首页
学习
活动
专区
工具
TVP
发布

AI科技时讯

专栏成员
290
文章
256683
阅读量
28
订阅数
Git合并利器:Vimdiff使用指南
使用 vimdiff 作为 Git 的合并工具确实可能会让新手感到困惑,但它是一个功能强大的工具,一旦掌握了它,就可以非常高效地进行代码合并和比较。以下是一个简短的教程,旨在帮助理解 vimdiff 的基本用法以及如何利用它来进行 Git 合并。
用户3578099
2024-04-10
5110
Git LFS: 简单高效的大文件版本控制
可以看到,git限制上传大小是100MB,超过的话就会报错,找了一圈,学到了一个新东西git LFS,这里记录一下。
用户3578099
2024-01-10
8440
NanoDet:轻量级(1.8MB)、超快速(移动端97fps)目标检测项目
前几日YOLO-tiny (上达最高精度,下到最快速度,Scaled-YOLOv4:模型缩放显神威)的出现给移动端开发的朋友一个新选择,昨天Github又新上一不得不关注的项目NanoDet,目标检测模型文件仅 1.8 MB,在手机上实时检测速度可达 97fps!
用户3578099
2020-11-30
1.1K0
Scaled-YOLOv4 介绍
分享一篇新出的重要文章:Scaled-YOLOv4: Scaling Cross Stage Partial Network,作者出自YOLOv4的原班人马,其聚焦于针对YOLOv4的模型缩放(model scale)。
用户3578099
2020-11-30
1.3K0
OCR文本图像合成工具
在进行文字识别时候,需要使用的数据集样式为一张含有文本的图片以及对应文本内容的标签。但是一般而言,实际情况是构建的文本字典中,每个字至少要出现200次才能有好的识别效果,因此,先对所有的label进行单字统计,看每个字出现的个数是否超过200次,如果不满足,则需要进一步收集数据。
用户3578099
2020-11-03
1.8K0
入门人工智能学习路线
这门课基本涵盖了机器学习的主要知识点,例如:线性回归、逻辑回归、支持向量机、神经网络、K-Means、异常检测等等。而且课程中没有复杂的公式推导和理论分析。Ng 的目的是让机器学习初学者能够快速对整个机器学习知识点有比较整体的认识,便于快速入门。网易云课堂里有中文字幕的机器学习视频。
用户3578099
2020-03-31
9780
opencv:使用dlib进行人脸检测
随着人脸识别,人脸支付,换脸等业务等爆发,多的人都将目光放在人脸方面的研究上。可以说,人脸检测是目前所有目标检测子方向中被研究的最充分的问题之一,它在安防监控,人机交互,金融支付,社交和娱乐等方面有很强的应用价值,也是整个人脸识别算法的第一步。
用户3578099
2019-12-19
1.3K0
仅用四行代码实现RNN文本生成模型
文本生成(generating text)对机器学习和NLP初学者来说似乎很有趣的项目之一,但也是一个非常困难的项目。值得庆幸的是,网络上有各种各样的优秀资源,可以用于了解RNN如何用于文本生成,从理论到深入具体的技术,都有一些非常好的资源。所有的这些资源都会特别分享一件事情:在文本生成过程中的某个时候,你必须建立RNN模型并调参来完成这项工作。 虽然文本生成是一项有价值的工作,特别是在学习的该过程中,但如果任务抽象程度高,应该怎么办呢?如果你是一个数据科学家,需要一个RNN文本生成器形式的模块来填充项目呢?或者作为一个新人,你只是想试试或者提升下自己。对于这两种情况,都可以来看看textgenrnn项目,它用几行代码就能够轻松地在任何文本数据集上训练任意大小和复杂的文本生成神经网络。 textgenrnn项目由数据科学家Max Woolf开发而成。 textgenrnn是建立在Keras和TensorFlow之上的,可用于生成字符和文字级文本。网络体系结构使用注意力加权来加速训练过程并提高质量,并允许调整大量超参数,如RNN模型大小、RNN层和双向RNN。读者可以在Github上或类似的介绍博客文章中阅读有关textgenrnn及其功能和体系结构的更多信息。
用户3578099
2019-08-16
6810
你不应该忽略的五个机器学习项目一览
随着人工智能和深度学习的兴起,网络上存在的学习资源以及开源项目也越来越多。本文精选了的五个项目,都含有潜在新的机器学习想法,且全都是用Python实现。下面简单介绍 下这五个项目,感兴趣的可以自己上手复现一下,说不定会对自己的项目产生一些新的想法。
用户3578099
2019-08-16
5230
图像搜索|高维空间最近邻逼近搜索算法
上一次介绍图像搜索的基本原理,现在记录下使用的数据包的问题。 查询图片先进行特征提取,使用一个向量来表示,之后使用该向量与数据库中所有的商品向量进行计算相似度指标,比如cos距离,欧式距离,汉明距离。 具体的取决于向量的形式,有的先用cnn提取特征向量,可以计算其cos距离,有的提取之后对其进行哈希编码,先用汉明距离进行粗排,之后按照欧式距离进行重排。 这里就面临这样的一个问题:
用户3578099
2019-08-15
1.6K0
目标检测资源总结
blog.csdn.net/l7H9JA4/article/details/79620247
用户3578099
2019-08-15
8370
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
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