博主是《学习OpenCV4:基于Python的算法实战》和《深度学习计算机视觉实战》两本图书的作者,目前从事自动驾驶感知融合算法开发,分享内容包括深度学习、计算机视觉、OpenCV、自动驾驶、SLAM、C++/Python语言开发等方向的内容。   欢迎关注公众号“计算机视觉与OpenCV”
  本文介绍基于MATLAB,利用随机森林(RF)算法实现回归预测,以及自变量重要性排序的操作。 目录1 分解代码1.1 最优叶子节点数与树数确定1.2 循环准备1.3 数据划分1.4 随机森林实现1.5 精度衡量1.6 变量重要程度排序1.7 保存模型2 完整代码   本文分为两部分,首先是对代
摘要:本文介绍将TensorFlow网络模型迁移到昇腾AI平台,并执行训练的全流程。然后以TensorFlow 1.15训练脚本为例,详细介绍了自动迁移、手工迁移以及模型训练的操作步骤。 本文分享自华为云社区《将TensorFlow模型快速迁移到昇腾平台》,作者:昇腾CANN。 当前业界很多训练脚
一,机器学习系统分类 机器学习系统分为三个类别,如下图所示: 二,如何处理数据中的缺失值 可以分为以下 2 种情况: 缺失值较多:直接舍弃该列特征,否则可能会带来较大噪声,从而对结果造成不良影响。 缺失值较少:当缺失值较少(< 10%)时,可以考虑对缺失值进行填充,有几下几种填充策略: 用
一、实验内容及目的 本实验以遗传算法为研究对象,分析了遗传算法的选择、交叉、变异过程,采用遗传算法设计并实现了商旅问题求解,解决了商旅问题求解最合适的路径,达到用遗传算法迭代求解的目的。选择、交叉、变异各实现了两种,如交叉有顺序交叉和部分交叉。 二、实验环境 Windows10 开发环境Pytho
原创:扣钉日记(微信公众号ID:codelogs),欢迎分享,转载请保留出处。 简介 上次解决了GC长耗时问题后,系统果然平稳了许多,这是之前的文章《GC耗时高,原因竟是服务流量小?》 然而,过了一段时间,我检查GC日志时,又发现了一个GC问题,如下: 从这个图中可以发现,我们GC有一些尖峰,
​文本纠错:提升OCR任务准确率的方法理解 摘要:错字率是OCR任务中的重要指标,文本纠错需要机器具备人类水平相当的语言理解能力。随着人工智能应用的成熟,越来越多的纠错方法被提出。 近年来深度学习在OCR领域取得了巨大的成功,但OCR应用中识别错误时有出现。错误的识别结果不仅难以
一、背景 电子文档由于更容易存档、编辑、签名和共享,越来越多的文档需电子化,随着高质量摄像头在手机等移动设备上的普及,利用移动设备对文档进行数字化采集已经非常普遍。通过图像校正与图像质量提升,移动设备采集的文档图像质量甚至可以与专用的文档扫描仪相当。然而,文档总是由于纸张几何形状和捕获条件不受控制
摘要:针对疫情期间存在的排查实时性差、排查效率低、无法追踪密接者等问题,可以使用基于YOLOv4的行人检测、行人距离估计、多目标跟踪的方案进行解决。 本文分享自华为云社区《基于ModelArts进行流感患者密接排查》,作者:HWCloudAI。 目前流感病毒患者密接难以排查,尤其是在人流量大的区域
机器学习绪论 机器学习概念 机器学习 有监督学习 如:回归,分类 无监督学习 如:聚类,降维 什么是机器学习 程序通过不断的学习达到一定的性能,可以完成指定的任务 定义 (1)机器学习是一门人工智能的科学,该领域的主要研究对象是人工智能,特别是如何在经验 学习中改善具体算法的性能
摘要:神经网络的压缩算法是,旨在将一个庞大而复杂的预训练模型(pre-trained model)转化为一个精简的小模型。 本文分享自华为云社区《卷积神经网络压缩方法总结》,作者:嵌入式视觉 。 我们知道,在一定程度上,网络越深,参数越多,模型越复杂,其最终效果越好。神经网络的压缩算法是,旨在将一
python 爬取豆瓣电影评论,并进行词云展示 本文旨在提供爬取豆瓣电影《我不是药神》评论和词云展示的代码样例 1、分析URL2、爬取前10页评论3、进行词云展示1、分析URL 我不是药神 短评 第一页url https://movie.douba
目录1、文本数据获取2、常规文本数据预处理2.1 将文本数据清洗干净2.2 将文本数据格式化3、任务相关的文本数据预处理3.1 不平衡问题3.2 数据增强问题3.3 数据标注问题4、一些可用的文本预处理工具5、总结 本文关键词:文本数据预处理、中文文本预处理、自然语言处理 摘要: 要进行自然语言处
  临时感想——   记忆是单纯地存储,可以摆脱人类遗忘的能力。印象则是一种神奇的联想能力,它似乎也需要记忆,但这种记忆却是一种并不刻意的固定存储,是需要指定某个关键词,进而通过这个关键词来激发出许多许多相关联的记忆。   我们的大脑似乎就是这样,看起来似乎能记住许多东西,但我想象这种东西似乎是凭
一、概述   当前人工智能技术实现的一种主要手段是机器学习,而机器学习能够解决的问题主要有三种:分类、聚类、回归,有监督的是分类,无监督的是聚类。所谓聚类,就是以一定的方法将一堆样本依它们本身的数据特性划分成不同的簇类,以达成不同的技术目的,k-means就是这样一种基础聚类算法。 二、算法原理
我总习惯写故事. 我不太喜欢华而不实的骈文, 相反更喜欢清风拂面. 因此总会有人说, "一开始读, 太平淡、没什么意思. 但要是进去了, 就出不来了." 已经很久不正经写东西, 最近几年, 写的最多的估计是课程报告. 时常翻开看看自己的"锤子便签", 总发现里面还是会有两三个以往写的句子, 现在看
一、朴素贝叶斯法原理 1.基本原理   朴素贝叶斯法(Naive Bayes)是一种基础分类算法,它的核心是贝叶斯定理+条件独立性假设。贝叶斯定理描述的是两个条件概率之间的关系,对两个事件A和B,由乘法法则易知$$(A∩B)=P(A)P(B│A)=P(B)P(A│B)$$   贝叶斯定理就是对这个
Python的并行编程可以采用multiprocessing或mpi4py模块来完成。 multiprocessing是Python标准库中的模块,实现了共享内存机制,也就是说,可以让运行在不同处理器核心的进程能读取共享内存。在基于共享内存通信的多进程编程中,常常通过加锁或类似机制来实现互斥。 m

推荐文章