完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>
標(biāo)簽 > 數(shù)據(jù)集
文章:1163個(gè) 瀏覽:26075次 帖子:33個(gè)
新方法開啟了多種語(yǔ)言快速翻譯、精準(zhǔn)翻譯的大門
用無(wú)監(jiān)督的雙語(yǔ)詞典推斷法進(jìn)行詞對(duì)詞翻譯并不是好的翻譯方法,因?yàn)樵~語(yǔ)可能會(huì)丟失,或打亂順序,或出現(xiàn)錯(cuò)誤。但是,它能最大程度地保留文本的意思。我們可以用語(yǔ)言...
2018-10-04 標(biāo)簽:機(jī)器翻譯數(shù)據(jù)集 3.8k 0
谷歌開源了一款工具名為What-If,無(wú)需編寫代碼就能分析一款機(jī)器學(xué)習(xí)模型
What-If工具有多種功能,包括用Facets自動(dòng)對(duì)你的數(shù)據(jù)集進(jìn)行可視化、從數(shù)據(jù)集中手動(dòng)編輯樣本的能力以及觀察這些變化帶來(lái)的影響、并且自動(dòng)生成part...
2018-09-24 標(biāo)簽:谷歌機(jī)器學(xué)習(xí)數(shù)據(jù)集 3.8k 0
以KaggleDays數(shù)據(jù)集為例,編碼方法介紹
每個(gè)question_id對(duì)應(yīng)一個(gè)具體問(wèn)題(見question_text)。每個(gè)question_id可能出現(xiàn)多次,因?yàn)槊恳恍邪瑢?duì)這一問(wèn)題的一個(gè)不同回...
2018-11-22 標(biāo)簽:編碼機(jī)器學(xué)習(xí)數(shù)據(jù)集 3.8k 0
一種無(wú)需監(jiān)督的目標(biāo)追蹤新方法——給視頻上色
為了訓(xùn)練我們的系統(tǒng),我們用的是Kinestics數(shù)據(jù)集中的視頻,該數(shù)據(jù)集中的視頻記錄的大多是日?;顒?dòng)。我們把視頻中除了第一幀之外的所有幀都轉(zhuǎn)換成了灰調(diào),...
2018-07-02 標(biāo)簽:谷歌神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)集 3.8k 0
如何基于深度學(xué)習(xí)模型訓(xùn)練實(shí)現(xiàn)圓檢測(cè)與圓心位置預(yù)測(cè)
Hello大家好,今天給大家分享一下如何基于深度學(xué)習(xí)模型訓(xùn)練實(shí)現(xiàn)圓檢測(cè)與圓心位置預(yù)測(cè),主要是通過(guò)對(duì)YOLOv8姿態(tài)評(píng)估模型在自定義的數(shù)據(jù)集上訓(xùn)練,生成一...
2023-12-21 標(biāo)簽:數(shù)據(jù)集命令行深度學(xué)習(xí) 3.8k 0
當(dāng)我們面對(duì)更大的數(shù)據(jù)集時(shí),我們需要對(duì)「dtypes」進(jìn)行轉(zhuǎn)換,從而節(jié)省內(nèi)存。如果你有興趣學(xué)習(xí)如何使用「Pandas」來(lái)處理大數(shù)據(jù),我強(qiáng)烈推薦你閱讀「Wh...
2019-01-23 標(biāo)簽:函數(shù)數(shù)據(jù)集數(shù)據(jù)科學(xué) 3.7k 0
TensorFlow發(fā)表推文正式發(fā)布TensorFlow v1.9
其中有兩個(gè)案例受到了大家的廣泛關(guān)注,這個(gè)項(xiàng)目是通過(guò) Colab 在 tf.keras 中訓(xùn)練模型,并通過(guò)TensorFlow.js 在瀏覽器中運(yùn)行;最近...
2018-07-16 標(biāo)簽:數(shù)據(jù)集TensorFlow 3.7k 0
基于TensorFlow的數(shù)據(jù)導(dǎo)入機(jī)制
如上代碼所示,range()是tf.data.Dataset類的一個(gè)靜態(tài)函數(shù),用于產(chǎn)生一段序列。需要注意的是,構(gòu)建的數(shù)據(jù)集需要是同一種數(shù)據(jù)類型以及內(nèi)部結(jié)...
2018-04-02 標(biāo)簽:數(shù)據(jù)集TensorFlow 3.7k 0
大型語(yǔ)言模型(LLM)的自定義訓(xùn)練:包含代碼示例的詳細(xì)指南
近年來(lái),像 GPT-4 這樣的大型語(yǔ)言模型 (LLM) 因其在自然語(yǔ)言理解和生成方面的驚人能力而受到廣泛關(guān)注。但是,要根據(jù)特定任務(wù)或領(lǐng)域定制LLM,定制...
2023-06-12 標(biāo)簽:GPUpython數(shù)據(jù)集 3.7k 0
這次的實(shí)戰(zhàn)使用的數(shù)據(jù)是交通標(biāo)志數(shù)據(jù)集,共有62類交通標(biāo)志。其中訓(xùn)練集數(shù)據(jù)有4572張照片(每個(gè)類別大概七十個(gè)),測(cè)試數(shù)據(jù)集有2520張照片(每個(gè)類別大概...
2019-07-18 標(biāo)簽:數(shù)據(jù)集pytorch 3.7k 0
關(guān)于GAN模型我們還要可以深入了解、探討哪些問(wèn)題?
大多數(shù) GAN 研究都廣泛應(yīng)用于圖像合成。特別是在部分標(biāo)準(zhǔn)圖像數(shù)據(jù)集上訓(xùn)練 GAN,如 MNIST,CIFAR-10,STL-10,CelebA和Ima...
2019-05-05 標(biāo)簽:GaN模型數(shù)據(jù)集 3.7k 0
英偉達(dá)再出黑魔法GauGAN:憑借幾根線條,草圖秒變風(fēng)景照
在幾個(gè)具有挑戰(zhàn)性的數(shù)據(jù)集上的實(shí)驗(yàn)表明,與現(xiàn)有方法相比,SPADE 在視覺(jué)保真度和與輸入布局的對(duì)齊方面具有優(yōu)勢(shì)。最后,我們的模型允許用戶輕松地控制合成結(jié)果...
2019-05-01 標(biāo)簽:代碼數(shù)據(jù)集英偉達(dá) 3.6k 0
如何使用TensorFlow Hub文本模塊構(gòu)建一個(gè)模型,以根據(jù)相關(guān)描述預(yù)測(cè)電影類型
您所選擇的預(yù)訓(xùn)練文本嵌入是您模型中的一個(gè)超參數(shù),所以最好用不同的文本嵌入進(jìn)行試驗(yàn),看看哪個(gè)的準(zhǔn)確性最高。先從用與您的文本最接近的文本訓(xùn)練過(guò)的模型開始。由...
2018-09-07 標(biāo)簽:數(shù)據(jù)集TensorFlow遷移學(xué)習(xí) 3.6k 0
少樣本圖像翻譯器 G 由一個(gè)內(nèi)容編碼器 Ex,一個(gè)類編碼器 Ey 和一個(gè)解碼器 Fx 構(gòu)成。其中內(nèi)容編碼器由多個(gè) 2D 卷積層和多個(gè)殘差塊(residu...
2019-05-14 標(biāo)簽:編碼器圖像數(shù)據(jù)數(shù)據(jù)集 3.6k 0
使用AI方面的知識(shí)來(lái)改進(jìn)人類智能
在許多機(jī)器學(xué)習(xí)任務(wù)中,我們使用一種稱為梯度下降的優(yōu)化算法。這是機(jī)器實(shí)際學(xué)習(xí)的方式。理解這一算法的基礎(chǔ)很容易。它是一個(gè)迭代算法,逐步逼近答案。它從做出一個(gè)...
2018-11-21 標(biāo)簽:人工智能機(jī)器學(xué)習(xí)數(shù)據(jù)集 3.6k 0
GAN又開辟了新疆界,MirrorGAN有多強(qiáng)?
與基本圖像生成問(wèn)題相反,T2I生成以文本描述為條件,而不是僅從噪聲開始。利用GAN的強(qiáng)大功能,業(yè)界已經(jīng)提出了不同的T2I方法來(lái)生成視覺(jué)上逼真的和文本相關(guān)...
2019-03-18 標(biāo)簽:GaN鑒別器數(shù)據(jù)集 3.6k 0
慢慢的,隨著Nets越來(lái)越老,越來(lái)越聰明,他們開始在See-Far中發(fā)現(xiàn)越來(lái)越多的信號(hào)模式。他們發(fā)現(xiàn)的每個(gè)新模式都能幫他們更準(zhǔn)確地對(duì)數(shù)據(jù)集進(jìn)行分類。由于...
2019-05-15 標(biāo)簽:圖像機(jī)器學(xué)習(xí)數(shù)據(jù)集 3.6k 0
如何把握設(shè)計(jì)與功能之間的平衡,創(chuàng)建出簡(jiǎn)潔直觀的可視化圖像?
這個(gè)例子告訴我們,在可視化數(shù)據(jù)之前,多問(wèn)問(wèn)自己可視化的目的會(huì)幫我們更好地選擇圖表??梢暬瘓D像不應(yīng)該只是一堆漫無(wú)目的、沒(méi)有重點(diǎn)的圖形,我們不一定要在上面呈...
2018-11-10 標(biāo)簽:可視化數(shù)據(jù)集 3.6k 0
基于對(duì)圖片的語(yǔ)音描述,可以學(xué)習(xí)在圖片中辨認(rèn)目標(biāo)物體
這項(xiàng)工作是Harwath等人早期一項(xiàng)研究的擴(kuò)展,他們當(dāng)時(shí)研究將語(yǔ)音與相關(guān)主題的圖片相連接。在早期研究中,他們從Mechanical Turk平臺(tái)的分類數(shù)...
2018-10-04 標(biāo)簽:語(yǔ)音識(shí)別機(jī)器學(xué)習(xí)數(shù)據(jù)集 3.5k 0
使用更“時(shí)尚”的數(shù)據(jù)開啟機(jī)器學(xué)習(xí)的 Hello World 之門
也許是我們的模型需要更大一些來(lái)容納如此搞復(fù)雜度的模型?抑或訓(xùn)練應(yīng)該更少一些?我們來(lái)試試看。經(jīng)過(guò)屢次調(diào)試微參數(shù),模型的失真度突破性降低了,并且比線性模型得...
2018-06-13 標(biāo)簽:線性機(jī)器學(xué)習(xí)數(shù)據(jù)集 3.5k 0
換一批
編輯推薦廠商產(chǎn)品技術(shù)軟件/工具OS/語(yǔ)言教程專題
| 電機(jī)控制 | DSP | 氮化鎵 | 功率放大器 | ChatGPT | 自動(dòng)駕駛 | TI | 瑞薩電子 |
| BLDC | PLC | 碳化硅 | 二極管 | OpenAI | 元宇宙 | 安森美 | ADI |
| 無(wú)刷電機(jī) | FOC | IGBT | 逆變器 | 文心一言 | 5G | 英飛凌 | 羅姆 |
| 直流電機(jī) | PID | MOSFET | 傳感器 | 人工智能 | 物聯(lián)網(wǎng) | NXP | 賽靈思 |
| 步進(jìn)電機(jī) | SPWM | 充電樁 | IPM | 機(jī)器視覺(jué) | 無(wú)人機(jī) | 三菱電機(jī) | ST |
| 伺服電機(jī) | SVPWM | 光伏發(fā)電 | UPS | AR | 智能電網(wǎng) | 國(guó)民技術(shù) | Microchip |
| Arduino | BeagleBone | 樹莓派 | STM32 | MSP430 | EFM32 | ARM mbed | EDA |
| 示波器 | LPC | imx8 | PSoC | Altium Designer | Allegro | Mentor | Pads |
| OrCAD | Cadence | AutoCAD | 華秋DFM | Keil | MATLAB | MPLAB | Quartus |
| C++ | Java | Python | JavaScript | node.js | RISC-V | verilog | Tensorflow |
| Android | iOS | linux | RTOS | FreeRTOS | LiteOS | RT-THread | uCOS |
| DuerOS | Brillo | Windows11 | HarmonyOS |