Pytorch深度学习实战教程（五）：今天，你垃圾分类了吗？来自专辑深度学习教程点击上方“JackCui”，选择“加为星标”第一时间关注技术干货！1垃圾分类还记得去年，上海如火如荼进行的垃圾分类政策吗？2020年5月1日起，北京也开始实行「垃圾分类」了！北京的垃圾分类标准与上海略有差别，垃圾分为厨余垃圾、可回收物、有害垃圾和其他垃圾四大类，分别对应四种不同颜色的垃圾桶，即绿色、蓝色、红色和灰色。继
分类：
其他好文 时间：
2020-09-12 21:19:16
阅读次数：
33
数据集搜索神器「BIFROST」来自专辑深度学习教程点击上方“JackCui”，选择“加为星标”第一时间关注技术干货！1前言数据是深度学习的血液。数据的好坏，很大程度上影响了模型的效果。数据集难找？贴心的Jack，今天给大家带来了一个数据集搜索工具「BIFROST」。2BIFROST「BIFROST」一个集美貌与才华的网站。BIFROST：https://datasets.bifrost.ai/收
分类：
其他好文 时间：
2020-09-11 16:02:19
阅读次数：
38
太强了！基于深度学习的文本自动解密算法。来自专辑AI实验室点击上方“JackCui”，选择“加为星标”第一时间关注技术干货！1加密加密技术无处不在。最常见的就是我们每天都在使用的密码。登陆微信、淘宝，我们所使用的密码，就是加密存储在数据库中的。加密技术可以保障我们密码的安全性。如果这些密码在数据库中是以明文形式存储的，那安全隐患就太大了。一旦数据库泄漏，就不光是一个账号被盗的问题了。很可能是多个网
分类：
编程语言 时间：
2020-09-11 16:01:56
阅读次数：
59
1. 模型定义 将问题转化为数学公式建模 模型就是一个数学公式，例如 w表示权重，b表示偏差，yhat表示预测值≠标签 2. 模型训练 -- 调整最终参数的过程 1. 训练数据（训练集，样本，标签--真实值，特征--用来预测标签的因素x1,x2） 2. 损失函数（衡量标签（真实值）与预测值之间的误差 ...
分类：
其他好文 时间：
2020-09-08 21:06:31
阅读次数：
60
最近主要在搞深度学习方面的一些东西，所以相关的文章会多一些。当然有关于Java方面的文章也在积极的策划中。如果你有好的文章或者干货不妨投稿到微信圈子程序员交流圈中分享给大家。1.detectron2FAIR开源的目标检测框架Detectron2，基于Pytorch。它训练比从前更快，功能比从前更全，支持的模型也比从前更丰盛。比如对初代的模型FasterR-CNN，MaskR-CNN，RetinaN
分类：
其他好文 时间：
2020-09-04 17:31:19
阅读次数：
55
1.前言Pytorch目前是炙手可热的深度学习框架。和TensorFlow比较起来学习曲线更加平滑，不用写大量的样板代码就可以对网络进行训练和使用。在最新版本的Pytorch中开始支持Java。但是安装Pytorch并不是很容易的事。今天就来说一下如何利用Conda安装Pytorch。2.Conda这里简单提一下Conda，Conda是一个开源的、跨平台的软件包管理系统和环境管理系统，用于安装多个
分类：
其他好文 时间：
2020-09-04 17:30:49
阅读次数：
39
AutoEncoder 这是一种非监督学习方式，主要用于数据的降维或者特征的抽取。 Autoencoder 实际上跟普通的神经网络没有什么本质的区别，分为输入层，隐藏层和输出层。 autoencoder的意义在于学习的（通常是节点数更少的）中间coder层（最中间的那一层），这一层是输入向量的良好表 ...
分类：
其他好文 时间：
2020-08-28 14:36:04
阅读次数：
62
Deeplearning4j实现CNN（卷积神经网络）原创liululee锅外的大佬5天前专注分享最新技术内容1.简述在本篇文章中，我们将使用Java中的Deeplearning4j库构建并训练一个卷积神经网络模型。有关如何设置库的更多信息，请参阅deeplearning4j入门.2.图像分类2.1.问题陈述（ProblemStatement）假设我们有一组图像。每个图像代表一个特定类的对象。此外
分类：
其他好文 时间：
2020-08-28 11:51:51
阅读次数：
82
了解过深度学习框架的都知道，Tensorflow是早期的主流框架，而后又出现了Keras,keras对Tensorflow进行了封装，使得搭建深度学模型的过程简化到了几个简单的步骤：summary、compile、fit、evaluate、 predict。Pytorch虽然比Tensorflow出... ...
分类：
其他好文 时间：
2020-08-27 13:14:01
阅读次数：
58
网络的多模态形状究竟是啥？道翰天琼认知智能机器人平台API接口大脑为您揭秘。三维形状的补全，即预测残缺形状缺失部分的几何从而恢复出完整的三维模型，是计算机视觉、图形学领域的基本问题。我们所获得的三维形状经常是不完整的，如用户进行三维设计时的中间产物、扫描时由于遮挡而得到的不完整点云等等，因此形状补全有着很广的应用范围。尽管目前已有很多工作利用深度学习方法进行形状补全，然而这些方法只能对每个残缺形状
