深度学习实战

TensorFlow深度学习实战——DCGAN详解与实现

TensorFlow深度学习实战——DCGAN详解与实现0.前言1.DCGAN架构2.构建DCGAN生成手写数字图像2.1生成器与判别器架构2.2构建DCGAN相关链接0.前言深度卷积生成对抗网络(DeepConvolutionalGenerativeAdversarialNetwork
盼小辉丶·2025-07-20 23:59

深度学习实战-使用TensorFlow与Keras构建智能模型

深度学习实战-使用TensorFlow与Keras构建智能模型深度学习已经成为现代人工智能的重要组成部分，而Python则是实现深度学习的主要编程语言之一。
程序员Gloria·2025-07-12 00:28

【深度学习实战】当前三个最佳图像分类模型的代码详解

下面给出三个在当前图像分类任务中精度表现突出的模型示例，分别基于SwinTransformer、EfficientNet与ConvNeXt。每个模型均包含：训练代码（使用PyTorch）从预训练权重开始微调（也可注释掉预训练选项，从头训练）数据集目录结构：└──dataset_root├──buy#第一类图像└──nobuy#第二类图像随机拆分：80%训练，20%验证每个Epoch输出一次loss
云博士的AI课堂·2025-07-11 22:49

深度学习实战：基于嵌入模型的AI应用开发

深度学习实战：基于嵌入模型的AI应用开发关键词：嵌入模型（EmbeddingModel）、深度学习、向量空间、语义表示、AI应用开发、相似性搜索、迁移学习摘要：本文将带你从0到1掌握基于嵌入模型的AI应用开发全流程
AIGC应用创新大全·2025-06-28 18:17

计算机视觉与深度学习实战：以Python为工具，基于深度学习的汽车目标检测

随着人工智能技术的飞速发展，计算机视觉与深度学习已经成为当今科技领域的热点。其中，汽车目标检测作为自动驾驶、智能交通等系统的核心技术，受到了广泛关注。本文将以Python为工具，探讨基于深度学习的汽车目标检测方法及其实战应用。一、计算机视觉与深度学习基础计算机视觉是研究如何让计算机从图像或视频中获取信息、理解内容并作出决策的科学。深度学习则是一种模拟人脑神经网络的机器学习技术，通过构建深层神经网络
好知识传播者·2025-06-23 20:38

TensorFlow深度学习实战——Transformer变体模型

TensorFlow深度学习实战——Transformer变体模型0.前言1.BERT2.GPT-23.GPT-34.Reformer5.BigBird6.Transformer-XL7.XLNet8.
盼小辉丶·2025-06-20 06:36

深度学习实战111-基于神经网络的A股、美股、黄金对冲投资策略（PyTorch LSTM）

文章目录一、A股与美股对冲互补投资方案1.现象与逻辑2.对冲互补投资思路3.资金分配样例4.最大化收益的关键二、对冲互补投资思路1.资金分配原则2.动态调整机制3.对冲操作三、投资方案样例1.初始资金分配（假设总资金10万元）2.动态调整举例情景一：美股进入牛市，A股震荡情景二：A股进入牛市，美股高位震荡情景三：全球风险事件，市场大跌四、操作细节与注意事项五、样例操作流程六、基于神经网络的A股美股
微学AI·2025-06-17 12:35

【深度学习实战】图像二分类任务的精度优先模型推荐

图像二分类任务的精度优先模型推荐推荐3种在精度方面表现突出的图像分类模型架构。这些模型在PyTorch中有良好支持，可通过微调预训练模型或从头训练来应用。每种模型的介绍、微调/从头训练建议、精度表现和对趋势图类图像的适用性分析如下。1.SwinTransformer（视觉Transformer架构）简介：SwinTransformer是一种由Microsoft提出的VisionTransforme
云博士的AI课堂·2025-06-11 16:12

TensorFlow深度学习实战（18）——K-means 聚类详解

TensorFlow深度学习实战（18）——K-means聚类详解0.前言1.K-means聚类2.实现K-means聚类2.1算法实现2.2肘部法则3.K-means算法变体小结系列链接0.前言K-means
盼小辉丶·2025-06-01 22:33

TensorFlow深度学习实战（17）——主成分分析详解

TensorFlow深度学习实战（17）——主成分分析详解0.前言1.主成分分析2.使用TensorFlow实现PCA3.TensorFlow嵌入API小结系列链接0.前言主成分分析(PrincipalComponentAnalysis
盼小辉丶·2025-05-27 20:18

深度学习实战108-基于通义千问Qwen2.5-Omni的智能数字人实时对话系统实现

大家好，我是微学AI，今天给大家介绍一下深度学习实战108-基于通义千问Qwen2.5-Omni的智能数字人实时对话系统实现。
微学AI·2025-05-26 04:23

深度学习实战 04：卷积神经网络之 VGG16 复现三（训练）

在后续的系列文章中，我们将逐步深入探讨VGG16相关的核心内容，具体涵盖以下几个方面：卷积原理篇：详细剖析VGG的“堆叠小卷积核”设计理念，深入解读为何3×3×2卷积操作等效于5×5卷积，以及3×3×3卷积操作等效于7×7卷积。架构设计篇：运用PyTorch精确定义VGG16类，深入解析“Conv-BN-ReLU-Pooling”这一标准模块的构建原理与实现方式。3.训练实战篇：在小规模医学影像数
生信探索·2025-05-22 01:19

PyTorch深度学习实战（18）—— 可视化工具

在训练神经网络时，通常希望能够更加直观地了解训练情况，例如损失函数曲线、输入图片、输出图片等信息。这些信息可以帮助读者更好地监督网络的训练过程，并为参数优化提供方向和依据。最简单的办法就是打印输出，这种方式只能打印数值信息，不够直观，同时无法查看分布、图片、声音等。本节介绍两个深度学习中常用的可视化工具：TensorBoard和Visdom。1.TensorBoard最初，TensorBoard是
shangjg3·2025-05-20 19:04

基于YOLOv8深度学习的人脸面部口罩检测系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战

基本功能演示在这里插入图片描述摘要：人脸口罩面部检测能够准确地检测人脸是否佩戴口罩，对于控制疫情传播、保障公共卫生安全起到关键作用。本文基于YOLOv8深度学习框架，通过853张图片，训练了一个进行人脸面部口罩的目标检测模型，能够准确的检测人脸“戴口罩”、“未戴口罩”及“未正确佩戴口罩”。并基于此模型开发了一款带UI界面的人脸面部口罩检测系统，可用于实时检测场景中的人员是否佩戴口罩，更方便进行功能
zhangjiaofa·2025-05-11 08:28

Keras深度学习实战——自编码器详解

内容合伙人、新星导师、全栈领域优质创作者、51CTO(Top红人+专家博主)、github开源爱好者（go-zero源码二次开发、游戏后端架构https://github.com/Peakchen）Keras深度学习实战
鱼弦·2025-05-10 15:38

TensorFlow深度学习实战（13）——神经嵌入详解

TensorFlow深度学习实战（13）——神经嵌入详解0.前言1.神经嵌入简介1.1Item2Vec1.2node2vec2.数据集与模型分析3.实现神经嵌入小结系列链接0.前言神经嵌入(NeuralEmbedding
盼小辉丶·2025-05-10 15:38

TensorFlow深度学习实战（10）——迁移学习详解

TensorFlow深度学习实战（10）——迁移学习详解0.前言1.迁移学习1.1迁移学习基本概念1.2迁移学习的重要性1.3ImageNet1.4迁移学习流程2.InceptionV3架构3.构建迁移学习模型小结系列链接
盼小辉丶·2025-05-10 15:38

【人工智能核心技术全景解读】从机器学习到深度学习实战

目录前言️技术背景与价值当前技术痛点️解决方案概述目标读者说明一、技术原理剖析核心概念图解核心作用讲解关键技术模块说明⚖️技术选型对比二、实战演示️环境配置要求️核心代码实现案例1：图像分类（CNN）案例2：文本情感分析（Transformer）运行结果验证⚡三、性能对比测试方法论量化数据对比结果分析四、最佳实践✅推荐方案❌常见错误调试技巧五、应用场景扩展适用领域创新应用方向生态工具链✨结语⚠️技
满怀1015·2025-05-09 13:42

PyTorch 深度学习实战（23）：多任务强化学习（Multi-Task RL）之扩展

之前的PyTorch深度学习实战（23）：多任务强化学习（Multi-TaskRL)总结扩展运用代码如下：importtorchimporttorch.nnasnnimporttorch.optimasoptimimportnumpyasnpfromtorch.distributionsimportNormalfromtorch.ampimportautocast
进取星辰·2025-05-02 04:11

大模型入门必读的9本硬核好书：豆瓣评分超9.0，值得反复研读！非常详细收藏这一篇就够！

这里有八本经典之作，它们将是你攀登知识高峰的阶梯从《PyTorch深度学习实战》到《大模型时代》从掌握基础框架到洞悉大模型时代的变革模型大师，准备好了吗？翻烂这八本书，直接嘎嘎冲！
大模型入门教程·2025-04-29 22:12

PyTorch深度学习实战（1）——PyTorch安装与配置

本章共有两节，2.1节介绍如何安装PyTorch，以及如何配置学习环境；2.2节带领读者快速浏览PyTorch中的主要内容，帮助读者初步了解PyTorch。PyTorch是一款以C语言为主导开发的轻量级深度学习框架，它提供了丰富的Python接口以便用户使用。在使用PyTorch之前，读者需要安装Python环境以及pip包管理工具，笔者推荐使用Anaconda配置相关虚拟环境。本书中的所有代码均
shangjg3·2025-04-27 04:52

深度学习实战之手写数字识别

一、简介在深度学习的世界里，手写数字识别是一个经典且入门级的任务，它就像是深度学习领域的“Hello,World!”，通过完成这个任务，我们能够快速掌握深度学习模型的搭建、训练与测试流程。本文将基于PyTorch框架，手把手教你实现一个手写数字识别模型。二、具体代码实现1、pytorch基础库导入importtorchprint(torch.__version__)#该行代码用来检查pytorch
不吃香菜？·2025-04-22 14:14

PyTorch深度学习实战（24）—— 爱因斯坦操作einsum 和 einops

在高级索引中还有一类特殊方法：爱因斯坦操作。下面介绍两种常用的爱因斯坦操作：einsum和einops，它们被广泛地用于向量、矩阵和张量的运算。灵活运用爱因斯坦操作可以用非常简单的方式表示较为复杂的多维Tensor之间的运算。1.einsum在数学界中，有一个由爱因斯坦提出来的求和约定，该约定能够有效处理坐标方程。爱因斯坦求和（einsum）就是基于这个法则，省略求和符号和默认成对出现的下标，从而
shangjg3·2025-04-19 23:46

PyTorch 深度学习实战（38）：注意力机制全面解析（从Seq2Seq到Transformer）

在上一篇文章中，我们探讨了分布式训练实战。本文将深入解析注意力机制的完整发展历程，从最初的Seq2Seq模型到革命性的Transformer架构。我们将使用PyTorch实现2个关键阶段的注意力机制变体，并在机器翻译任务上进行对比实验。一、注意力机制演进路线1.关键模型对比模型发表年份核心创新计算复杂度典型应用Seq2Seq2014编码器-解码器架构O(n²)机器翻译BahdanauAttenti
进取星辰·2025-04-19 18:16

Python 深度学习实战 第10章 使用深度学习处理时间序列&RNN预测实例

Python深度学习实战第10章使用深度学习处理时间序列数据&RNN实例内容概要第10章深入探讨了时间序列数据的深度学习应用，涵盖了从预测到分类、事件检测和异常检测等多种任务。
odoo中国·2025-04-19 08:41

TensorFlow深度学习实战（11）——风格迁移详解

TensorFLow深度学习实战（11）——风格迁移详解0.前言1.风格迁移原理1.1内容损失1.2风格损失2.模型分析3.使用TensorFlow实现神经风格迁移小结系列链接0.前言风格迁移是用于训练神经网络创作艺术作品的深度学习技术
盼小辉丶·2025-04-15 11:33

TensorFlow深度学习实战（12）——词嵌入技术详解

TensorFlow深度学习实战（12）——词嵌入技术详解0.前言1.词嵌入基础2.分布式表示3.静态嵌入3.1Word2Vec3.2GloVe4.使用Gensim构建词嵌入5.使用Gensim探索嵌入空间
盼小辉丶·2025-04-15 11:33

TensorFlow深度学习实战（7）——分类任务详解

TensorFlow深度学习实战（7）——分类任务详解0.前言1.分类任务1.1分类任务简介1.2分类与回归的区别2.逻辑回归3.使用TensorFlow实现逻辑回归小结系列链接0.前言分类任务(ClassificationTask
盼小辉丶·2025-04-15 11:03

PyTorch深度学习实战（45）——强化学习

PyTorch深度学习实战（45）——强化学习0.前言1.强化学习基础1.1基本概念1.2马尔科夫决策过程1.3目标函数1.4智能体学习过程2.计算状态值3.计算状态-动作值4.Q学习4.1Q值4.2Gym
盼小辉丶·2025-04-13 19:37

TensorFlow深度学习实战——字符嵌入、子词嵌入、句子嵌入和段落嵌入

TensorFlow深度学习实战——字符嵌入、子词嵌入、句子嵌入和段落嵌入0.前言1.字符嵌入2.字词嵌入3.句子嵌入和段落嵌入相关链接0.前言在自然语言处理中，嵌入(Embedding)技术是将文本转化为数值向量的核心方法
盼小辉丶·2025-04-11 14:20

深度学习实战：从零构建图像分类API（Flask/FastAPI版）

引言：AI时代的图像分类需求在智能时代，图像分类技术已渗透到医疗影像分析、自动驾驶、工业质检等各个领域。作为开发者，掌握如何将深度学习模型封装为API服务，是实现技术落地的关键一步。本文将手把手教你使用Python生态中的Flask/FastAPI框架，结合PyTorch/TensorFlow部署一个端到端的图像分类API，最终得到一个可通过HTTP请求调用的智能服务。一、技术栈选择指南框架特点适
Tech Synapse·2025-04-11 09:52

Keras 深度学习实战——神经网络性能优化技术详解

内容合伙人、新星导师、全栈领域优质创作者、51CTO(Top红人+专家博主)、github开源爱好者（go-zero源码二次开发、游戏后端架构https://github.com/Peakchen）Keras深度学习实战
鱼弦·2025-04-10 19:48

PyTorch 深度学习实战（27）：扩散模型（Diffusion Models）与图像生成

一、扩散模型原理1.核心思想扩散模型（DiffusionModels）通过逐步添加和去除噪声学习数据分布，核心分为两个过程：2.训练目标（简化损失函数）通过最小化预测噪声的均方误差：二、扩散模型实现（基于PyTorch）以MNIST手写数字生成为例，实现扩散模型：定义噪声调度：线性或余弦噪声计划构建UNet模型：预测每一步的噪声实现扩散过程：前向加噪与反向去噪训练与生成：从噪声生成图像三、代码实现
进取星辰·2025-04-02 11:34

Python 深度学习实战：聊天机器人

Python深度学习实战：聊天机器人关键词：Python、深度学习、聊天机器人、Seq2Seq、注意力机制、Transformer1.背景介绍近年来，随着人工智能技术的飞速发展，聊天机器人（Chatbot
AI天才研究院·2025-03-30 23:59

PyTorch 深度学习实战（8）：Transformer 与机器翻译（基于本地中英文文本文件）

在上一篇文章中，我们探讨了循环神经网络（RNN）及其在文本分类中的应用。本文将介绍Transformer模型的基本原理，并使用PyTorch和HuggingFace的transformers库实现一个简单的机器翻译模型。我们将基于本地的中英文文本文件进行实战演练。一、Transformer基础Transformer是一种基于自注意力机制（Self-Attention）的神经网络架构，由Vaswan
进取星辰·2025-03-25 18:58

TensorFlow深度学习实战项目：从入门到精通

引言深度学习作为人工智能领域的一个重要分支，近年来取得了显著的进展。TensorFlow作为Google开源的深度学习框架，因其强大的功能和灵活的架构，成为了众多开发者和研究者的首选工具。本文将带领大家通过一个实战项目，深入理解TensorFlow的使用方法，并掌握深度学习的基本流程。1.TensorFlow简介1.1TensorFlow是什么？TensorFlow是一个开源的机器学习框架，由Go
点我头像干啥·2025-03-21 20:24

PyTorch 深度学习实战（19）：离线强化学习与 Conservative Q-Learning (CQL) 算法

在上一篇文章中，我们探讨了分布式强化学习与IMPALA算法，展示了如何通过并行化训练提升强化学习的效率。本文将聚焦离线强化学习（OfflineRL）这一新兴方向，并实现ConservativeQ-Learning(CQL)算法，利用Minari提供的静态数据集训练安全的强化学习策略。一、离线强化学习与CQL原理1.离线强化学习的特点无需环境交互：直接从预收集的静态数据集学习数据效率高：复用历史经验
进取星辰·2025-03-20 19:52

PyTorch 深度学习实战（12）：Actor-Critic 算法与策略优化

在上一篇文章中，我们介绍了强化学习的基本概念，并使用深度Q网络（DQN）解决了CartPole问题。本文将深入探讨Actor-Critic算法，这是一种结合了策略梯度（PolicyGradient）和值函数（ValueFunction）的强化学习方法。我们将使用PyTorch实现Actor-Critic算法，并应用于经典的CartPole问题。一、Actor-Critic算法基础Actor-Cri
进取星辰·2025-03-18 19:17

PyTorch 深度学习实战（17）：Asynchronous Advantage Actor-Critic (A3C) 算法与并行训练

在上一篇文章中，我们深入探讨了SoftActor-Critic(SAC)算法及其在平衡探索与利用方面的优势。本文将介绍强化学习领域的重要里程碑——AsynchronousAdvantageActor-Critic(A3C)算法，并展示如何利用PyTorch实现并行化训练来加速学习过程。一、A3C算法原理A3C算法由DeepMind于2016年提出，通过异步并行的多个智能体（Worker）与环境交互
进取星辰·2025-03-18 19:17

遗传算法与深度学习实战（2）——生命模拟及其应用

遗传算法与深度学习实战（2）——生命模拟及其应用0.前言1.康威生命游戏1.1康威生命游戏的规则1.2实现康威生命游戏1.3空间生命和智能体模拟2.实现生命模拟3.生命模拟应用小结系列链接0.前言生命模拟是进化计算的一个特定子集
盼小辉丶·2025-03-17 05:19

PyTorch 深度学习实战（13）：Proximal Policy Optimization (PPO) 算法

在上一篇文章中，我们介绍了Actor-Critic算法，并使用它解决了CartPole问题。本文将深入探讨ProximalPolicyOptimization(PPO)算法，这是一种更稳定、更高效的策略优化方法。我们将使用PyTorch实现PPO算法，并应用于经典的CartPole问题。一、PPO算法基础PPO是OpenAI提出的一种强化学习算法，旨在解决策略梯度方法中的训练不稳定问题。PPO通过
进取星辰·2025-03-14 19:47

Keras深度学习实战——手写文字识别

内容合伙人、新星导师、全栈领域优质创作者、51CTO(Top红人+专家博主)、github开源爱好者（go-zero源码二次开发、游戏后端架构https://github.com/Peakchen）Keras深度学习实战
鱼弦·2025-03-08 16:18

深度学习实战：TensorFlow 开源项目指南

深度学习实战：TensorFlow开源项目指南Deep-Learning-TensorFlow项目地址:https://gitcode.com/gh_mirrors/dee/Deep-Learning-TensorFlow
劳治亮·2025-03-06 12:48

深度学习实战：用TensorFlow构建高效CNN的完整指南

一、为什么每个开发者都要掌握CNN？在自动驾驶汽车识别路标的0.1秒里，在医疗AI诊断肺部CT片的精准分析中，甚至在手机相册自动分类宠物的日常场景里，卷积神经网络（CNN）正悄然改变着我们的世界。本文将以工业级实践标准，带您从零构建一个在CIFAR-10数据集上达到90%+准确率的CNN模型，深入解析TensorFlow2.x的最新特性，并揭秘模型优化的七大核心策略。[外链图片转存失败,源站可能有
芯作者·2025-03-06 11:13

《深度学习实战》第12集：大模型的未来与行业应用

深度学习实战|第12集：大模型的未来与行业应用随着深度学习技术的快速发展，大模型（如GPT、LLaMA、Bloom等）已经成为人工智能领域的核心驱动力。
带娃的IT创业者·2025-03-06 01:15

python数据分析入门与实战王静_Keras快速上手：基于Python的深度学习实战

1准备深度学习的环境11.1硬件环境的搭建和配置选择.........................11.1.1通用图形处理单元..........................31.1.2你需要什么样的GPU加速卡....................61.1.3你的GPU需要多少内存.......................61.1.4是否应该用多个GPU..............
weixin_39724362·2025-03-04 04:52

计算机视觉与深度学习实战：以Python为工具，基于帧间差法进行视频目标检测

一、引言随着科技的飞速发展，计算机视觉和深度学习已成为当今科技领域的热门话题。它们不仅在科研领域取得了显著的成果，而且在安防监控、智能交通、医疗影像分析、工业自动化等领域得到了广泛的应用。本文旨在探讨计算机视觉与深度学习的实战应用，特别是以Python为工具，基于帧间差法进行视频目标检测的方法。二、计算机视觉概述计算机视觉是一门研究如何使机器从数字图像或视频中提取、分析和理解有用信息的学科。它涉及
好知识传播者·2025-02-22 13:16

【深度学习实战：kaggle自然场景的图像分类-----使用keras框架实现vgg16的迁移学习】

Hello大家好，今天和大家分享一个kaggle自然场景的图像分类的竞赛，使用的keras框架实现vgg16的迁移学习完成自然场景分类，对数据集感兴趣的同学可以在上方下载数据集。项目简介本次数据集来自kaggle，该数据集包括自然场景的图像。模型应该预测每个图像的正确标签。您的目标是实现分类问题的高精度。数据集train.csv-训练集test.csv-测试集SceneImages-图像文件夹训练
机器学习司猫白·2025-02-11 20:18

PyTorch深度学习实战（37）——CycleGAN详解与实现

PyTorch深度学习实战（37）——CycleGAN详解与实现0.前言1.CycleGAN基本原理2.CycleGAN模型分析3.实现CycleGAN小结系列链接0.前言CycleGAN是一种用于图像转换的生成对抗网络
盼小辉丶·2025-02-09 06:50

PyTorch深度学习实战（42）——图像字幕生成

PyTorch深度学习实战（42）——图像字幕生成0.前言1.图像字幕1.1基本概念1.2模型分析1.3数据集分析2.图像字幕生成模型小结系列链接0.前言图像字幕生成(Imagecaptioning)模型是一种将图像与对应描述文字关联起来的神经网络模型
盼小辉丶·2025-02-08 14:57
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他