事实胜于雄辩,苹果MacOs能不能玩儿机器/深度(ml/dl)学习(Python3.10/Tensorflow2)
坊间有传MacOs系统不适合机器(ml)学习和深度(dl)学习，这是板上钉钉的刻板印象，就好像有人说女生不适合编程一样的离谱。现而今，无论是Pytorch框架的MPS模式，还是最新的Tensorflow2框架，都已经可以在M1/M2芯片的Mac系统中毫无桎梏地使用GPU显卡设备，本次我们来分享如何在 »
开源项目audioFlux: 针对音频领域的深度学习工具库
目录 时频变换 频谱重排 倒谱系数 解卷积 谱特征 音乐信息检索 audioFlux是一个Python和C实现的库，提供音频领域系统、全面、多维度的特征提取与组合，结合各种深度学习网络模型，进行音频领域的业务研发，下面从时频变换、频谱重排、倒谱系数、解卷积、谱特征、音乐信息检索六个方面简单阐 »
深度学习之PyTorch实战（5）——对CrossEntropyLoss损失函数的理解与学习
其实这个笔记起源于一个报错，报错内容也很简单，希望传入一个三维的tensor，但是得到了一个四维。 RuntimeError: only batches of spatial targets supported (3D tensors) but got targets of dimensio »
ChatGPT，我彻彻底底沦陷了！
当谈到人工智能技术的时候，我们会经常听到GPT这个术语。它代表“Generative Pre-trained Transformer”，是一种机器学习模型，采用了神经网络来模拟人类语言的理解和生成。但是与其他GPT不同的是chatgpt，它是专门设计用于自然语言对话的GPT模型。在以下三个方面，我们 »
深度学习——使用卷积神经网络改进识别鸟与飞机模型
准备数据集：从CIFAR-10抽离鸟与飞机的图片 from torchvision import datasets from torchvision import transforms data_path = './data' # 加载训练集 cifar10 = datasets.CIFAR10(r ... »
机器学习（四）：4层BP神经网络（只用numpy不调包）用于训练鸢尾花数据集|准确率96%
题目： 设计四层BP网络，以g(x)=sigmoid(x)为激活函数， 神经网络结构为：[4，10，6, 3]，其中，输入层为4个节点，第一个隐含层神经元个数为10个节点；第二个隐含层神经元个数为6个节点，输出层为3个节点 利用训练数据iris-train.txt对BP神经网络分别进行训 »
深度学习基础入门篇[一]：神经元简介、单层多层感知机、距离计算方法式、相似度函数
深度学习基础入门篇[一]：神经元简介、单层多层感知机、距离计算方法式、相似度函数 深度学习基础入门篇[一]：神经元简介、单层多层感知机、距离计算方法式、相似度函数 1.神经元 在生物学中，神经元细胞有兴奋与抑制两种状态。大多数神经元细胞在正常情况下处于抑制状态，一旦某个神经元受到刺激并且 »
一个有效的图表图像数据提取框架
View Post 一个有效的图表图像数据提取框架 建立了可以有效地处理各种图表数据，而不需要做出启发式的假设的鲁棒 Box detector 系统；提出了一种网络来测量图例匹配阶段图例和检测元素之间 »
构建基于深度学习神经网络协同过滤模型(NCF)的视频推荐系统(Python3.10/Tensorflow2.11)
毋庸讳言，和传统架构(BS开发/CS开发)相比，人工智能技术确实有一定的基础门槛，它注定不是大众化，普适化的东西。但也不能否认，人工智能技术也具备像传统架构一样“套路化”的流程，也就是说，我们大可不必自己手动构建基于神经网络的机器学习系统，直接使用深度学习框架反而更加简单，深度学习可以帮助我们自动地 »
机器学习（三）：朴素贝叶斯＋贝叶斯估计+BP人工神经网络习题手算|手工推导与习题计算
1.有 1000 个水果样例. 它们可能是香蕉，橙子或其它水果，已知每个水果的 3 种特性:是否偏长、是否甜、颜色是否是黄色 类型 长 不长 甜 不甜 黄色 非黄 Total 香蕉 400 100 350 150 450 50 500 橙子 0 300 150 150 300 0 30 »
深度学习之PyTorch实战（4）——迁移学习
（这篇博客其实很早之前就写过了，就是自己对当前学习pytorch的一个教程学习做了一个学习笔记，一直未发现，今天整理一下，发出来与前面基础形成连载，方便初学者看，但是可能部分pytorch和torchvision的API接口已经更新了，导致部分代码会产生报错，但是其思想还是可以借鉴的。 因为其中 »
深度学习之PyTorch实战（4）——迁移学习
（这篇博客其实很早之前就写过了，就是自己对当前学习pytorch的一个教程学习做了一个学习笔记，一直未发现，今天整理一下，发出来与前面基础形成连载，方便初学者看，但是可能部分pytorch和torchvision的API接口已经更新了，导致部分代码会产生报错，但是其思想还是可以借鉴的。 因为其中 »
怎么在conda虚拟环境中配置cuda+cudnn+pytorch深度学习环境
本文小编为大家详细介绍“怎么在conda虚拟环境中配置cuda+cudnn+pytorch深度学习环境”，内容详细，步骤清晰，细节处理妥当，希望这篇“怎么在conda虚拟环境中配置cuda+cudnn+pytorch深度学习环境”文章能帮助大家解决疑惑，下面跟着小编的思路慢慢深入，一起来学习新知识吧 »
如何在conda虚拟环境中配置cuda+cudnn+pytorch深度学习环境
首先，我们要明确，我们是要在虚拟环境中安装cuda和cuDNN！！！只需要在虚拟环境中安装就可以了。 下面的操作默认你安装好了python 一、conda创建并激活虚拟环境 前提：确定你安装好了anaconda并配置好了环境变量，如果没有，网上有很多详细的配置教程，请自行学习 在cmd命令提 »
通俗的讲解深度学习中CUDA,cudatookit,cudnn和pytorch的关系
目录 CUDA CUDA Toolkit cuDNN Pytorch 如果你在读上面的一些名词的时候感觉模糊不清，那么可以直接来看下面的总结。（当然还是建议把不懂的地方搜索明白） CUDA CUDA是显卡厂商NVIDIA推出的运算平台。CUDA™是一种由NVIDIA推出的通用并行计算架构， »
基于深度学习的车型识别系统（Python+清新界面+数据集）
基于深度学习的车型识别系统用于识别不同类型的车辆，应用YOLO V5算法根据不同尺寸大小区分和检测车辆，并统计各类型数量以辅助智能交通管理。本文详细介绍车型识别系统，在介绍算法原理的同时，给出Python的实现代码以及PyQt的UI界面。在界面中可以选择各种图片、视频进行检测识别；可对图像中存在的多 »
基于深度学习的智能PCB板缺陷检测系统（Python+清新界面+数据集）
智能PCB板缺陷检测系统用于智能检测工业印刷电路板（PCB）常见缺陷，自动化标注、记录和保存缺陷位置和类型，以辅助电路板的质检。本文详细介绍智能PCB板缺陷检测系统，在介绍算法原理的同时，给出Python的实现代码以及PyQt的UI界面和训练数据集。在界面中可以选择各种图片、视频进行检测识别；可对图 »
基于深度学习的智能PCB板缺陷检测系统（Python+清新界面+数据集）
智能PCB板缺陷检测系统用于智能检测工业印刷电路板（PCB）常见缺陷，自动化标注、记录和保存缺陷位置和类型，以辅助电路板的质检。本文详细介绍智能PCB板缺陷检测系统，在介绍算法原理的同时，给出Python的实现代码以及PyQt的UI界面和训练数据集。在界面中可以选择各种图片、视频进行检测识别；可对图 »
深度学习——基础入门
深度学习-基础 基础环境配置Anaconda 主要应用其中的两个组件： 1.Anaconda prompt 用来安装包（框架） 2.Jupyter notebook 网页版的编译器，（可以通过修改属性，更改根目录） www.image-net.org 机器学习的基本路线 一个图像分为 长h 宽w »
深度学习——基础入门
深度学习-基础 基础环境配置Anaconda 主要应用其中的两个组件： 1.Anaconda prompt 用来安装包（框架） 2.Jupyter notebook 网页版的编译器，（可以通过修改属性，更改根目录） www.image-net.org 机器学习的基本路线 一个图像分为 长h 宽w »