作者: 朗锐智科1
2256人浏览
评论数：0
5年前
根据2016年嵌入式视觉联盟进行的嵌入式视觉开发者调查2，77%的受访者表示目前正在或计划将要利用神经网络来处理分类工作。卷积神经网络并不是一个最近才出现的新概念。但是随着机器视觉的发展,卷积神经网络的应用也变得越来越重要了。 机器视觉卷积神经网络.jpg
作者: 【方向】
6299人浏览
评论数：0
5年前
更多深度文章，请关注云计算频道：https://yq.aliyun.com/cloud 如果你一直关注数据科学/机器学习，你就不能错过深度学习和神经网络的热潮。互联网公司正在寻找这方面的人，而且从竞赛到开源项目，都有巨额奖金。 如果你对深度学习所提供的前景感到
作者: 技术小能手
5582人浏览
评论数：0
5年前
如果你一直关注数据科学/机器学习，你就不能错过深度学习和神经网络的热潮。互联网公司正在寻找这方面的人，而且从竞赛到开源项目，都有巨额奖金。 如果你对深度学习所提供的前景感到兴奋，但是还没有开始，在这里或许是你开始的第一步。 在这篇文章中，我将介绍Tensor
作者: 【方向】
3203人浏览
评论数：0
4年前
如今，机器已经能够在理解、识别图像中的特征和对象等领域实现99％级别的准确率。生活中，我们每天都会运用到这一点，比如，智能手机拍照的时候能够识别脸部、在类似于谷歌搜图中搜索特定照片、从条形码扫描文本或扫描书籍等。造就机器能够获得在这些视觉方面
作者: 玄学酱
1221人浏览
评论数：0
5年前
人工神经网络模型整体上的发展过程如下图所示： 上图对比了本文所述的各种神经网络之间，操作复杂度和精度之间的关系。 LeNet5 1998， Yann LeCun 的 LeNet5。 图像特征分布在整个图像上。 在具有很少参数的多个位置上提取类似特征时，具有可学
作者: 布客飞龙
1169人浏览
评论数：0
5年前
四、神经网络和深度学习 原文：Machine Learning for Humans, Part 4: Neural Networks & Deep Learning 作者：Vishal Maini 译者：飞龙 协议：CC BY-NC-SA 4.0 深度神经
作者: 幸运券发放
154人浏览
评论数：0
3年前
Pytorch中自定义神经网络卷积核权重 1. 自定义神经网络卷积核权重 神经网络被深度学习者深深喜爱，究其原因之一是神经网络的便利性，使用者只需要根据自己的需求像搭积木一样搭建神经网络框架即可，搭建过程中我们只需要考虑卷积核的尺寸，输入输出通道数，卷积方式
作者: boxti
770人浏览
评论数：0
5年前
使用神经网络进行序列预测是众所周知的计算机科学问题，在语音识别、机器翻译、语言建模和其他领域中都有着广泛的应用。这种预测使用的模型对计算能力要求很高，这限制了它们的实际应用。 Facebook AI Research的科学家设计了自适应的softmax算法，
作者: xpeng
8398人浏览
评论数：1
6年前
你好，在安装Torch的过程中（http://torch.ch/docs/getting-started.html）执行预安装步骤bash install-deps;报错： http://mirrors.aliyun.com/centos/7/os/x86_
