腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
数据派THU
专栏作者
举报
2138
文章
1922985
阅读量
188
订阅数
订阅专栏
申请加入专栏
全部文章
神经网络
机器学习
深度学习
人工智能
数据
编程算法
大数据
模型
https
网络安全
python
NLP 服务
数据分析
算法
其他
开源
论文
安全
函数
强化学习
数据处理
数据库
github
工作
系统
图像处理
网络
监督学习
腾讯云测试服务
企业
机器人
设计
sql
优化
git
变量
pytorch
开发
http
基础
框架
统计
数据安全
数据结构
翻译
tensorflow
数据可视化
学习方法
存储
chatgpt
软件
卷积神经网络
工具
性能
数据挖掘
线性回归
tcp/ip
测试
数据科学
自动化
实践
网站
游戏
腾讯云开发者社区
架构
视频
连接
决策树
可视化
知识图谱
图像识别
服务
区块链
html
api
linux
医疗
推荐系统
物联网
搜索
自动驾驶
numpy
特征工程
行业
云计算
对象
无人驾驶
opencv
gpt
管理
计算机
数学
原理
css
分布式
keras
迁移学习
事件
人脸识别
编码
代理
c++
硬件开发
matlab
apache
机器翻译
微信
5g
产品
解决方案
ide
批量计算
程序
集合
教程
量化
java
javascript
go
r 语言
文件存储
缓存
微服务
汽车
编程
科技
内存
渲染
scikit-learn
聚类算法
pandas
研发
异常
.net
SSL 证书
容器
爬虫
无监督学习
data
创业
技巧
计算机视觉
数据类型
图表
信息安全
LLM
ios
bash
android
金融
工业物联
spark
hadoop
正则表达式
架构设计
教育
互联网
计算机科学
脚本
开发者
索引
通信
效率
语音识别
数字货币
php
nosql
访问管理
运维
黑客
markdown
nat
jupyter notebook
分类算法
迁移
com
model
表格
部署
内核
压缩
语法
原型
c 语言
node.js
ajax
typescript
搜索引擎
日志服务
erp
单元测试
kernel
模式识别
uml
小程序
windows
系统架构
信息流
安全治理
联邦学习
隐私计算
app
atomic
function
gpu
graph
nlp
patch
png
precision
prompt
token
编程语言
插件
程序员
递归
二维码
工程师
监控
排序
配置
日志
硬件
字符串
最佳实践
对象存储
iphone
bootstrap
xml
unix
bash 指令
mapreduce
TDSQL MySQL 版
文字识别
DevOps 解决方案
电商
hive
面向对象编程
unity
asp
自动化测试
anaconda
kafka
虚拟化
性能测试
数据库管理
智能网联
abstract
apply
entity
google
max
point
predict
scale
series
target
time
vi
百度
编译
布局
低代码
地图
动态规划
公众号
工作流
规范化
接口
量子计算
入门
手机
数据仓库
数组
芯片
音频
隐私
语音
云平台
数据流
ICP备案
费用中心
云镜(主机安全)
官方文档
比特币
scala
jquery
opengl
qt
单片机
arm
嵌入式
composer
云数据库 SQL Server
oracle
django
打包
全文检索
windows server
容器镜像服务
spring
短视频
消息队列 CMQ 版
检测工具
人脸支付
高性能计算
政务云专区
智能交通
出行
智能硬件
yarn
云联网
serverless
devops
shell
jdbc
二叉树
flash
scrapy
敏捷开发
canvas
processing
云数据库 postgresql
云数据仓库套件 sparkling
flutter
app安全
腾讯会议
sdk
rust
模型测试
验证码
数据集成
图像搜索
图像分析
数据湖
智慧交通
智能制造
小程序·云开发
大模型视频创作引擎
项目管理
腾讯云
acm
add
agent
aigc
alpha
auto
aws
bit
block
byte
chatbot
chrome
convolution
cto
cut
cv2
database
dbpedia
debug
dt
epoch
etl
eval
facebook
file
im
image
implicit
jupyter
kaggle
lag
layer
lift
lstm
matplotlib
min
mips
mnist
models
mysql
network
nodes
nvidia
oceanbase
ode
partial
pdf
persistence
pipeline
probability
pycharm
range
report
reset
scaling
seaborn
self
sequence
show
simulation
size
state
statistics
structure
summary
task
text
torch
twitter
wav
word
worker
wsdl
yaml
yolo
youtube
zero
百度地图
版本控制
备份
闭包
笔记
编译器
登录
动画
队列
二进制
反射
服务器
高性能
工程化
后端
后台
计算机图形学
架构师
加密
金融科技
镜像
客户端
跨域
蓝牙
链表
浏览器
流量
漏洞
密码学
敏捷
苹果
前端
全栈
软件工程
设计模式
摄像头
事务
数据管理
数据中心
图数据库
推送
微信公众号
系统设计
线程
小游戏
性能分析
音视频
域名
源码
元宇宙
云原生
指针
重构
装饰器
作用域
城市交通
自然语言处理
数据清洗
搜索文章
搜索
搜索
关闭
6种卷积神经网络压缩方法
卷积神经网络
量化
模型
网络
压缩
来源:机器学习杂货店 本文约5200字,建议阅读10+分钟我们知道,在一定程度上,网络越深,参数越多,模型越复杂,其最终效果越好。 神经网络的压缩算法是,旨在将一个庞大而复杂的预训练模型(pre-trained model)转化为一个精简的小模型。 按照压缩过程对网络结构的破坏程度,我们将模型压缩技术分为 “前端压缩” 和 “后端压缩” 两部分。 前端压缩,是指在不改变原网络结构的压缩技术,主要包括知识蒸馏、轻量级网络(紧凑的模型结构设计)以及滤波器(filter)层面的剪枝(结构化剪枝)等; 后端压缩,是
数据派THU
2023-04-25
256
0
可视化VIT中的注意力
卷积神经网络
可视化
连接
模型
数据
📷 来源:DeepHub IMBA 本文约4000字,建议阅读8分钟 本文为你介绍ViT模型。 2022年, Vision Transformer (ViT)成为卷积神经网络(cnn)的有力竞争对手,
数据派THU
2023-04-18
820
0
【2023新书】医学影像人工智能前沿
机器学习
深度学习
人工智能
卷积神经网络
工作
来源:专知本文为书籍介绍,建议阅读5分钟这本书的目的是考虑到医院在使用人工智能支持的检测程序准确诊断各种疾病方面的最新进展。 这本书的目的是考虑到医院在使用人工智能支持的检测程序准确诊断各种疾病方面的最新进展。本文研究了最近在医学成像处理领域工作的著名研究人员和临床医生支持的疾病检测技术。在本书中,将介绍各种人工智能方法的集成,如软计算、机器学习、深度学习和其他相关工作。结合利用AI的真实临床图像。本书还包括关于机器学习、卷积神经网络、分割和深度学习辅助的二分类和多分类的几章。 https://iopsc
数据派THU
2023-04-12
494
0
原创 | 一文读懂卷积神经网络
卷积神经网络
函数
连接
数据
网络
作者:陈之炎 本文约2000字,建议阅读5分钟本文让你读懂卷积神经网络。 2022年有专家曾经预测:在视觉领域,卷积神经网络(CNN)会和Transformer平分秋色。随着Vision Transformers (ViT)成像基准SOTA模型的发布, ConvNets的黎明业已到来,这还不算:Meta和加州大学伯克利分校的研究认为, ConvNets模型的性能优越于ViTs。 在视觉建模中,虽然Transformer很快取代了递归神经网络,但是对于那些小规模的ML用例, ConvNet的使用量会出现陡降。
数据派THU
2023-03-29
234
0
人工智能300年!LSTM之父最新长文:详解现代AI和深度学习发展史(附下载)
卷积神经网络
学习方法
强化学习
监督学习
来源:新智元 Abner说AI本文约8900字,建议阅读15+分钟本文包括神经网络、深度学习、人工智能等领域的重要事件,以及那些为AI奠定基础的科学家们。 关注微信公众号“数据派THU”,后台回复“20230214”,即可领取参考资料高清PDF文件! 参考资料: https://people.idsia.ch/~juergen/deep-learning-history.html [ 导读 ] 最近,LSTM之父Jürgen Schmidhuber梳理了17世纪以来人工智能的历史。在这篇万字长文中,S
数据派THU
2023-02-27
391
0
2022年盘点:最值得关注的十篇机器学习论文
图像处理
https
网络安全
卷积神经网络
神经网络
来源:机器之心 计算机视觉与机器学习本文约4000字,建议阅读8分钟威斯康星大学助理教授 Sebastian Raschka 盘点了 2022 年他最看好的十大论文。 2022 年 1 月,扩散模型第一次吸引了我的眼球。当时我判断到将会有某些大事发生,然而却未曾预料到几个月后会出现什么:DALLE-2、Imagen、Stable Diffusion 以及其它许多模型。 对于大型语言模型来说,2022 也是非常重要的一年,最近面世的 ChatGPT 更是锦上添花,抢尽了风头。 在回顾2022年发表的十篇值
数据派THU
2023-02-27
699
0
独家 | 如何在确保准确度>99%的前提下减少CNN的训练参数(附链接)
卷积神经网络
腾讯云测试服务
神经网络
机器学习
人工智能
文:Sabrina Göllner 翻译:陈之炎 校对:zrx 本文约4800字,建议阅读10分钟 本文来自 Niantic 和 UCL 等机构的研究者使用精心设计和训练的 2D 网络,实现了高质量的深度估计和 3D 重建。 标签:CNN训练 性能优良的神经网络不一定要很大。 图Uriel SC (Unsplash) 近年来,图像识别领域的研究主要集中在深度学习技术上,并且取得了很好的进展。卷积网络(CNNs)在感知图像结构方面非常有效,它能够自动提取独特的特征。然而,大型神经网络往往需要大量的算力和长时
数据派THU
2022-09-27
346
0
机器学习 | 基础图表
编程算法
卷积神经网络
机器学习
神经网络
决策树
来源:机器之心本文约3300字,建议阅读5分钟本文介绍了机器学习基础的图表,其中介绍了机器学习的基本概念、原理、历史、未来趋势和一些常见的算法。 一、机器学习概览 1. 什么是机器学习? 机器通过分析大量数据来进行学习。比如说,不需要通过编程来识别猫或人脸,它们可以通过使用图片来进行训练,从而归纳和识别特定的目标。 2. 机器学习和人工智能的关系 机器学习是一种重在寻找数据中的模式并使用这些模式来做出预测的研究和算法的门类。机器学习是人工智能领域的一部分,并且和知识发现与数据挖掘有所交集。 3. 机器
数据派THU
2022-07-27
228
0
全干货!机器学习通识篇知识分享
编程算法
分类算法
卷积神经网络
linux
机器学习
来源:海豚数据科学实验室本文约2500字,建议阅读5分钟本文介绍了机器学习的常见知识。 机器学习定义 机器学习(Machine Learning)本质上就是让计算机自己在数据中学习规律,并根据所得到的规律对未来数据进行预测。 机器学习包括如聚类、分类、决策树、贝叶斯、神经网络、深度学习(Deep Learning)等算法。 机器学习的基本思路是模仿人类学习行为的过程,如我们在现实中的新问题一般是通过经验归纳,总结规律,从而预测未来的过程。机器学习的基本过程如下: 机器学习基本过程 机器学习发展历程 从机器
数据派THU
2022-07-04
583
0
基于图注意力机制和Transformer的异常检测
数据结构
编程算法
卷积神经网络
机器学习
神经网络
来源:专知本文为论文,建议阅读6分钟本文提出了一种基于图注意力和Transformer的异常检测模型。 异常检测对电力行业的发展有着重要的影响,如何根据大规模电力数据进行异常检测是重要的研究热点.目前,大多数研究通过聚类或神经网络进行异常检测. 但是这些方法忽略了时序数据之间潜在的关联关系及某些特点的重要信息,没有充分挖掘出数据的潜在价值. 因此,提出了一种基于图注意力和Transformer的异常检测模型. 该模型首先根据数据中台中获取的电力数据(主要包括用户ID、电能表ID、用户类型、电流、电压、功率
数据派THU
2022-05-20
754
0
这就是深度学习如此强大的原因
卷积神经网络
编程算法
深度学习
神经网络
机器学习
来源:数学中国本文约2200字,建议阅读9分钟当有适当的神经网络架构以及足够大的数据,深度学习网络可以学习从一个向量空间到另一个向量空间的任何映射。 据报道称,由于采用基于云的技术和在大数据中使用深度学习系统,深度学习的使用在过去十年中迅速增长,预计到 2028 年,深度学习的市场规模将达到 930 亿美元。 但究竟什么是深度学习,它是如何工作的? 深度学习是机器学习的一个子集,它使用神经网络来执行学习和预测。深度学习在各种任务中都表现出了惊人的表现,无论是文本、时间序列还是计算机视觉。深度学习的成功主要
数据派THU
2022-04-22
599
0
CVPR 2022|快手联合中科院自动化所提出基于Transformer的图像风格化方法
机器学习
神经网络
深度学习
人工智能
卷积神经网络
来源:机器之心本文约1800字,建议阅读5分钟本文提出了一种基于 Transformer 的图像风格迁移方法。 本文提出了一种基于 Transformer 的图像风格迁移方法,我们希望该方法能推进图像风格化的前沿研究以及 Transformer 在视觉尤其是图像生成领域的应用。 论文链接:https://arxiv.org/abs/2105.14576 代码地址:https://github.com/diyiiyiii/StyTR-2 图像风格化是一个有趣且实用的课题,它可以使用参考的风格图像来呈现内容图
数据派THU
2022-04-18
345
0
李飞飞斯坦福经典CS231N课程2022季开课了!斯坦福《深度学习计算机视觉》开始了!不容错过!
神经网络
卷积神经网络
图像处理
深度学习
来源:专知本文为课程,建议阅读5分钟想学习深度卷积神经网络的同学不可错过! 李飞飞老师的CS231N课程《卷积神经网络视觉识别》被奉为经典,最新2022季3月29号开始了!众多想学习深度卷积神经网络的同学,可不能错过! 地址: http://cs231n.stanford.edu/index.html 计算机视觉已经在我们的社会中变得无处不在,应用在搜索、图像理解、应用程序、地图、医学、无人机和自动驾驶汽车。这些应用的核心是视觉识别任务,如图像分类、定位和检测。神经网络(又称“深度学习”)方法的最新发展
数据派THU
2022-04-06
1.1K
0
独家 | 利用深度学习来预测Spotify上的Hip-Hop 流行程度
神经网络
卷积神经网络
数据库
sql
作者:Nicholas Indorf翻译:Gabriel Ng校对:zrx 本文约10000字,建议阅读13分钟项目中收集并使用了 Spotify 数据库中最近发布的hip-hop曲目的音频预览样本和相关的流行度分数。 摘要 在这个项目里面,我想构建一个工具来帮助我的表弟,一位名叫“KC Makes Music”的Hip-Hop艺术家。这个工具将会评估他尚未发布的歌曲是否有在Spotify上流行的潜力。 项目中只收集并使用了 Spotify 数据库中最近发布的hip-hop曲目的音频预览样本和相关的流行度分
数据派THU
2022-04-06
688
0
基于深度学习的自然图像和医学图像分割:网络结构设计
图像处理
卷积神经网络
.net
神经网络
机器学习
来源:知乎、极市平台、深度学习爱好者作者丨李慕清@知乎 https://zhuanlan.zhihu.com/p/104854615本文约5100字,建议阅读10分钟本文首先介绍一些经典的语义分割网络及其创新点,然后介绍网络结构设计在医学图像分割领域内的一些应用。 本文总结了利用CNNs进行图像语义分割时,针对网络结构的创新,这些创新点主要包括新神经架构的设计(不同深度、宽度、连接和拓扑结构)和新组件或层的设计。前者是利用已有的组件组装复杂的大型网络,后者是更偏向于设计底层组件。首先介绍一些经典的语义分割
数据派THU
2022-03-21
605
0
卷积神经网络性能优化
卷积神经网络
编程算法
https
网络安全
图像处理
来源:AI蜗牛车、极市平台本文约9200字,建议阅读10+分钟本文为你简要介绍几种常见的CNN优化方法,并分享相关经验。 作者丨黎明灰烬来源|https://zhuanlan.zhihu.com/p/80361782 引言 卷积(Convolution)是神经网络的核心计算之一,它在计算机视觉方面的突破性进展引领了深度学习的热潮。卷积的变种丰富,计算复杂,神经网络运行时大部分时间都耗费在计算卷积,网络模型的发展在不断增加网络的深度,因此优化卷积计算就显得尤为重要。 随着技术的发展,研究人员提出了多种优化算法
数据派THU
2022-03-08
561
0
深度学习图像分割:网络结构设计一览
图像处理
卷积神经网络
.net
神经网络
机器学习
来源:极市平台本文共5400字,建议阅读15分钟在利用CNNs进行图像语义分割时,有一些针对网络结构的创新点,主要包括了新神经架构和新组件或层的设计。文章的后半部分则对医学图像分割领域中网络结构设计的应用进行了梳理。 本文总结了利用CNNs进行图像语义分割时,针对网络结构的创新,这些创新点主要包括新神经架构的设计(不同深度、宽度、连接和拓扑结构)和新组件或层的设计。前者是利用已有的组件组装复杂的大型网络,后者是更偏向于设计底层组件。首先介绍一些经典的语义分割网络及其创新点,然后介绍网络结构设计在医学图像分割
数据派THU
2022-03-04
483
0
特殊图像的色彩特征工程:非自然图像的颜色编码
数据分析
卷积神经网络
来源:DeepHub IMBA本文共7500字,建议阅读15+分钟我们将探讨特征工程的不同方式如何有助于提高卷积神经网络的分类性能。 并非所有彩色的图像都应该是彩色的,或者换句话说并非所有使用 RGB(红、绿、蓝)编码的图像都应该使用这些颜色!在本文中,我们将探讨特征工程的不同方式(将原始颜色值进行展开)如何有助于提高卷积神经网络的分类性能。 有多种方法可以更改和调整 RGB 图像的颜色编码(例如,将 RGB 转换为 HSV、LAB 或 XYZ 值;scikit-image 提供了许多很棒的例程来执行此操作
数据派THU
2022-03-04
657
0
图神经网络新课上架:宾大2020秋季在线课程开课,视频上线B站
神经网络
卷积神经网络
https
机器学习
深度学习
关于图神经网络(GNN)的在线课程已上线,讲师为宾夕法尼亚大学电气与系统工程系教授 Alejandro Ribeiro,部分视频以及文字讲稿已放出。
数据派THU
2020-10-26
846
0
独家 | 什么是生成模型和GAN?一文体验计算机视觉的魔力(附链接)
卷积神经网络
神经网络
机器学习
深度学习
人工智能
这些图像中的所有物体和动物都是由称为生成对抗网络(GAN)的计算机视觉模型生成的! 这是目前最流行的深度学习分支之一。 这当然有助于激发我们隐藏的创造力!
数据派THU
2020-02-24
1.4K
0
点击加载更多
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
立即发文
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档