首頁最新資訊

全部 人工智能學科動態(tài) 人工智能技術資訊 人工智能常見問題 技術問答

    • 深度學習：tf.keras實現(xiàn)模型搭建、模型訓練和預測

      在sklearn中，模型都是現(xiàn)成的。tf.Keras是一個神經(jīng)網(wǎng)絡庫,我們需要根據(jù)數(shù)據(jù)和標簽值構建神經(jīng)網(wǎng)絡。神經(jīng)網(wǎng)絡可以發(fā)現(xiàn)特征與標簽之間的復雜關系。神經(jīng)網(wǎng)絡是一個高度結(jié)構化的圖，其中包含一個或多個隱藏層。每個隱藏層都包含一個或多個神經(jīng)元。神經(jīng)網(wǎng)絡有多種類別，該程序使用的是密集型神經(jīng)網(wǎng)絡，也稱為全連接神經(jīng)網(wǎng)絡：一個層中的神經(jīng)元將從上一層中的每個神經(jīng)元獲取輸入連接。查看全文>>

      人工智能技術資訊2023-03-07 |黑馬程序員 |模型訓練,深度學習

    • 微調(diào)模型來完成熱狗識別的圖像分類任務

      我們來實踐一個具體的例子：熱狗識別。將基于一個小數(shù)據(jù)集對在ImageNet數(shù)據(jù)集上訓練好的ResNet模型進行微調(diào)。該小數(shù)據(jù)集含有數(shù)千張熱狗或者其他事物的圖像。我們將使用微調(diào)得到的模型來識別一張圖像中是否包含熱狗。查看全文>>

      人工智能技術資訊2023-03-06 |黑馬程序員 |圖像分類任務案例

    • Seaborn中怎樣繪制雙變量分布圖？

      兩個變量的二元分布可視化也很有用。在 Seaborn中最簡單的方法是使用 jointplot()函數(shù)，該函數(shù)可以創(chuàng)建一個多面板圖形，比如散點圖、二維直方圖、核密度估計等，以顯示兩個變量之間的雙變量關系及每個變量在單坐標軸上的單變量分布。查看全文>>

      人工智能技術資訊2023-03-06 |黑馬程序員 |Seaborn繪制雙變量分布圖

    • HMM與CRF模型的使用過程有哪些差異？

      在NLP領域, HMM用來解決文本序列標注問題. 如分詞, 詞性標注, 命名實體識別都可以看作是序列標注問題。同HMM一樣, CRF一般也以文本序列數(shù)據(jù)為輸入, 以該序列對應的隱含序列為輸出。查看全文>>

      人工智能技術資訊2023-02-03 |黑馬程序員 |HMM與CRF模型的差異

    • AI人工智能培訓：AlexNet手寫數(shù)字圖像識別

      圖像分類實質(zhì)上就是從給定的類別集合中為圖像分配對應標簽的任務。也就是說我們的任務是分析一個輸入圖像并返回一個該圖像類別的標簽。假定類別集為categories = {dog, cat, panda}，之后我們提供一張圖片給分類模型，如下圖所示：查看全文>>

      人工智能技術資訊2022-12-07 |傳智教育 |圖像分類,AlexNet對手寫數(shù)字圖像的識別

    • 什么是yolo?Yolo算法的網(wǎng)絡結(jié)構

      YOLO系列算法是一類典型的one-stage目標檢測算法，其利用anchor box將分類與目標定位的回歸問題結(jié)合起來，從而做到了高效、靈活和泛化性能好，所以在工業(yè)界也十分受歡迎，接下來我們介紹YOLO 系列算法。查看全文>>

      人工智能技術資訊2022-12-07 |黑馬程序員 |什么是yolo算法,Yolo算法網(wǎng)絡結(jié)構
和我們在線交談！