AI
关注
分享
扫一扫
文章平均质量分 70
非小号
这个作者很懒，什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
多模态分类案例实现
以下是基于飞桨平台实现的多模态分类详细案例，结合图像和文本信息进行分类任务。这个案例展示了如何结合图像和文本信息进行多模态分类，您可以根据实际需求调整模型架构和数据集。原创 2025-06-10 17:35:36 · 650 阅读 · 0 评论 -
PaddleNLP 的文本分类项目
以下是一个基于 PaddleNLP 的文本分类项目，按照标准工程结构组织，并包含测试数据集和完整流程。这个示例使用ERNIE模型处理IMDB电影评论情感分析任务。这个项目结构清晰，模块化程度高，便于扩展和维护，可以作为NLP项目的基础框架。原创 2025-05-27 14:21:35 · 675 阅读 · 0 评论 -
PaddleX 使用案例
以下是一个使用 PaddleX 进行图像分类任务的完整示例，包含数据准备、模型训练、评估和预测的全流程。原创 2025-05-27 09:24:23 · 297 阅读 · 0 评论 -
BERT分类器和朴素贝叶斯分类器比较
预训练模型代表了当前NLP的前沿技术，适合追求高性能的复杂场景；而朴素贝叶斯作为经典算法，在资源受限和简单任务中仍有不可替代的价值。选择时需根据数据规模、任务复杂度、实时性要求和资源限制综合权衡。对于资源受限场景，可使用预训练模型的轻量级变体（如DistilBERT）或结合特征工程增强朴素贝叶斯的表现。原创 2025-05-26 17:52:21 · 1089 阅读 · 0 评论 -
协同过滤算法本质？
协同过滤的核心实质是利用群体行为的“协同性”挖掘隐含的兴趣关联，通过“用户-用户”或“物品-物品”的相似性实现推荐。其本质是一种“数据驱动”的方法，依赖大规模交互数据，是推荐系统中最经典的算法之一。原创 2025-05-26 17:28:32 · 570 阅读 · 0 评论 -
协同过滤实现电影推荐
以下是一个基于用户和物品的协同过滤算法实现电影推荐系统的Python示例。该示例包含数据处理、相似度计算和推荐生成等核心功能。你可以根据实际需求扩展此代码，例如添加降维技术（SVD）处理大规模数据，或使用更复杂的相似度计算方法。方法为指定用户生成推荐。代码中包含了示例数据和使用方式，方便理解和测试。方法训练模型，然后使用。原创 2025-05-26 17:18:59 · 367 阅读 · 0 评论 -
ResNet、MobileNet、YOLOv3、DeepLabv3+ 比较
原创 2025-05-23 15:48:17 · 1120 阅读 · 0 评论 -
PaddleX 使用案例
通过以上案例可以看出，PaddleX通过封装底层细节，使开发者能够专注于业务问题，大幅降低AI项目落地门槛，尤其适合政府、学校等需要快速验证和部署的场景。：将卫星图像中的土地类型（森林、水域、城市、农田等）进行像素级分类。：识别可回收垃圾、有害垃圾、厨余垃圾和其他垃圾四类图片。：识别道路上的各类交通标志（限速、禁止通行、转弯等）。原创 2025-05-23 13:54:40 · 936 阅读 · 0 评论 -
飞桨（PaddlePaddle）在机器学习全流程（数据采集、处理、标注、建模、分析、优化）
飞桨通过全流程工具链和中文生态优势，尤其适合国内政务、金融、教育等领域的落地场景，同时提供从数据到部署的一站式解决方案，降低企业级AI开发门槛。原创 2025-05-23 11:27:18 · 2456 阅读 · 0 评论 -
Python、PyTorch、TensorFlow和飞桨（PaddlePaddle）的核心介绍及对比
无论选择哪个框架，掌握Python基础和深度学习原理是关键，框架本身只是工具，核心是解决实际问题的能力。原创 2025-05-23 11:23:54 · 1356 阅读 · 0 评论 -
sklearn分类场景案例01
【代码】sklearn分类场景案例01。原创 2025-05-22 17:30:30 · 269 阅读 · 0 评论 -
文本分类模型常规用法
文本分类是自然语言处理（NLP）中的常见任务，模型的选择和建立需要结合数据特点、任务需求和计算资源。通过以上流程，可根据具体需求选择高效的文本分类模型，并逐步优化至业务可用状态。原创 2025-05-22 16:53:54 · 881 阅读 · 0 评论 -
scikit-learn pytorch transformers 区别与联系
scikit-learn pytorch transformers 区别与联系原创 2025-05-22 10:07:34 · 1001 阅读 · 0 评论