- 基于卷积神经网络的图像识别技术研究与实践
基于卷积神经网络的图像识别技术研究与实践卷积神经网络（CNN）是一种深度学习模型，它在图像识别领域取得了显著的成果。本文旨在探讨基于卷积神经网络的图像识别技术研究与实践。一、卷积神经网络概述卷积神经网络是一种深度学习模型，它通过卷积运算对图像进行特征提取，然后使用全连......
- 深度学习模型部署与优化：策略与实践；L40S与A100、H100的对比分析
★深度学习、机器学习、生成式AI、深度神经网络、抽象学习、Seq2Seq、VAE、GAN、GPT、BERT、预训练语言模型、Transformer、ChatGPT、GenAI、多模态大模型、视觉大模型、TensorFlow、PyTorch、Batchnorm、Scale、Crop算子、L40S、A100、H100、A800、H800随着生成式AI应用的迅猛发展......
- AI时代：探索机器学习与深度学习的融合之旅
文章目录1.机器学习和深度学习简介1.1机器学习1.2深度学习2.为什么融合是必要的？2.1数据增强2.2模型融合3.深入分析：案例研究3.1传统机器学习方法3.2深度学习方法3.3融合方法4.未来展望结论......
- 【AI测试】python文字图像识别tesseract
[AI测试]python文字图像识别tesseractgithub官网：https://github.com/tesseract-ocr/tesseractpython版本：https://github.com/madmaze/pytesseractOCR，即OpticalCharacterRecognition，光学字符识别，是指通过扫描字符，然后通过其形状将其翻译成电子文本的过程。对于图形验证码来说，它们......
- 【AI测试】已落地-python文字图像识别PaddleOCR
python文字图像识别PaddleOCRPaddleOCR旨在打造一套丰富、领先、且实用的OCR工具库，助力开发者训练出更好的模型，并应用落地。国产之光，百度开源的paddleocr开源地址：https://github.com/PaddlePaddle/PaddleOCR官方电子书：https://github.com/PaddlePaddle/PaddleOCR/blob/release/2.7......
- 深度学习中对多个目标标签进行训练和预测代码实例
#Tensofrlow#假设我们有一个任务是从图像中预测物体的位置（x坐标和y坐标）和物体的类别。这个任务有三个目标标签：x坐标、y坐标和类别。importnumpyasnpimporttensorflowastffromtensorflowimportkerasfromtensorflow.keras.layersimportInput,Dense#创建模拟数......
- 小程序技术未来发展的思考 - 人工智能技术与图像识别
微信小程序、支付宝小程序等已经成为移动应用开发的主要方式之一，未来的小程序技术将继续融合人工智能技术，其中之一就是图像识别。图像识别技术使小程序能够更智能地处理图像数据，提供更个性化和智能化的用户体验。在本文中，我们将探讨小程序技术在人工智能技术和图像识别方面的发展趋......
- 深度学习梯度与反向传播
梯度与反向传播1、梯度(方向向量)1.1什么是梯度梯度：是一个向量，导数+变化最快的方向(学习的前进方向)目标：通过梯度调整(学习)参数$$w$$,尽可能的降低$$loss$$一般的，随机初始一个$$w0$$,通过优化器在学习率和梯度的调整下，让$$loss$$函数取到最小值。1.2$$w$$的更新方法1.......
- 【研究生学习】深度学习中几种常用的卷积形式的原理以及其Pytorch调用
本篇博客主要记录一下在深度学习中几种常用的卷积形式的基本原理、输入输出维度，以及如何在Pytorch中调用这些卷积形式卷积卷积实际上是对图像的不同区域进行特征提取，一般认为输入图像的维度为H×W×C，如下图所示：图像具有颜色通道，一般是RGB，需要理解的是不同通道数的图像和不同的......
- 嵌入式深度学习1-引言
嵌入式深度学习-引言博主序这一系列博客，是以BertMoons的《EmbeddedDeepLearning》为蓝本进行翻译得到的。考虑到中文互联网上资源较少，才决定写成公开博客发布至互联网的。此系列博客选择性地做了一些翻译和梳理的工作。书中涉及的部分实例可能不会被摘录，过于基础的内容也会......