按时间归档:2022年01月

  • 数据分析的流程概述

    数据分析的工作流程大约可分为9个阶段,其中前六个阶段是必经阶段,后3个阶段为可选择阶段。流程为:提出问题——获取数据——整理数据——数据探索——得出结论——展示结果——预测模型——模型评估——部署各个阶段的具体内容:1.确定问题阶段 明确需要用数据解决什么,一般结合具体业务提出问题,将大问题分解为可以用数据解决的小问题2.获取数据阶段根据要解决的问题收集数据,可以通过自有数据库、公开数据集、爬虫等获取数据。3.整理数据阶段整理数据又包括数据评估、数据清洗和规范化。..

    技术文章 2022年1月19日
    6670
  • 2021年电赛F题智能送药小车(国二)开源分享

    2021电赛F题智能送药小车设计并制作智能送药小车,模拟完成在医院药房与病房间药品的送取作业。使用ArduinoMega2560主控,Openmv4 Plus作视觉处理。

    2022年1月19日
    9630
  • 人口模型(Malthus+Logistic)

    Malthus模型6.15很明显可以知道当x(0) = x0,对x(t)对t求导之后导数为r * x0 * e^rt = r * x(t),符合6.14的条件。但是很明显,这样的模型肯定是不符合实际规律的,因为人口不可能随时间无限增长的,需要对模型进行修正。阻滞增长型(Logistics模型)即将原来人口增长的常数变为随基数而递减的线性关系,表明当人口达到一定数量时,人口便不会再继续增长下面展示一道例题直接建立对应模型即可。clc, clear% 非线性最小二乘估计data

    2022年1月19日
    7160
  • 汽车研发挑战 | 让汽车更懂你的心:车辆动力学、自动驾驶辅助系统性能评估工具

    在汽车的逐代研发中,更高更快更强类型的配置内卷已经不再是大家选择一款爱车的唯一衡量标准。一辆车好不好开,对于不同的乘车人乘坐时舒不舒坦,是否感觉安全等等都会成为选购考虑范畴的一环。自汽车行业开启新能源汽车时代,自动驾驶潮流也接踵而至,随着部分自动至完全自动的逐级提升,体验度在持续变化,乘客的紧张、压力度也会随之提高,这种驾驶、乘坐体验让汽车厂商们也随之卷到一个新的次元。 对各大整车厂来讲,高质量自动驾驶的完整研发过程需要包含多维度考量。除了当前热议的ADAS/AD、LKAS等为自动驾驶安全提供了技术层面

    2022年1月19日
    6690
  • 【OpenCV(C++)快速入门】–中篇–OpenCV中对图像的处理

    【专栏介绍】因为专业需要用到OpenCV来处理图像数据,所以需要学习,搜索了网上的相关资料,整体知识比较零散,花费了较多时间,所以才萌生了将学习过程整理成专栏的形式,希望能帮到后来的人,也方便自己复习。如有错漏欢迎评论或者私信指出,我定当及时更正。本系列共有上中下三篇,后面有空会再做个小项目,并放出来。上篇:计算机图像颜色基础理论中篇:OpenCV中对图像的处理下篇:OpenCV中的颜色、形状和轮廓检测

    2022年1月19日
    1.6K0
  • 【OpenCV(C++)快速入门】–上篇–计算机图像颜色基础理论

    【OpenCV快速入门】系列将会有上中下三篇,由浅入深,来入个门,因为我也是初学,整个系列参考了很多资料都会在文末标明。

    2022年1月19日
    7490
  • 【OpenCV(C++)快速入门】–下篇–OpenCV中的颜色、形状、人脸和轮廓检测

    【专栏介绍】因为专业需要用到OpenCV来处理图像数据,所以需要学习,搜索了网上的相关资料,整体知识比较零散,花费了较多时间,所以才萌生了将学习过程整理成专栏的形式,希望能帮到后来的人,也方便自己复习。如有错漏欢迎评论或者私信指出,我定当及时更正。本系列共有上中下三篇,后面有空会再做个小项目,并放出来。上篇:https://blog.csdn.net/weixin_45703465/article/details/122583084https://blog.csdn.net/weixin_45703

    2022年1月19日
    1.2K0
  • [源码分析] Facebook如何训练超大模型 — (2)

    FSDP是Facebook 深度借鉴微软ZeRO之后提出的PyTorch DDP升级版本,可以认为是对标微软 ZeRO,目标是训练超大规模模型。前文我们介绍了 FSDP 如何使用,本文从源码角度来介绍 FSDP 如何实现参数分区。

    2022年1月19日
    7270
  • 数学建模学习2

    前言:好像2021年的F题比较友好一点,起码能看懂个80%,呜呜呜。2102185summary:段落1阐述背景段落2-51、建三维交叉对比模型:这三个维度是成本和资本、获取性和公平性,以及学术水平。对于每个维度,有一个或两个可量化的指标。这5个指数包括支出指数、性别权益指数、入学指数、研究水平和教育质量指数、国际化指数,由14个因素计算。2、应用到几个国家3、修改为垂直对比模型4、讨论政策实施的有效性关键词:高等教育体系、健康、可持续性、交叉对比、垂直对比、相对得分、愿

    2022年1月19日
    3050
  • Pytorch(四) –基于Pytorch实现线性回归

    每一次epoch的训练过程,总结下来就是:① 前向传播,求预测值。② 根据预测值和真实值求loss损失值③ 反向传播计算梯度④ 根据梯度,更新参数代码如下:# y = 3*xx_data = torch.tensor([[1.0],[2.0],[3.0]])y_data = torch.tensor([[3.0],[6.0],[9.0]])#设计模型class LinearModel(torch.nn.Module): def __init__(self):#构造

    2022年1月19日
    6120
此站出售,如需请站内私信或者邮箱!