关于deeping learning概括（1，MIT学生，2，百度，余凯）

最新推荐文章于 2025-12-05 16:19:27 发布
转载 最新推荐文章于 2025-12-05 16:19:27 发布 · 740 阅读 · 1
文章标签：

#深度学习

Deeping Learning学习与感悟——《深度学习工程师》_5
Mr.鹏
03-02 725
在如今人工智能大热的时代，博主在前年暑假自学了网易云课堂上吴恩达教授讲授的《深度学习工程师》微专业课程，如今将具体的学习内容与课堂笔记记录下来，供小伙伴们一起学习交流，ヽ(✿ﾟ▽ﾟ)ノ~ 本篇文章记录的是第五部分《序列模型》。
《生成式深度学习》Generative Deeping Learning 笔记 第二章 深度学习
yanni0616的博客
08-01 2058
书本资源：链接：https://pan.baidu.com/s/1bUbQEndrHHWlRB_Cp_f7NA 提取码：rfit 基于keras和tensoflow框架来写的。 1. 三种最常用的损失函数：MSE(均方差)，categorical cross-entropy(分类交叉熵), and binary cross-entropy(二元交叉熵)。 选择依据： ...
Deeping Learning学习与感悟——《深度学习工程师》_4
Mr.鹏
03-02 983
在如今人工智能大热的时代，博主在前年暑假自学了网易云课堂上吴恩达教授讲授的《深度学习工程师》微专业课程，如今将具体的学习内容与课堂笔记记录下来，供小伙伴们一起学习交流，ヽ(✿ﾟ▽ﾟ)ノ~ 本篇文章记录的是第四部分《卷积神经网络》。
Deep Learning and Shallow Learning
ithome
08-27 650
原文地址：http://freemind.pluskid.org/machine-learning/deep-learning-and-shallow-learning/ 由于 Deep Learning 现在如火如荼的势头，在各种领域逐渐占据 state-of-the-art 的地位，上个学期在一门课的 project 中见识过了 deep learning 的...
经典神经网络--deepinglearning.ai
duxinyuhi的专栏
09-30 641
经典神经网络LeNetAlexNetVGG-16 LeNet 约6万个参赛 AlexNet 6000万个参数，能处理非常相似的基本构造模块 用了ReLu的激活函数 VGG-16 简化了神经网络结构，16个卷积层和全连接层， Conv = 33， filter， s=1，same MAX-Pool = 22， s=2 ...
deepin 开启22端口
来老师的专栏
08-30 2683
deepin,ssh,22端口
RPML和Deeping Learning打包下载，深度学习必读书目
12-26
标题中的"RPML"指的是《Probabilistic Machine Learning》（概率机器学习）的缩写，而"Deeping Learning"很可能是“Deep Learning”（深度学习）的拼写错误。这个压缩包显然包含了两本在AI领域非常重要的书籍，一本...
2023最新深度学习袖珍书《The Little Book of Deep Learning》.pdf
05-21
《The Little Book of Deep Learning》是一本由François Fleuret编写的深度学习袖珍书籍，旨在为读者提供深度学习的基础知识和技术概览。这本书共有140页，涵盖了深度学习的多个关键方面，包括机器学习基础、计算...
Matlab Deep Learning ebook Phil Kim
01-25
内含pdf 和epub两种格式电子书籍 MATLAB Deep Learning：With Machine Learning, Neural Networks and Artificial Intelligence
Deep Learning for Computer Vision - Introduction to Convolution Neural Networks
02-11
1. **卷积层**：卷积层是CNN的核心组成部分，通过一系列的小型滤波器（即核）对输入图像进行扫描，从而提取出图像中的局部特征。 2. **池化层**：池化层主要用于减少空间维度，同时保留最重要的信息。常用的池化操作...
deepin系统下开放指定端口
菜鸟爱飞不飞的博客
01-07 687
deepin 系统开放指定端口
Deeping下docker简单使用
weixin_34284188的博客
02-25 360
2019独角兽企业重金招聘Python工程师标准>>> ...
linux允许端口远程访问开放端口
热门推荐
kai__ye的博客
01-14 3万+
1.修改防火墙配置文件# vi /etc/sysconfig/iptableswq保存退出，重启防火墙service iptables restart这样6379端口就可以远程访问了2.linux命令开放端口添加一个开放端口如80端口 # sbin/iptables -I INPUT -p tcp --dport 80 -j ACCEPT保存设置/etc/rc.d/init.d/iptables s
【人工智能】【深度学习】④ Stable Diffusion核心算法解析：从DDPM到文本生成图像的飞跃
xiezhiyi007的专栏
12-02 1383
Stable Diffusion是AI绘画领域的革命性技术，其核心基于扩散模型：通过"拆快递"式的噪声添加（前向扩散）和"拼乐高"式的逐步去噪（逆向过程），实现从噪声到图像的构建。本文用快递分拣、乐高拼装等生活化类比，解析CLIP文本编码器（翻译文字指令）、VAE（图像压缩）和U-Net（智能拼图）三大核心组件。相比传统GAN模型，它避免模式崩溃，提升语义理解能力，成为文本生成图像的黄金标准。通过代码与架构图解析，帮助开发者快速掌握这项技术的核心逻辑。
深度学习1.4-pytorch安装
最新发布
诚朴勇毅
12-05 78
PyTorch 官方提供了几种安装方法，可以通过 pip 或 conda 进行安装。
深入浅出卷积神经网络（CNN）：从LeNet到Vision Transformer的演进及其实战应用
云雾J视界的博客
12-04 904
本文系统梳理卷积神经网络从LeNet到Vision Transformer的演进脉络，聚焦“为何选用ResNet而非VGG”这一典型面试问题，揭示其背后的技术选型逻辑。文章基于CVPR、ICLR等顶会论文及MLPerf等公开基准，深入剖析四代架构——奠基（LeNet/AlexNet）、深度爆发（VGG/ResNet）、效率觉醒（MobileNet）与注意力时代（ViT/ConvNeXt）的核心创新与工程权衡。
RNN、LSTM 区别
Bojun Jiang的博客
12-02 739
对比维度传统 RNNLSTM（长短期记忆网络）核心结构单一隐藏状态（h），无门控机制细胞状态（长期记忆）+ 隐藏状态（短期记忆）+ 3 个门控长距离依赖能力弱（梯度消失 / 爆炸，记不住长远信息）强（门控 + 细胞状态稳定传递长距离信息）参数复杂度低（结构简单，参数少）高（多了门控参数，计算量更大）训练难度易训练（参数少）但效果差（长序列）难训练（参数多、计算量大）但效果好（长序列）适用场景短序列数据（如 10 个词以内的短句、短时序）
深度学习1.1-软件安装-Anaconda软件与pyCharm软件安装
诚朴勇毅
12-03 598
为了研究深度学习与信号处理的结合，我又开始搞起了深度学习，博一的时候浅试过一次都失败了，这次打算学习一下Pytorch和一些最新的网络，好好做几篇论文。首先就是搭环境。我先安装了一个Anaconda，从网上搜了一大堆，我的理解是，Anaconda就是一个包管理器，因为pythoh版本太多了，而且要装的包也很多，各种包之间容易产生冲突，为了杜绝这个问题，我们可以安装一个Anaconda，它就像一个虚拟机，可以创建不同的操作系统，我们创建的不同任务和工程可以跑在不同的环境下。
请学习halcon中关于深度学习的例程，然后给我一个示例代码，要求算子符合要求。我已经使用DLT即deeping learning tools，并且导出数据，包括HDL、HDICT文件，我的需求是你分析这些图片，计算DLT标注区域与我用阈值分割提取的缺陷区域的交集，即IoU大小。
02-27
### 使用 Halcon 进行深度学习 DLT 示例代码 为了实现基于Halcon的深度学习工具(DLT)，并计算由DLT导出的数据(HDL、HDICT文件)中标注区域与通过阈值分割得到的缺陷区域之间的交并比(IoU)[^1]，可以按照如下方法编写代码： ```cpp #include "halcon.h" void CalculateIoU(const char* hdlFilePath, const char* hdicFilePath) { HObject ho_Image; HTuple hv_IoU; // 读取图像数据 read_image(&ho_Image, "path_to_defect_image"); // 加载模型和字典配置 HHOCModel hhoc_Model; read_hdic(hdicFilePath, &hhoc_Model); // 导入标注数据 HObject ho_Annotations; read_hdict(hdlFilePath, &ho_Annotations); // 预处理输入图片 reduce_domain(ho_Image, ho_Annotations, &ho_ImageReduced); // 应用阈值分割算法来检测缺陷区 threshold(ho_ImageReduced, &ho_RegionsThreshold, MinGrayValue, MaxGrayValue); // 获取真实标签区域 intersection(ho_Annotations, ho_RegionsThreshold, &ho_IntersectionRegion); union1(ho_Annotations, ho_RegionsThreshold, &ho_UnionRegion); // 计算面积用于求解IoU area_center(ho_IntersectionRegion, &hv_AreaIntersect, NULL, NULL, NULL); area_center(ho_UnionRegion, &hv_AreaUnion, NULL, NULL, NULL); // 计算最终IoU得分 hv_IoU = hv_AreaIntersect / hv_AreaUnion; printf("The Intersection over Union score is %f\n", hv_IoU.D()); } ``` 上述C++程序展示了如何加载预先训练好的深度学习模型以及相应的词典文件，并执行必要的预处理操作以便于后续分析。接着应用简单的二值化技术识别可能存在的瑕疵位置；最后比较这些预测出来的瑕疵范围同原始标记信息间的重叠程度即为所求IoU。 请注意，在实际部署前需调整`read_image()`函数中的路径参数指向具体的待测样本图档地址，并适当设置最小最大灰阶界限(`MinGrayValue`, `MaxGrayValue`)以适应不同应用场景下的需求特性。
评论
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