫害检测，图像处理等学习 该系统将突破单一应用的局限，通过模块化设计，在一套统一的架构内集成包括车流量统计、车牌识别、人脸识别、目标检测、病虫害检测在内的多种前沿计算机视觉任务，并借助NLP与强大的前后端可视化系统，为用户提供直观的数据洞察与交互体验。它负责基础的图像与视频处理工作，包括图像获取、预处理（如去噪、增强、缩放）、颜色空间转换、轮廓提取等，为深度学习模型提供高质量的数据输入，并对模型输出的结果进行后处理与可视化绘制。项目的核心是构建一个高效、准确的智能视觉分析引擎，其技术栈深度融合了当前AI领域的热点与经典。

阅读 896

26赞

收藏 14
【中草药识别系统】Python+TensorFlow+Django+人工智能+深度学习+卷积神经网络算法 中草药识别系统，基于TensorFlow搭建Resnet50卷积神经网络算法，通过对10种常见的中草药图片（‘丹参’, ‘五味子’, ‘山茱萸’, ‘柴胡’, ‘桔梗’, ‘牡丹皮’, ‘连翘’, ‘金银花’, ‘黄姜’, ‘黄芩’）数据集进行训练，最后得到一个识别精度较高的模型，然后搭建Web可视化操作平台。技术栈项目前端使用Html、CSS、BootStrap搭建界面。后端基于Django处理逻辑请求基于Ajax实现前后端数据通信技术栈项目前端使用Html、CSS、BootStrap搭建界面。

阅读 3.7k

26赞

收藏 51
深度学习：卷积神经网络语义分割（ MobileNetV2 模型 附全码） 图像分割教程摘要 本教程将介绍如何使用UNet模型对德国作物类型分类数据集进行图像分割。主要内容包括： 数据集：使用Planet五天合成影像和多边形标签的德国作物分类数据集，包含10种作物类别（小麦、黑麦、大麦等）和背景类。 技术方法： 采用Keras Functional API实现UNet模型 使用稀疏分类焦点损失函数处理类别不平衡问题 包含准确率、IOU和混淆矩阵等评估指标 工作流程： 从Google Drive加载预处理好的图像和标签数据 数据可视化与探索性分析 构建数据管道和预处理 模型训练与评估

阅读 954

44赞

收藏 16
基于深度学习的卫星图像分类（Kaggle比赛实战） 本文介绍了在PyTorch框架下实现Kaggle卫星图像分类任务的完整流程。使用ResNet34模型对云层、沙漠、绿洲和水域四类卫星图像进行分类，准确率达96.53%。详细说明了环境配置（Python3.7/PyTorch1.12.1等）、数据预处理（包括图像增强技术）、模型构建与训练过程（20个epoch），并提供了测试脚本和可视化结果。特别分析了batch_size对训练的影响，以及各类别的准确率变化，其中沙漠类别的识别率从49%提升至96%。最后给出了训练和测试命令，展示了模型在测试图像上的良好表现。

阅读 2.7k

140赞

收藏 132
基于深度学习的PCB电路板缺陷检测系统（YOLOv10+YOLO数据集+UI界面+Python项目源码+模型） 项目背景在电子制造业中，印刷电路板（PCB）的质量检测是确保电子产品性能可靠性的关键环节。传统的PCB缺陷检测方法依赖于人工目检或自动化光学检测（AOI）设备，效率低且成本高。基于计算机视觉和深度学习的PCB缺陷检测系统能够自动、高效地识别PCB中的各种缺陷，从而提高生产效率和产品质量。本项目利用YOLOv10目标检测算法，实现对六种常见PCB缺陷（漏孔、鼠咬、开路、短路、毛刺、杂铜）的自动检测。项目目标构建一个基于YOLOv10的PCB缺陷检测模型，能够准确识别六种常见缺陷。

阅读 885

25赞

收藏 26
Python模型优化实战：深度学习加速与压缩技巧 Python模型优化实战：深度学习加速与压缩技巧

阅读 2.0k

17赞

收藏 15
SpliceAI深度学习技术在基因剪接变异预测中的创新应用 在基因组学研究和临床诊断领域，准确识别致病性遗传变异一直面临重大挑战。特别是位于基因内含子区域的剪接变异，传统分析方法难以精确评估其对RNA剪接过程的影响程度。这类变异往往导致外显子跳跃或内含子保留等异常剪接事件，进而引发蛋白质功能异常，成为多种遗传性疾病的潜在致病因素。## 技术实现：基于深度学习的剪接效应预测框架SpliceAI采用先进的深度学习架构，将自然语言处理中的序列建模技术应用

阅读 981

19赞

收藏 18
基于深度学习的晶圆体缺陷识别检测系统（最新web界面+YOLOv8/YOLOv10/YOLOv11/YOLOv12+DeepSeek智能分析 +前后端分离） 本文提出了一种基于深度学习技术的晶圆体缺陷识别检测系统，该系统集成了当前最先进的YOLO系列目标检测算法（包括YOLOv8、YOLOv10、YOLOv11和YOLOv12），并创新性地融入了DeepSeek智能分析模块。系统采用前后端分离的现代化Web架构，具备完善的用户管理、多模态检测（图像、视频、实时摄像头）、数据可视化和智能分析功能。通过优化的深度学习模型和精心设计的用户界面，本系统能够准确识别9类晶圆缺陷，包括中心缺陷、环形缺陷、边缘定位缺陷等，在半导体制造质量控制领域展现出显著的实用价值。实验结果

阅读 979

24赞

收藏 14
大数据领域数据挖掘的深度学习技术融合 随着互联网、物联网、5G等技术的普及，全球数据量正以每年约61%的速度增长（IDC 2023数据）。传统数据挖掘方法（如决策树、SVM、K-means）在处理PB级非结构化数据（文本、图像、视频）、时序数据（传感器日志、用户行为）及高维稀疏数据（推荐系统特征）时，面临特征工程复杂度高、模型泛化能力弱等挑战。本文聚焦大数据场景下数据挖掘与深度学习的融合技术，覆盖理论原理、算法实现、工程实践及行业应用，旨在帮助读者掌握如何利用深度学习解决大数据挖掘中的核心问题。

阅读 1.2k

13赞

收藏 20
作者推荐
毕设算法家
计算机项目开发，爱分享，爱开源
关注
fawubio_A
毕设帮助，资料分享，开题指导，疑问解答
关注
A毕设分享家
计算机研究生在读，擅长java web，SSM系统，小程序，APP开发，毕设帮助，欢迎打扰！
关注
计算机C9硕士_算法工程师
C9硕士-算法工程师［获取看文章底部］ （文章代码仅供参考）
关注
不会仰游的河马君
主要致力于深度学习目标检测数据集，并有偿提供目标检测代标注服务（私信有惊喜） 说明：项目内容以简介为准，若涉及代码，需要您有一定的基础能够看懂代码，能够自行调试修改代码并解决报错。本人工作较忙不常在线，不提供答疑服务，如需远程部署200米起包运行。
关注
IT古董
坚持不懈，努力分享！！！
关注
fpga和matlab
专业即算法，算法即数学，数学即万物。2007年开始从事MATLAB算法仿真工作，2010年开始从事FPGA系统/算法开发工作。擅长解决各种算法仿真、建模、通信、图像处理、AI、智能控制等各专业问题。
关注
q_3548885153
B站(UP主用户名)：计算机毕业设计之家，十多年程序猿资深互联网人，目前专注于Python/Java/大数据项目解决方案制定，提供各行业各编程语言的全套开发服务，喜爱code，喜爱分享，生命不止，编码不息！欢迎关注！
关注
Together_CZ
欲戴其冠，必承其重
关注
IT实战课堂小林学姐
IT实战课堂-项目资料网址: https://9lscw.xetlk.com/s/3h1s4d 毕业设计课程设计项目资料加老师主页或进去网站下载学习 学习交流群|v:itszkt|公众号:IT实战课堂 重磅福利:三连并关注老师的同学可加老师v赠送论文不限次数免费查重权限以及项目免费指导+答辩指导和答疑！
关注