按时间归档：2022年03月
-
神经网络的编程基础2
Neural Networks and Deep Learning(week 2_python 编程练习-2) 吴恩达深度学习课程第二周编程练习——python的numpy基础-2…
-
Pandas统计分析基础（2）：Pandas之数据的读写（读取csv和excel文件）
✅作者简介：大家好我是Xlong，一枚正在学习COMSOL、Python的工科研究僧📃个人主页:Xlong的个人博客主页🔥系列专栏:Python大数据分析💖如果觉得博主的文章还不错…
-
深度学习相关概念：计算图和反向传播
在深度学习分类问题中，反向传播是一个重要的环节，它决定了模型能否被训练。反向传播相当于负反馈。当一件事完成时，它会寻找当前事件做得不好。问题，进行回发，并在下次执行时对其进行优化。…
-
基于Pytorch的神经网络之CNN
内容 1.引言 2.基本结构 2.1 输入层 2.2 卷积层 2.3 激励层 2.4 池化层 2.5 全连接层 3. 数字识别 3.1 搭建部分 这里主要讲一下神经网络的构建部分。…
-
基于lingo的线性回归和非线性回归
线性回归和非线性回归的lingo编程实现 内容 1.介绍 1.1 使用工具 1.2 lingo求解回归方程的特点 2.回归方程的求解 2.1线性回归 2.2非线性回归 3.模型推广…
-
opencv 不支持旋转模板匹配详解
模板匹配 模板匹配是一种用于查找与模板图像匹配（相似）的图像区域的技术。匹配的规则：1.首先需要两张图像，一张源图像（I）：我们期望在其中找到与模板图像匹配的图像，一张模板图像 (…
-
基于Pytorch的神经网络之Optimizer
内容 1.引言 2.各种优化器 2.1 SGD 2.2 Momentum 2.3 RMSprop 2.4 Adam 3.效果对比 1.引言 我们之前提到进行反向传播时我们需要用到优…
-
OpenCV-Python实战（22）——使用Keras和Flask在Web端部署图像识别应用
0. 前言 在《深度学习简介》中，我们学习了如何使用Keras创建深度学习应用程序。在本文中，我们将看到如何使用Keras和Flask来创建深度学习API REST。更具体地说，我…
-
Tensorflow学习之tf.layers.dense()
1. tf.layers.dense() 首先，TensorFlow中封装了全连接层函数 tf.layers.dense()，方便了开发者自己手动构造权重矩阵和偏移矩阵，利用矩阵乘…
-
【阅读笔记】联邦学习实践——联邦学习平台介绍
前言 FATE是微众银行开发的联邦学习平台，是全球首个工业级的联邦学习开源框架，在github上拥有近4000stars，可谓是相当有名气的，该平台为联邦学习提供了完整的生态和社区…
