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
信数据得永生
专栏作者
举报
1396
文章
1545118
阅读量
53
订阅数
订阅专栏
申请加入专栏
全部文章(999+)
python(294)
编程算法(268)
函数(203)
数据(166)
模型(150)
网络安全(118)
安全(110)
深度学习(108)
numpy(95)
java(91)
django(79)
对象(76)
http(74)
android(71)
机器学习(70)
神经网络(66)
sql(60)
pytorch(59)
人工智能(57)
程序(56)
javascript(54)
php(53)
数据库(53)
gpt(53)
https(48)
字符串(48)
tensorflow(47)
腾讯云测试服务(45)
源码(45)
html(44)
工作(44)
matlab(41)
api(40)
网站(40)
self(40)
变量(38)
数组(36)
算法(34)
网络(34)
git(33)
游戏(33)
存储(32)
github(31)
自动化(31)
编程(30)
数据结构(29)
工具(29)
c++(26)
linux(26)
计算机视觉(25)
node.js(24)
tcp/ip(24)
教程(24)
命令行工具(22)
apache(21)
windows(21)
开发(21)
视频(21)
xml(20)
unix(20)
开源(20)
架构(20)
正则表达式(18)
opencv(18)
软件(18)
数据科学(18)
css(17)
缓存(17)
shell(17)
测试(17)
服务(17)
面向对象编程(16)
npm(16)
程序员(16)
sqlite(15)
容器镜像服务(15)
索引(15)
原理(15)
ide(14)
scikit-learn(14)
打包(13)
文件存储(13)
数据分析(13)
torch(13)
命令行(13)
系统(13)
bash(12)
图像处理(12)
强化学习(12)
chatgpt(12)
源码分析(12)
bash 指令(11)
黑客(11)
线性回归(11)
markdown(11)
机器人(11)
hidden(11)
return(11)
配置(11)
渲染(10)
分布式(10)
keras(10)
pandas(10)
脚本(10)
设计(10)
tensor(9)
json(8)
编码(8)
服务器(8)
事件(8)
其他(7)
c 语言(7)
spring(7)
serverless(7)
卷积神经网络(7)
监督学习(7)
config(7)
model(7)
技巧(7)
线程(7)
hashmap(6)
单元测试(6)
虚拟化(6)
unicode(6)
教育(6)
cv2(6)
yolo(6)
加密(6)
入门(6)
统计(6)
NLP 服务(5)
go(5)
云数据库 SQL Server(5)
爬虫(5)
jdk(5)
dns(5)
决策树(5)
安全漏洞(5)
漏洞扫描服务(5)
function(5)
python3(5)
qt5(5)
text(5)
连接(5)
量化(5)
浏览器(5)
论文(5)
内存(5)
排序(5)
学习笔记(5)
异步(5)
优化(5)
ios(4)
c#(4)
listview(4)
qt(4)
搜索引擎(4)
windows server(4)
访问管理(4)
SSL 证书(4)
容器(4)
uml(4)
无监督学习(4)
hexo(4)
迁移学习(4)
数据处理(4)
微服务(4)
迁移(4)
lxml(4)
mysql(4)
pygame(4)
size(4)
web(4)
width(4)
遍历(4)
产品(4)
递归(4)
二进制(4)
翻译(4)
高性能(4)
计算机(4)
架构模式(4)
接口(4)
进程(4)
性能(4)
音频(4)
终端(4)
actionscript(3)
.net(3)
jquery(3)
mvc(3)
flask(3)
DevOps 解决方案(3)
金融(3)
wordpress(3)
grep(3)
kotlin(3)
cdn(3)
udp(3)
数据可视化(3)
网站建设(3)
es(3)
device(3)
layer(3)
list(3)
max(3)
title(3)
编译(3)
插件(3)
互联网(3)
基础(3)
框架(3)
面试(3)
内核(3)
日志(3)
树莓派(3)
数学(3)
搜索(3)
调试(3)
系统设计(3)
协议(3)
asp.net(2)
angularjs(2)
textview(2)
单片机(2)
云数据库 Redis(2)
postgresql(2)
jar(2)
tomcat(2)
ubuntu(2)
nginx(2)
TDSQL MySQL 版(2)
机器翻译(2)
mongodb(2)
express(2)
kubernetes(2)
html5(2)
图像识别(2)
gui(2)
自动化测试(2)
iis(2)
大数据(2)
hbase(2)
flutter(2)
网站渗透测试(2)
特征工程(2)
聚类算法(2)
分类算法(2)
ascii(2)
应用安全开发(2)
测试服务(2)
agent(2)
atom(2)
chat(2)
code(2)
com(2)
image(2)
input(2)
int(2)
key(2)
label(2)
line(2)
ls(2)
marker(2)
min(2)
models(2)
nan(2)
object(2)
oop(2)
output(2)
pdf(2)
var(2)
表格(2)
部署(2)
队列(2)
工作流(2)
后端(2)
继承(2)
解决方案(2)
客户端(2)
设计模式(2)
数据类型(2)
同步(2)
效率(2)
协程(2)
压缩(2)
原型(2)
指针(2)
装饰器(2)
最佳实践(2)
云服务器(1)
人脸识别(1)
mac os(1)
perl(1)
ruby(1)
servlet(1)
jsp(1)
regex(1)
ajax(1)
ecmascript(1)
webview(1)
android studio(1)
汇编语言(1)
arm(1)
嵌入式(1)
nosql(1)
access(1)
web.py(1)
sqlalchemy(1)
ruby on rails(1)
eclipse(1)
lucene/solr(1)
analyzer(1)
apt-get(1)
thinkphp(1)
批量计算(1)
全站加速网络(1)
API 网关(1)
数据加密服务(1)
文字识别(1)
语音合成(1)
短信(1)
电商(1)
vr 视频解决方案(1)
url 安全(1)
svg(1)
devops(1)
运维(1)
压力测试(1)
数据迁移(1)
spark(1)
ssh(1)
hive(1)
mybatis(1)
yum(1)
openstack(1)
asp(1)
ftp(1)
rpc(1)
ddos(1)
jenkins(1)
gcc(1)
ntp(1)
wpf(1)
腾讯云开发者社区(1)
视频分析(1)
防火墙(1)
Web 应用防火墙(1)
sdk(1)
白盒测试(1)
灰盒测试(1)
黑盒测试(1)
flink(1)
drupal(1)
手势识别(1)
汽车(1)
手机行业(1)
项目管理(1)
addeventlistener(1)
aggregate(1)
alpha(1)
amd(1)
anova(1)
app(1)
attr(1)
attributeerror(1)
auto(1)
axes(1)
axis(1)
bigdecimal(1)
block(1)
bug(1)
callback(1)
children(1)
class(1)
click(1)
cookie(1)
copy(1)
count(1)
csv(1)
cut(1)
cython(1)
data(1)
dataset(1)
date(1)
db(1)
default(1)
delay(1)
dom(1)
dp(1)
draw(1)
el(1)
email(1)
embed(1)
encoding(1)
facebook(1)
field(1)
filter(1)
flickr(1)
gitlab(1)
goto(1)
graph(1)
graphviz(1)
height(1)
history(1)
icon(1)
im(1)
import(1)
init(1)
io(1)
ipython(1)
jupyter(1)
limit(1)
location(1)
lstm(1)
mac(1)
mask(1)
matplotlib(1)
maze(1)
medium(1)
mkdir(1)
mnist(1)
module(1)
networkx(1)
nltk(1)
nodes(1)
ode(1)
package(1)
padding(1)
pascal(1)
path(1)
position(1)
preferences(1)
process(1)
protobuf(1)
random(1)
root(1)
rules(1)
sample(1)
scale(1)
scipy(1)
scrum(1)
settings(1)
sf(1)
simulation(1)
sort(1)
split(1)
ssis(1)
state(1)
stock(1)
stream(1)
subplot(1)
sum(1)
tail(1)
talend(1)
token(1)
ui(1)
undefined(1)
updating(1)
using(1)
variables(1)
video(1)
view(1)
vim(1)
wireless(1)
wireshark(1)
zoo(1)
备份(1)
笔记(1)
编程语言(1)
编译器(1)
博客(1)
布局(1)
操作系统(1)
创业(1)
地图(1)
多线程(1)
泛型(1)
规范化(1)
行业(1)
集合(1)
监控(1)
镜像(1)
开发环境(1)
科技(1)
可视化(1)
漏洞(1)
前端(1)
权限(1)
实践(1)
事务(1)
图表(1)
性能分析(1)
序列化(1)
移动端(1)
语法(1)
语音(1)
主机(1)
LoRa(1)
搜索文章
搜索
搜索
关闭
经典神经网络架构参考 v1.0
height
label
width
架构
神经网络
ApacheCN_飞龙
2024-03-05
42
0
FastAI 之书(面向程序员的 FastAI)(七)
神经网络
self
程序员
函数
模型
本章开始了一段旅程,我们将深入研究我们在前几章中使用的模型的内部。我们将涵盖许多我们以前见过的相同内容,但这一次我们将更加密切地关注实现细节,而不那么密切地关注事物为什么是这样的实际问题。
ApacheCN_飞龙
2024-02-17
217
0
FastAI 之书(面向程序员的 FastAI)(五)
模型
数据
神经网络
程序员
函数
在第一章中,我们看到深度学习可以用于处理自然语言数据集并取得出色的结果。我们的示例依赖于使用预训练的语言模型,并对其进行微调以对评论进行分类。该示例突出了 NLP 和计算机视觉中迁移学习的区别:通常情况下,在 NLP 中,预训练模型是在不同任务上训练的。
ApacheCN_飞龙
2024-02-17
235
0
精通 TensorFlow 2.x 计算机视觉:第一部分
tensorflow
神经网络
函数
计算机视觉
模型
在本节中,您将加深对理论的理解,并学习有关卷积神经网络在图像处理中的应用的动手技术。 您将学习关键概念,例如图像过滤,特征映射,边缘检测,卷积运算,激活函数,以及与图像分类和对象检测有关的全连接和 softmax 层的使用。 本章提供了许多使用 TensorFlow,Keras 和 OpenCV 的端到端计算机视觉管道的动手示例。 从这些章节中获得的最重要的学习是发展对不同卷积运算背后的理解和直觉-图像如何通过卷积神经网络的不同层进行转换。
ApacheCN_飞龙
2023-04-27
1.1K
0
TensorFlow 强化学习:1~5
tensorflow
神经网络
强化学习
函数
网络
人工神经网络是一种计算系统,为我们提供了解决诸如图像识别到语音翻译等具有挑战性的机器学习任务的重要工具。 最近的突破,例如 Google DeepMind 的 AlphaGo 击败了最好的围棋玩家,或者卡内基梅隆大学的 Libratus 击败了世界上最好的职业扑克玩家,都证明了算法的进步。 这些算法像人类一样学习狭窄的智能,并达到超人水平的表现。 用通俗易懂的话说,人工神经网络是我们可以在计算机上编程的人脑的松散表示。 确切地说,这是受我们对人脑功能知识的启发而产生的一种方法。 神经网络的一个关键概念是创建输入数据的表示空间,然后在该空间中解决问题。 也就是说,从数据的当前状态开始扭曲数据,以便可以以不同的状态表示数据,从而可以解决有关的问题陈述(例如分类或回归)。 深度学习意味着多个隐藏的表示,即具有许多层的神经网络,可以创建更有效的数据表示。 每一层都会细化从上一层收到的信息。
ApacheCN_飞龙
2023-04-27
498
0
TensorFlow 深度学习实战指南:1~5 全
tensorflow
神经网络
深度学习
函数
模型
TensorFlow 是 Google 最近发布的新的机器学习和图计算库。 其 Python 接口可确保通用模型的优雅设计,而其编译后的后端可确保速度。
ApacheCN_飞龙
2023-04-23
1.3K
0
深度学习快速参考:1~5
神经网络
深度学习
模型
数据
网络
欢迎使用《深度学习快速参考》! 在本书中,我将尝试使需要解决深度学习问题的数据科学家,机器学习工程师和软件工程师更容易使用,实用和使用深度学习技术。 如果您想训练自己的深度神经网络并且陷入困境,那么本指南很有可能会有所帮助。
ApacheCN_飞龙
2023-04-23
971
0
Python 人工智能:16~20
神经网络
人工智能
机器人
模型
数据
在本章中,我们将学习聊天机器人。 我们将了解它们是什么以及如何使用它们。 您还将学习如何创建自己的聊天机器人。 我们将涵盖以下主题:
ApacheCN_飞龙
2023-04-23
4.6K
0
数据科学和人工智能技术笔记 十六、朴素贝叶斯
机器学习
神经网络
深度学习
人工智能
伯努利朴素贝叶斯分类器假设我们的所有特征都是二元的,它们仅有两个值(例如,已经是独热编码的标称分类特征)。
ApacheCN_飞龙
2022-12-02
649
0
数据科学和人工智能技术笔记 十五、支持向量机
scikit-learn
机器学习
神经网络
深度学习
人工智能
SVC 使用超平面来创建决策区域,不会自然输出观察是某一类成员的概率估计。 但是,我们实际上可以通过一些技巧输出校准的类概率。 在 SVC 中,可以使用 Platt 缩放,其中首先训练 SVC,然后训练单独的交叉验证逻辑回归来将 SVC 输出映射到概率:
ApacheCN_飞龙
2022-12-02
973
0
数据科学和人工智能技术笔记 十四、K 最近邻
scikit-learn
机器学习
神经网络
深度学习
人工智能
: 研究者指定的正数。 K 表示最接近特定观测的观测数,它定义了“邻域”。 例如,K = 2意味着每个观测都有一个邻域,包含最接近它的另外两个观测。
ApacheCN_飞龙
2022-12-02
672
0
数据科学和人工智能技术笔记 十三、树和森林
决策树
机器学习
神经网络
深度学习
人工智能
最重要的参数是base_estimator,n_estimators和learning_rate。
ApacheCN_飞龙
2022-12-02
1.3K
0
数据科学和人工智能技术笔记 十一、线性回归
scikit-learn
机器学习
神经网络
深度学习
人工智能
表示两者之间的交互。使用 scikit-learn 的PolynomialFeatures,来为所有特征组合创建交互术项会很有用。 然后,我们可以使用模型选择策略,来识别产生最佳模型的特征和交互项的组合。
ApacheCN_飞龙
2022-12-02
1.1K
0
数据科学和人工智能技术笔记 十二、逻辑回归
正则表达式
scikit-learn
机器学习
神经网络
深度学习
scikit-learn 的LogisticRegressionCV方法包含一个参数C。 如果提供了一个列表,C是可供选择的候选超参数值。 如果提供了一个整数,C的这么多个候选值,将从 0.0001 和 10000 之间的对数标度(C的合理值范围)中提取。
ApacheCN_飞龙
2022-12-02
704
0
数据科学和人工智能技术笔记 九、模型验证
腾讯云测试服务
scikit-learn
机器学习
神经网络
深度学习
在本教程中,我们将使用着名的鸢尾花数据集。鸢尾花数据包含 150 种鸢尾花的四个测量值,以及它的品种。 我们将使用支持向量分类器来预测鸢尾花的品种。
ApacheCN_飞龙
2022-12-02
908
0
数据科学和人工智能技术笔记 二、数据准备
scikit-learn
机器学习
神经网络
深度学习
人工智能
波士顿住房数据集 是 20 世纪 70 年代的着名数据集。 它包含506个关于波士顿周边房价的观测。 它通常用于回归示例,包含 15 个特征。
ApacheCN_飞龙
2022-12-02
283
0
TensorFlow Eager 教程
数据分析
tensorflow
神经网络
机器学习
深度学习
大家好! 在本教程中,我们将使用 TensorFlow 的命令模式构建一个简单的前馈神经网络。 希望你会发现它很有用! 如果你对如何改进代码有任何建议,请告诉我。
ApacheCN_飞龙
2022-12-02
719
0
面向机器学习的特征工程 一、引言
机器学习
神经网络
深度学习
人工智能
特征工程
机器学习将数据拟合到数学模型中来获得结论或者做出预测。这些模型吸纳特征作为输入。特征就是原始数据某方面的数学表现。在机器学习流水线中特征位于数据和模型之间。特征工程是一项从数据中提取特征,然后转换成适合机器学习模型的格式的艺术。这是机器学习流水线关键的一步,因为正确的特征可以减轻建模的难度,并因此使流水线能输出更高质量的结果。从业者们认为构建机器学习流水线的绝大多数时间都花在特征工程和数据清洗上。然后,尽管它很重要,这个话题却很少单独讨论。也许是因为正确的特征只能在模型和数据的背景中定义。由于数据和模型如此多样化,所以很难概括项目中特征工程的实践。
ApacheCN_飞龙
2022-12-01
383
0
《Scikit-Learn与TensorFlow机器学习实用指南》第14章 循环神经网络
tensorflow
神经网络
击球手击出垒球,你会开始预测球的轨迹并立即开始奔跑。你追踪着它,不断调整你的移动步伐,最终在观众的一片雷鸣声中抓到它。无论是在听完朋友的话语还是早餐时预测咖啡的味道,你时刻在做的事就是在预测未来。在本章中,我们将讨论循环神经网络 – 一类预测未来的网络(当然,是到目前为止)。它们可以分析时间序列数据,诸如股票价格,并告诉你什么时候买入和卖出。在自动驾驶系统中,他们可以预测行车轨迹,避免发生交通意外。更一般地说,它们可在任意长度的序列上工作,而不是截止目前我们讨论的只能在固定长度的输入上工作的网络。举个例子,它们可以把语句,文件,以及语音范本作为输入,使得它们在诸如自动翻译,语音到文本或者情感分析(例如,读取电影评论并提取评论者关于该电影的感觉)的自然语言处理系统中极为有用。
ApacheCN_飞龙
2022-12-01
219
0
《Scikit-Learn与TensorFlow机器学习实用指南》第16章 强化学习
强化学习
游戏
机器学习
神经网络
深度学习
强化学习(RL)如今是机器学习的一大令人激动的领域,当然之前也是。自从 1950 年被发明出来后,它在这些年产生了一些有趣的应用,尤其是在游戏(例如 TD-Gammon,一个西洋双陆棋程序)和及其控制领域,但是从未弄出什么大新闻。直到 2013 年一个革命性的发展:来自英国的研究者发起了一项 Deepmind 项目,这个项目可以学习去玩任何从头开始的 Atari 游戏,甚至多数比人类玩的还要好,它仅适用像素作为输入并且没有游戏规则的任何先验知识。这是一系列令人惊叹的壮举,在 2016 年 3 月以他们的系统阿尔法狗战胜了世界围棋冠军李世石。没有一个程序能接近这个游戏的主宰,更不用说世界冠军了。今天,RL 的整个领域正在沸腾着新的想法,其都具有广泛的应用范围。DeepMind 在 2014 被谷歌以超过 5 亿美元收购。
ApacheCN_飞龙
2022-12-01
271
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