首页
学习
活动
专区
工具
TVP
发布

PaddlePaddle

专栏作者
573
文章
574114
阅读量
73
订阅数
百度飞桨半监督学习目标定位竞赛冠军方案分享
监督学习模型的优异性能要以大量标注数据作为支撑,可现实中获得数量可观的标注数据十分耗费人力物力。于是,半监督学习逐渐成为深度学习领域的热门研究方向,只需要少量标注数据就可以完成模型训练过程,更适用于现实场景中的各种任务。
用户1386409
2021-09-27
5060
听六小桨讲AI | 第1期:卷积概念及计算
在全连接网络[1]中,一张图像上的所有像素点会被展开成一个1维向量输入网络,如图1所示,28 x 28的输入数据被展开成为784 x 1的数据作为输入。
用户1386409
2021-04-20
4070
用飞桨检测谣言,新技能get!
https://aistudio.baidu.com/aistudio/projectdetail/263255
用户1386409
2020-03-04
7170
超火的个性化推荐你再不会就OUT啦,让飞桨手把手来教你
导读:随着电子商务规模的不断扩大,电商平台的商品数量和种类呈爆发式增长,用户往往需要花费大量的时间才能找到自己想买的商品,这就是信息超载问题。为了解决这个难题,“个性化推荐”技术应运而生,有效地节约用户时间,提升电商成单率。本篇文章中,将为大家介绍个性化推荐系统的实现方法,并送上一份基于飞桨(PaddlePaddle)实现个性化推荐的代码教程。
用户1386409
2019-10-14
4010
基于飞桨PaddlePaddle的多种图像分类预训练模型强势发布
在计算机视觉领域,图像分类是非常重要的基本问题,是图像目标检测、图像分割、图像检索、视频理解、物体跟踪、行为分析等其他高层视觉任务的基础,在实际场景中,有着广泛应用。飞桨(PaddlePaddle)视觉模型库图像分类持续提供业内领先的分类网络结构训练方法以及在imagenet 1000分类任务上的预训练模型。目前,已开源10种不同网络结构,25个预训练模型,包括当前效果最优的ResNet50(top-1:79.84%),助力用户提高构建模型的效率,大大减轻“炼丹”的烦恼。
用户1386409
2019-07-11
9740
基于PaddlePaddle的图像分类实战 | 深度学习基础任务教程系列(一)
图像相比文字能够提供更加生动、容易理解及更具艺术感的信息,图像分类是根据图像的语义信息将不同类别图像区分开来,是图像检测、图像分割、物体跟踪、行为分析等其他高层视觉任务的基础。图像分类在安防、交通、互联网、医学等领域有着广泛的应用。
用户1386409
2019-06-10
5950
PaddlePaddle实战 | 经典目标检测方法Faster R-CNN和Mask R-CNN
机器视觉领域的核心问题之一就是目标检测(objectdetection),它的任务是找出图像当中所有感兴趣的目标(物体),确定其位置和大小。作为经典的目标检测框架FasterR-CNN,虽然是2015年的论文,但是它至今仍然是许多目标检测算法的基础,这在飞速发展的深度学习领域十分难得。而在FasterR-CNN的基础上改进的MaskR-CNN在2018年被提出,并斩获了ICCV2017年的最佳论文。Mask R-CNN可以应用到人体姿势识别,并且在实例分割、目标检测、人体关键点检测三个任务都取得了很好的效果。因此,百度深度学习框架PaddlePaddle开源了用于目标检测的RCNN模型,从而可以快速构建强大的应用,满足各种场景的应用,包括但不仅限于安防监控、医学图像识别、交通车辆检测、信号灯识别、食品检测等等。
用户1386409
2019-06-10
2.1K0
PaddlePaddle实战 | 情感分析算法从原理到实战全解
在自然语言处理中,情感分析一般是指判断一段文本所表达的情绪状态。其中,一段文本可以是一个句子,一个段落或一个文档。情绪状态可以是两类,如(正面,负面),(高兴,悲伤);也可以是三类,如(积极,消极,中性)等等。
用户1386409
2019-06-06
8820
卷积神经网络的经典结构(一)
正文部分系《解析卷积神经网络——深度学习实践手册》基础理论篇部分,本次将详细介绍卷积神经网络中经典结构,小结部分将前述的基础理论篇的讲解链接附上,方便大家进行参考。
用户1386409
2018-07-26
1K0
技术流|人工智能筛选简历的“套路”
用DNN模型在一个连续的语义空间中学习文本低纬的表示向量,建模两个句子间的语义相似度。PaddlePaddle提供通用DSSM 模型,模型实现支持通用的数据格式,用户替换数据便可在真实场景中使用。
用户1386409
2018-07-26
1K0
【AI核心技术】课程八:卷积网络简介
UAI与PaddlePaddle联合推出的【AI核心技术掌握】系列课程持续更新中!
用户1386409
2018-07-26
4000
卷积神经网络的压缩
正文部分系《解析卷积神经网络——深度学习实践手册》基础理论篇部分,本次将介绍卷积神经网络压缩的具体途径
用户1386409
2018-07-26
9220
解析卷积神经网络——数据扩充
《解析卷积神经网络——深度学习实践手册》基础理论篇部分已经更新完毕,从今天开始更新实践应用篇,正文部分为数据扩充篇目的知识
用户1386409
2018-07-26
1.1K0
【AI核心技术】课程九:卷积网络深入理解
UAI与PaddlePaddle联合推出的【AI核心技术掌握】系列课程持续更新中!
用户1386409
2018-07-26
3290
全连接层&目标函数
敲黑板!本周PaddlePaddle正在进行栏目改版,周一至周五栏目拟定如下: 周一AI资讯 周二AI技术 周三FAQ问答 周四AI应用 周五AI趣谈 用AI一词既代表人工智能领域,希望内容可获得大家
用户1386409
2018-06-05
1.1K0
汇合层
深度学习基础理论-CNN篇 汇合层 图 卷积神经网络第 L 层输入xl 示意图 本节讨论第L 层操作为汇合(pooling)时的情况。通常使用的汇合操作为平均值汇合(average-pooling
用户1386409
2018-04-24
5380
卷积层
深度学习基础理论-CNN篇 卷积层 卷积层(convolution layer)是卷积神经网络中的基础操作,甚至在网络最后起分类作用的全连接层在工程实现时也是由卷积操作替代的。 01 什么是卷积层 卷积运算实际是分析数学中的一种运算方式,在卷积神经网络中通常是仅涉及离散卷积的情形。下面以dl = 1 的情形为例介绍二维场景的卷积操作。假设输入图像(输入数据)为下图中右侧的5×5 矩阵,其对应的卷积核(亦称卷积参数)为一个3 × 3 的矩阵。同时,假定卷积操作时每做一次卷积,卷积核移动一个像素位置,即卷
用户1386409
2018-04-24
1.5K0
卷积神经网络的发展历程
深度学习基础理论-CNN篇 卷积神经网络的发展历程 - 01 - 卷积神经网络(Convolutional Neural Networks,简称CNN)是一类特殊的人工神经网络,区别于神经网络其
用户1386409
2018-04-02
5.7K0
卷积神经网络的基本结构
深度学习基础理论-CNN篇 卷积神经网络的基本结构 总体来说,卷积神经网络是一种层次模型(hierarchical model),其输入是原始数据(raw date),如RGB 图像、原始音频数据等
用户1386409
2018-04-02
1.4K0
没有更多了
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!
Python精品学习库
代码在线跑,知识轻松学
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
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
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