切换马甲
上一页
下一页
分类专栏
-
242篇
默认分类
文章数:242
文章总阅读量:222w
文章总收藏量:1.3k
文章总点赞量:2.2w
按发布时间
按阅读量
按点赞量
-
【深度学习】面向医学图像的病灶分割调研(二) 文章目录 3 论文分析 3.1《nnU-Net for Brain Tumor Segmentation》 3.2《An attempt at beating the 3D U-Net》 3.3《TransBTS: Multimodal Brain Tumor Segmentation Using Transformer》 参2021-07-19 17:09:4494 3 8174
-
【深度学习】面向医学图像的病灶分割调研(一) 文章目录 1. 研究背景 2. 所选论文介绍 3. 论文分析 3.1 《Modified U-Net (mU-Net) With Incorporation of Object-Dependent High Level Features for Improved Liver and Liver-Tumor Segmentation in CT Ima2021-07-19 17:10:2793 4 6577
-
前言 各位读者好,截止目前,ThingsBoard系列文章已经做了十篇,分别是 ThingsBoard教程(一):ThingBoard介绍及安装 ThingsBoard教程(二):租户,租户配置,部件组模块的使用 ThingsBoard教程(三):系统设置模块的使用 ThingsBoard教程(四):规则链简介与操作 ThingsBoard教程(五):客户,资产管理 ThingsBoard教程(2021-07-20 15:29:5095 2 9996
-
前言 各位读者好,截止目前,ThingsBoard系列文章已经做了十篇,分别是 ThingsBoard教程(一):ThingBoard介绍及安装 ThingsBoard教程(二):租户,租户配置,部件组模块的使用 ThingsBoard教程(三):系统设置模块的使用 ThingsBoard教程(四):规则链简介与操作 ThingsBoard教程(五):客户,资产管理 ThingsBoard教程(2021-07-23 15:56:2597 1 10234
-
前言 各位读者好,截止目前,ThingsBoard系列文章已经做了十篇,分别是 ThingsBoard教程(一):ThingBoard介绍及安装 ThingsBoard教程(二):租户,租户配置,部件组模块的使用 ThingsBoard教程(三):系统设置模块的使用 ThingsBoard教程(四):规则链简介与操作 ThingsBoard教程(五):客户,资产管理 ThingsBoard教程(2021-07-24 18:04:0494 2 8822
-
文章目录 1 torch.autograd 2 torch.nn.functional 3 详细的回归DEMO 3.1 DATASET 3.2 网络 3.3 训练 1 torch.autograd torch.autograd提供了类和函数用来对任意标量函数进行求导。要想使用自动求导,只需要对已有的代码进行微小的改变。只需要将所有的tensor包含进Variable对象2021-07-26 11:25:5194 0 4772
-
文章目录 1 概述 2 模型求解和检验 3 模型代码 4 模型评价与推广 5 参考 1 概述 建立一个普适性较高的模型来有效预测疫情的达峰时间、每日增长量和最终报告病人数等,这能为国家实施防控措施提供重要的理论决策支持。对于附录1中的疫情确诊病例的时间序列time_series_19-covid-Confirmed.csv获取它第二列的国家信息和第五列之后疫情时间序列病例数,计算每一天病例增长量2021-07-26 11:27:4095 0 5662
-
【深度学习】基于Torch的Python开源机器学习库PyTorch卷积神经网络 文章目录 1 CNN概述 2 PyTorch实现步骤 2.1 加载数据 2.2 CNN模型 2.3 训练 2.4 可视化训练 3 TorchVision 4 torch.nn 模块简介 5 保存 6 提取网络 1 CNN概述 (6)输出层有10个神经元,在MNIST数据集的输出具2021-07-26 11:28:0594 0 4675
-
文章目录 1 概述 2 数据分析 3 SIR模型和LSTM网络的对比 4 LSTM神经网络的建立 5 参考 1 概述 我们将SIR传播模型和LSTM长短时记忆神经网络的预测效果做了对比。由于新型冠状病毒具有1-24天潜伏期的特点,SIR模型预测效果并不理想,所以最终选用LSTM长短时记忆神经网络并对LSTM神经网络进行训练和检验。数据来源于约翰·霍普金斯大学系统科学与工程中心发布在GitHub上2021-07-26 11:30:2592 0 6398
-
文章目录 概述 问题重述 问题分析 数据预处理说明 模型假设 模型评价与推广 未完待续! 参考 概述 中小微企业对我国国民经济发展做出巨大贡献,但由于其自身存在规模较小、可以 抵押的资产少等问题,在筹集资金方面仍然具有较大的缺口[1]。银行需要通过信贷风险 评估筛选出实力强,信誉好的企业给与DK,它即关乎银行自身的发展,又关乎企业的 生死存亡。因此需要建立一套有效的信贷风险评估体系,以此降低风险2021-07-26 11:43:2093 0 11395
-
文章目录 模型的建立与求解 参考 模型的建立与求解 5.1 问题一的模型建立和求解 5.1.1 层次分析法计算各项指标的主观权向量 选定“进项总金额、进项总税额、进项数、销项总金额、进项FP有效率、销项总 税额、销项数、销项FP有效率、信誉评级、是否违约”十个指标为准则层,用层次分 析法求它们的权重,构建层级结构模型。 构造判断矩阵(成对比较矩阵),将 n 个因素 C1,C2,...,Cn 之间2021-07-26 11:43:4293 0 5245
-
介绍 OpenHarmony是由开放原子开源基金会(OpenAtom Foundation)孵化及运营的开源项目,目标是面向全场景、全连接、全智能时代,基于开源的方式,搭建一个智能终端设备操作系统的框架和平台,促进万物互联产业的繁荣发展。 目前官方代码托管在 https://gitee.com/openharmony 相关的文档 https://gitee.com/openharmony/docs2021-07-26 17:37:5594 0 4517
-
文章目录1 PyTorch简介2 环境搭建3 Hello world! 3.1 Tensors (张量) 3.2 操作4 GPU Tensor5 前向传播与反向传播 1 PyTorch简介要介绍PyTorch之前,不得不说一下Torch。Torch是一个有大量机器学习算法支持的科学计算框架,是一个与Numpy类似的张量(Tensor) 操作库,其特点是特别灵活,但因其采用了小众的编程2021-07-26 17:43:0494 0 5197
-
文章目录 训练模型 工具 结果展示 问题二的模型建立与求解 基于 KNN 的人脸识别模型 训练模型 MTCNN 可以并行训练(3 个网络同时训练,前提是内存够大)损失函数:cls 置信度输出函数为 Sigmoid 并且是判断是否存在人脸的分类问题,所以使用 BCELoss(二分类交叉熵损失函数)offset 偏移量为回归候选框的左边点的偏移 量使用的是 MSELoss(均方差损失函数)。 优化器2021-07-28 14:21:0893 2 49574
-
文章目录 摘要 问题重述 模型假设 定义与符号说明 问题分析 模型的建立与求解 参考 摘要 伴随着人工智能技术的发展,人们对信息安全有了更高的要求,传统的模 式早已满足不了,人脸识别技术应运而生,走进了人们生活的方方面面。小到 可以通过扫描人脸进行订单支付,大到可以通过人脸识别协助警察追踪破案, 极大的满足了人们迫切提高生活品质的需求。为了到 2030 年使中国成为世界主 要人工智能创新中心,国2021-07-28 14:21:2893 0 5636
-
@[toc] 1 数据集(公开)2.1 视盘标签ORIGA-650这批数据集归属于新加坡国家眼科中心,主要包含650张彩色眼底图像,每张图像都有视盘和视杯的分割标注,同时还有是否患有青光眼的诊断标注。拥有这批数据的IMED团队,也是目前国内最大的眼科医疗图像组。 ORIGA-650分为两个子集 set A for training 和 set B for testing 每个子集包含了325张图2021-07-29 10:22:1092 0 14263
-
Node-RED系列文章目前已经写了20篇,介绍了Node-RED的安装以及默认安装的一些基本节点的使用,作为物联网的一个可视化拖动的流程,Node-RED的确实很容易上手。还没开始学习的同学可以先看下我以前的文章。 Node-RED教程(一):Node-RED的介绍与安装 Node-RED教程(二):Node-RED的面板的操作 Node-RED教程(三):Node-RED公共节点的2021-07-29 17:28:0898 3 14321
-
文章目录 1 概述 2 对比 TPU 与 GPU 的计算速度 3 总结和简易的测试代码 4 为什么使用 TPU 1 概述 TPU 比 CPU 和 GPU 快 15~30 倍。. 效率则以每瓦特能量消耗执行的 tera-操作计算。. TPU 比 CPU 和 GPU 效率高 30~80 倍。. TPU,GPU,CPU 和改进的 TPU 的性能对比。. GPU(蓝色)和TPU(红色)相对于CPU的能效2021-07-30 10:33:4193 0 5418
-
【深度学习】基于PyTorch的模型训练实用教程之数据处理 文章目录 1 transforms 的二十二个方法 2 数据加载和预处理教程 3 torchvision 4 如何用Pytorch进行文本预处理 5 补充 1 transforms 的二十二个方法 裁剪——Crop 中心裁剪:transforms.CenterCrop 随机裁剪:transforms.RandomCrop 随机长宽2021-08-02 09:33:4392 0 4594
-
【深度学习】梯度和方向导数概念解析(代码基于Pytorch实现) 文章目录1 方向导数2 梯度3 自动求导实现4 梯度下降 4.1 概述 4.2 小批量梯度下降5 总结 1 方向导数方向导数的本质是一个数值,简单来说其定义为:一个函数沿指定方向的变化率。 因此,构建方向导数需要有两个元素: 1) 函数 2) 指定方向 当然,与普通函数的导数类似,方向导数也不是百分之2021-08-02 09:34:0393 0 4947