人工智能

在这里插入图片描述

(二)OpenCV特征提取与检测_15_BRISK特征匹配

Brisk(Binary Robust Invariant Scalable Keypoints)特征介绍 构建尺度空间 特征点检测 FAST9-16寻找特征点 特征点定位 关键点描述子 #include #include using namespace std; using namespace cv; int main(int argc, char** argv) { //步骤一:读取图片并将图... »

损失函数

def SequenceMask(X, X_len,value=0): maxlen = X.size(1) mask = torch.arange(maxlen)[None, :].to(X_len.device) < X_len[:, None] X[~mask]=value return X X = torch.tensor([[1,2,3], [4,5,6]]) SequenceMa... »

嵩天老师:如何使用Python官方文档?

https://docs.python.org/zh-cn/3/3.7.3版本开始,Python官方文档有了中文版,快去看看吧,能看英文版更好鉴于官方文档并非教程,而是技术手册,可以阅读但请注意:不建议初学者阅读,技术手册中包含较多背景知识,阅读要求较高不建议作为教程学习,官方文档未考虑认知规律,缺少实例,跟学进展会比较慢建议作为某些疑惑内容深入理解和查阅的 »

权重衰减

fit_and_plot(lambd=3) def fit_and_plot_pytorch(wd): # 对权重参数衰减。权重名称一般是以weight结尾 net = nn.Linear(num_inputs, 1) nn.init.normal_(net.weight, mean=0, std=1) nn.init.normal_(net.bias, mean=0, std=1) optimi... »

在这里插入图片描述

Pytorch学习笔记——卷积神经网络基础

卷积神经网络基础 卷积神经网络包含卷积层、池化层 1、卷积层 二维互相关运算 输入的二维矩阵与一个二维核矩阵的二维互相关计算,通常情况下核矩阵size小于输入矩阵,举例 这里实现为0×0+1×1+3×2+4×3=19,然后核矩阵在输入矩阵中向右移动一格,再算1×0+2×1+4×2+5×3=25,以此类推 import torch import torch.nn as nn # corr2d函数实现... »

相机标定——单目、双目

双目标定 https://www.cnblogs.com/polly333/p/5013505.html #include "opencv2/calib3d/calib3d.hpp" #include "opencv2/highgui/highgui.hpp" #include "opencv2/imgproc/imgproc.hpp" #include #include #include #in... »

在这里插入图片描述

机器翻译机制

机器翻译机器翻译, 将一段文本从一种语言自动翻译为另一种语言。--------(思考:对很通用,X是一个问句,Y是答案;X是一个句子,Y是抽取的关系三元组;X是汉语句子,Y是汉语句子的英文翻译。------(思考:其实这里的Encoder-Decoder是一个序列到序列的模型seq2seq,这个模型是对顺序有依赖的。对于解码器来说,另一个多头注意力层被用于接受编码器的隐藏状态。 »

Image Name

动手学Pytorch-打卡2

seq2seq中的函数注解 载入数据集部分 def pad(line, max_len, padding_token): if len(line) > max_len: return line[:max_len] return line + [padding_token] * (max_len - len(line)) print(pad(src_vocab[source[0]], 10, ... »

计算机视觉+机器学习 (一)识别手写数字 (3)

计算机视觉+机器学习 (一)识别手写数字 (3)

计算机视觉+机器学习 (一)识别手写数字 (3) 三. 开始训练数据集 。代码如下 import cv2 import os import numpy as np from sklearn import neighbors import struct print("Now start,please wait...") def getImages():#处理训练图片 imgs = np.zeros(... »

在这里插入图片描述

基于DTW的语音情感识别系统

语音情感AI正在改变我们与用户的沟通。语音情感AI正在改变我们与用户的沟通,将语音情感技术应用在大规模语音数据分析中,识别客户情绪波动、识别客户不满情感、监测客服态度、计算沟通亲和度、勾画沟通人格等等,并在此基础上开发了满意度自测工具、服务态度检测工具、服务质量管理工具、座席与用户沟通匹配功能、座席实时沟通情感工具等。 »

笨办法学Python3 习题35

习题35 分支和函数 from sys import exit def gold_room(): print("This room is full of gold. How much do you take?") next = input("> ") if "0" in next or "1" in next: how_much = int(next) else: dead("Man, le... »

笨办法学Python3 习题16

基于Python3.6 习题16 from sys import argv script, filename = argv print("We're going to erase %r." % filename) print("If you don't want that, hit CTRL-C (^C).") print("If you do want that, hit RETURN.") i... »

基于Kaldi+GStreamer搭建线上的实时语音识别器

基于Kaldi+GStreamer搭建线上的实时语音识别器

一、安装python2.7和Tornado 4,ws4py, YAML,JSON等依赖包 1、sudo pip2 install tornado==4.3(4.0版本不行) 2、sudo pip2 install ws4py==0.3.2 3、sudo pip2 install pyyaml 4、sudo pip2 install  https://pypi.python.org/packages... »

神经网络Xavier随机初始化

该方法来源于2010年的论文Understanding the difficulty of training deep feedforward neural network 该方法的思想是:为了使得网络中信息更好的流动,每一层输出的方差应该尽量相等 具体的推导过程见如下链接: 深度学习——Xavier初始化方法 深度学习中Xavier初始化 推导所得的结果就是使该层中权重参数的每个元素都随机采样于... »

动手学深度学习之深度学习基础

动手学深度学习之深度学习基础 文章目录动手学深度学习之深度学习基础1、过拟合、欠拟合及其解决方案2、梯度消失、梯度爆炸3、循环神经网络进阶4、机器翻译及相关技术5、注意力机制与Seq2seq模型6、Transformer7、卷积神经网络基础8、LeNet9、卷积神经网络进阶 1、过拟合、欠拟合及其解决方案 训练误差(training error):模型在训练数据集上表现的误差 泛化误差(gener... »

在这里插入图片描述

回溯法

1、回溯法适用:有许多问题,当需要找出它的解集(全部解)或者要求回答什么解是满足某些约束条件的最优解时,往往要使用回溯法。 »

在这里插入图片描述

(二)OpenCV特征提取与检测_10_积分图计算

积分图像计算 sum(m,n) = ii(x,y) + ii(u,v) – ii(x,v) – ii(u,y)其中矩形大小为:m = x-u , n = y-v cv::integral ( InputArray src, OutputArray sum, //标准求和积分 OutputArray sqsum, //平方求和积分 OutputArray tilted, //... »

62.不同路径

62.不同路径

一个机器人从最左上角走到最右下角,问有多少种走法。我最初想的是可能这道题要用dfs,纯属是我算法基础太差了。。。。这道题就是一道动态规划题。动态规划的重点就是找到状态转移方程,找到了就好做了。最后得到的dp[m-1][n-1]就是到达该m,n位置的所有走法,代码如下:作者:qq_40058686 »

在这里插入图片描述

SIR及SEIR建模的简单示例

目录概述1.一些定义1.1 一些名词1.2 一些符号1.3 一些定义2.方法论2.1 SIR2.2 SEIR2.3 代际传播2.3.1 传播矩阵3 模型实现3.1 参数设定3.2 SIR(1)模型(2)参数(3)计算(4)绘图3.3 SEIR(1)模型(2)参数(3)计算(4)绘图3.4 小结参考文献 概述 看了一些2019-nCoV相关的文章,摘录并总结了一些关于SIR和SEIR模型的定义。并通... »

回归任务举例

机器学习笔记1_机器学习基础

# 机器学习笔记1_机器学习基础 人工智能,机器学习,深度学习的关系 关于数据 牢记⬆图 数据特征例子(帮助理解): 机器学习的基本任务 机器学习(或者说其中的监督学习)的基本任务可以分为: 分类任务 回归任务 分类任务: 分类任务的结果是几个类别,是非连续的。分类任务可以分为: 二分类 多分类 二分类 判断邮件是否为垃圾邮件 判断股票是涨还是跌 多分类 数字的识别 学生成绩的评级ABC 某些算法... »

在这里插入图片描述

【Tensorflow2.0】Tensorflow2.0的安装教程

anaconda 可以使tensorflow的安装变的简单 昨天tensorflow 开发者大会刚开完,会上发布了关于 TensorFlow 2.0,TensorFlow Lite,TensorFlow.js,Swift for TensorFlow,TFX 等产品生态体系的最新更新和首次发布的内容,2019年仍会支持tensorflow1.x,但是我们相信,版本的升级会带来易用性和使用性能的提升... »

机器学习霸占高薪榜、区块链偃旗息鼓?2020 年软件工程师状况解读!

机器学习霸占高薪榜、区块链偃旗息鼓?2020 年软件工程师状况解读!

去年的黑马是区块链工程师,而2020年当属AR/VR。安全工程师的需求仍然很高,增长率为49%。但远低于2018年132%的增长率。在去年的《软件工程师状况》报告中,市场上需求最高的人才是Go语言。Ruby、PHP和Objective C是软件工程师中间最不受喜爱的语言。高达85%的软件工程师表示,很高兴选择了软件工程行业。然而,68%的开发人员最想学习的技术乃是机器学习。 »

python机器学习:推荐系统实现(以矩阵分解来协同过滤)

python机器学习:推荐系统实现(以矩阵分解来协同过滤)

p=10911用户和产品的潜在特征编写推荐系统矩阵分解工作原理使用潜在表征来找到类似的产品。为此,我们将使用低秩矩阵分解算法。函数的结果是U矩阵和M矩阵,每个用户和每个电影分别具有15个属性。结果存储在一个名为predicted_ratings的数组中。下一步是检查我们的计算评级矩阵与真实评级矩阵与U和M的当前值有多不同。现在,每个电影都由矩阵中的一列表示。 »

在这里插入图片描述

IntelliJ IDEA学生免费申请 遇到的一些坑

1 申请方法很详细的步骤:IDEA 学生授权申请方式(免费)2 遇到的一些小坑按照教程走完之后,打开IDEA输入JetBrains账号、密码登录时遇到了一点小坑,导致一直激活失败。下面是申请学生免费成功的页面,点击Your Account。可以看到,Username当中所有的字母都存储成了小写的,哪怕你申请的时候是大写! »

在这里插入图片描述

Answer Set Programming 问答集编程

ASP 问答集编程 什么是ASP? ASP,全称 Answer Set Programming 中文名叫问“答集编程”。实验室学长要我学ASP的时候,我就去百度查了ASP,结果查到了都是这个:Active Server Page,意为“活动服务器网页”。我当时就在想:“这个不对啊,这个搞网站的,应该是旁边组系统集成组的事呀”。果然,此ASP非彼ASP。 Answer Set Programming... »

Page 1 of 155123»