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

    • yolo算法模型訓練的樣本怎樣構建？

      在進行模型訓練時，我們需要構造訓練樣本和設計損失函數(shù)，才能利用梯度下降對網絡進行訓練。將一幅圖片輸入到y(tǒng)olo模型中，對應的輸出是一個7x7x30張量，構建標簽label時對于原圖像中的每一個網格grid都需要構建一個30維的向量。對照下圖我們來構建目標向量：查看全文>>

      人工智能技術資訊2022-12-07 |黑馬程序員 |yolo算法模型訓練

    • 冒泡排序的原理是什么？怎樣實現(xiàn)冒泡排序【圖文演示】

      不斷地交換下去就可以將最大的那個數(shù)放到隊列的尾部。然后重頭再次交換，直到將數(shù)列排成有序數(shù)列。接下來我們以以數(shù)列[5, 9, 3, 1, 2, 8, 4, 7, 6]為例，演示冒泡排序的實現(xiàn)過程，最初的數(shù)列順序如下圖所示：查看全文>>

      人工智能技術資訊2022-10-19 |黑馬程序員 |冒泡排序,冒泡算法

    • 如何分析一段代碼的復雜度？【算法面試題】

      ?復雜度分析是估算算法執(zhí)行效率的方法，公式O(f(n))表示算法的復雜度，此方法即為大O復雜度表示法O(f(n))中n表示數(shù)據(jù)規(guī)模，f(n)表示運行算法所需要執(zhí)行的指令數(shù)。下面的代碼非常簡單,求 1,2,3…n 的累加和，我們要做的是估算它的執(zhí)行效率。查看全文>>

      人工智能技術資訊2022-10-18 |黑馬程序員 |算法復雜度分析

    • 什么是SVM算法？硬間隔和軟間隔的分類問題

      使用超平面進行分割數(shù)據(jù)的過程中，如果我們嚴格地讓所有實例都不在最大=大間隔之間，并且位于正確的一邊，這就是硬間隔分類。硬間隔分類有兩個問題，首先，它只在數(shù)據(jù)是線性可分離的時候才有效;其次，它對異常值非常敏感。查看全文>>

      人工智能技術資訊2022-09-07 |黑馬程序員 |SVM算法,硬間隔和軟間隔

    • Seaborn庫繪制單變量分布和雙變量分布

      Seaborn基于 Matplotlib核心庫進行了更高級的API封裝，可以輕松地畫出更漂亮的圖形，而Seaborn的漂亮主要體現(xiàn)在配色更加舒服，以及圖形元素的樣式更加細膩。查看全文>>

      人工智能技術資訊2022-09-07 |黑馬程序員 |Seaborn庫繪制單變量分布和雙變量分布圖

    • 什么是SOM？SOM聚類的應用

      SOM 即自組織映射，是一種用于特征檢測的無監(jiān)督學習神經網絡。它模擬人腦中處于不同區(qū)域的神經細胞 分工不同的特點，即不同區(qū)域具有不同的響應特征，而且這一過程是自動完成的。SOM 用于生成訓練樣本的低維 空間，可以將高維數(shù)據(jù)間復雜的非線性統(tǒng)計關系轉化為簡單的幾何關系，且以低維的方式展現(xiàn)，因此通常在降維問題中會使用它。查看全文>>

      人工智能技術資訊2022-07-15 |黑馬程序員 |SOM聚類的應用
和我們在線交談！