深度学习标签_亚马逊云科技技术品牌专区

深度学习

68-基于深度学习的水稻虫害检测识别系统（yolo26、yolo12、yolo11、yolov8、yolov5+UI界面+Python项目源码+模型+标注好的数据集）2027毕业版

本项目基于PyQt5构建了简洁易用的图形用户界面，支持用户选择本地图片或视频进行目标检测。系统界面美观，交互流畅，具备良好的用户体验。项目附带完整的 Python 源码和详细的使用说明，适合学生进行学习或有一定 Python 基础的开发者，参考与二次开发。您可以在文末获取完整的代码资源文件。✨ 项目亮点🔧包括pyqt5界面、后台检测逻辑、模型加载等模块🧠源代码，支持个人添加改进、模型修改等🚀

Python图像识别
2026-08-25 10:54:31

 592

 4

#深度学习 #python
无 GPU 环境下的 Intel CPU 加速推理实战指南

在深度学习推理场景中，GPU 往往被视为性能的代名词。然而在实际生产环境中，受成本、部署环境或硬件条件限制，许多团队需要在纯 CPU 的服务器上完成模型推理。Intel 提供了多套面向 CPU 的加速方案，能够在不改变模型结构的前提下，显著提升推理速度。本文将围绕 Intel 官方加速库，介绍如何在无 GPU 环境下完成模型的高效部署与加速。

JLi_Tech
2026-08-24 12:11:26

 399

 13

#GPU #深度学习
63-基于深度学习的草莓病害检测识别系统（yolo26、yolo12、yolo11、yolov8、yolov5+UI界面+Python项目源码+模型+标注好的数据集）2027毕业版

本项目基于PyQt5构建了简洁易用的图形用户界面，支持用户选择本地图片或视频进行目标检测。系统界面美观，交互流畅，具备良好的用户体验。项目附带完整的 Python 源码和详细的使用说明，适合学生进行学习或有一定 Python 基础的开发者，参考与二次开发。您可以在文末获取完整的代码资源文件。✨ 项目亮点🔧包括pyqt5界面、后台检测逻辑、模型加载等模块🧠源代码，支持个人添加改进、模型修改等🚀

Python图像识别
2026-08-24 11:00:13

 423

 12

#深度学习 #python
62-基于深度学习的海洋垃圾检测识别系统（yolo26、yolo12、yolo11、yolov8、yolov5+UI界面+Python项目源码+模型+标注好的数据集）2027毕业版

本项目基于PyQt5构建了简洁易用的图形用户界面，支持用户选择本地图片或视频进行目标检测。系统界面美观，交互流畅，具备良好的用户体验。项目附带完整的 Python 源码和详细的使用说明，适合学生进行学习或有一定 Python 基础的开发者，参考与二次开发。您可以在文末获取完整的代码资源文件。✨ 项目亮点🔧包括pyqt5界面、后台检测逻辑、模型加载等模块🧠源代码，支持个人添加改进、模型修改等🚀

Python图像识别
2026-08-24 10:59:30

 459

 7

#深度学习 #python
人工智能的五个悖论

数据是AI的粮食，要量大质优，量大到无底洞，质上“垃圾进，垃圾出（GIGO） ”，或者说数据有“高尚”和“龌龊”之分。数据决定着AI能力的上限，常被誉为“新石油” （Clive Humby，2006）和“世界上最有价值的资源” （经济学人，2017）， “与能源、材料资源同等重要” （2004年两办文件）。陈昌盛（2023）曾指出：“数据交易所遍地开花，但数据交易所中的‘交易’发展的并不

 中國龍在廣州
2026-08-24 10:30:00

 380

 6

#人工智能 #深度学习 #大数据 +2
AI视频制作怎么做到简单易学？零基础也能快速上手！

AI视频制作如今已变得异常简单易学，即使是零基础的初学者也能通过几款操作直观的AI软件快速上手。这些工具通过简化繁琐的步骤，提供丰富的模板和智能辅助功能，让创意轻松转化为生动的视频内容，不再需要专业的剪辑技能。AI视频创作正逐渐成为人人可及的技能，摆脱了过去对专业软件和复杂技术的依赖。现在，只需简单的文字描述或几张图片，人工智能就能帮助你快速生成高质量的视频。这对于希望制作短剧、解说视频或广告素材

 林墨聊AIGC
2026-08-24 09:57:38

 343

 16

#人工智能 #深度学习 #AI作画 +1
人工智能-位置编码

绝对位置编码（Absolute Positional Encoding）是是在每个输入序列的元素上加上位置信息，以表示该元素在序列中的具体位置。这个位置向量通常通过固定的函数生成，与输入数据无关。通常使用的是正弦和余弦函数，这样生成的编码具有很强的周期性，能够捕捉序列中的相对位置信息。位置编码就行给一堆人贴上一个位置序号，以后就能识别出来位置信息。看了很多文章要么只讲逻辑，要么只贴代码，即使同时贴

 yanghuashuiyue
2025-11-21 12:15:49

 617

 12

#人工智能 #pytorch #深度学习
车辆检测模型原理、主流架构及Python实现

车辆检测技术的迭代核心是从人工特征浅层识别到深度学习语义识别，从静态低精度检测到实时高精度动态检测。传统HOG+SVM算法结构简单、零算力成本，适合算法入门学习，但无法适配复杂交通场景；Faster R-CNN凭借超高精度，适用于交通数据精准分析、车型细分场景；YOLO系列模型凭借精度与速度的极致平衡，成为道路实时监控、车流统计、车载检测的工业首选；轻量化MobileNet-YOLO则完美适配嵌入

 大雨淅淅1999
2026-08-24 09:30:00

 458

 18

#架构 #python #开发语言 +4
机器视觉采用Jakarta EE 和Python深度学习框架的技术方案

这不仅是 Maximo 的做法，也是目前企业级大系统接入 AI 的行业标准范式。利用 Jakarta EE 11 的现代化特性（如 Jakarta RESTful Web Services 4.0、Jakarta Concurrency 3.0），可以实现与 AI 模块的完美对接。在 Jakarta EE 11 的生态下，不建议尝试用纯 Java 去重写深度学习算法，而应采用成熟的混合架构。三层架

 云道轩
2026-08-24 09:13:25

 298

 5

#python #深度学习 #开发语言
PyTorch强化学习实战（23）——强化学习在网页导航中的应用

在本节中，探讨了强化学习方法在浏览器自动化中的实际应用，并使用了 MiniWoB++ 基准测试。浏览器自动化(以及与人类常用软件的交互)将是未来人工智能发展的重要方向。

盼小辉丶
2026-08-24 09:01:47

 737

 41

#pytorch #人工智能 #深度学习
沐神-动手学习深度学习-习题答案4.4模型选择，欠拟合，过拟合

这一节深入探讨了机器学习中最核心的挑战之一：模型泛化（Generalization）。它解释了为什么一个在训练集上表现完美的模型，在实际应用（测试集）中可能会表现得很差。

Three_ST
2026-08-24 08:29:29

 256

 6

#算法 #深度学习 #人工智能 +2
AI大模型与数学·第48课级数刷题集训5：幂级数完整体系——泰勒展开底层根基、神经网络拟合核心工具

摘要：本课系统讲解幂级数及其在AI中的应用。幂级数作为无穷多项式，通过调整系数可逼近任意光滑函数，是神经网络函数拟合的数学基础。课程核心包括：幂级数定义、收敛域与半径求解（使用比值判别法）、四则运算与逐项求导/积分性质，以及其与泰勒级数的关系——泰勒级数即特定点展开的幂级数。重点指出AI中输入归一化的数学本质是保证数据处于幂级数收敛区间内，防止数值发散。幂级数的逐项求导性质直接对应神经网络梯度计算

 船厂电气自动化ai大模型
2026-08-24 07:56:45

 428

 11

#算法 #机器学习 #人工智能 +2
项目文档：基于深度学习的悬雍垂疾病智能诊断系统设计与实现

本研究构建了包含2779张医学影像的悬雍垂疾病数据集，其中训练集2644张，测试集135张。采用EfficientNet-B2作为基础架构，通过迁移学习方法在ImageNet预训练模型上进行微调。针对数据集中存在的类别不平衡问题，采用加权交叉熵损失函数和数据增强技术。使用AdamW优化器和余弦退火学习率调度策略进行模型训练，并实现早停机制以防止过拟合。此外，设计并实现了基于PyQt5的图形用户界面

 2zcode
2026-08-24 07:31:18

 249

 6

#深度学习 #人工智能
计算机毕业设计LangChain+GraphRAG+Neo4j+Embedding向量模型+LLM多模态大模型航空维修智能问答系统大模型毕业设计人工智能(源码+文档+PPT+讲解)

本项目面向航空维修工程师、技术人员和管理者，构建了一套集航空维修资料管理、知识图谱构建、混合检索、多模态问答、维修业务数据管理和可视化分析于一体的智能知识服务平台。系统将维修手册、技术资料、飞机机型档案和历史维修案例统一组织，通过 GraphRAG 将文档证据、图谱关系和结构化业务数据共同提供给大语言模型，从而生成可追溯、可核验的维修辅助回答。

haochengxu2022
2026-08-24 01:04:21

 375

 15

#人工智能 #深度学习 #算法
计算机毕业设计LangChain+GraphRAG+Neo4j+Embedding向量模型+LLM多模态大模型航空维修智能问答系统大模型毕业设计人工智能(源码+文档+PPT+讲解)

本项目面向航空维修工程师、技术人员和管理者，构建了一套集航空维修资料管理、知识图谱构建、混合检索、多模态问答、维修业务数据管理和可视化分析于一体的智能知识服务平台。系统将维修手册、技术资料、飞机机型档案和历史维修案例统一组织，通过 GraphRAG 将文档证据、图谱关系和结构化业务数据共同提供给大语言模型，从而生成可追溯、可核验的维修辅助回答。

haochengxu2022
2026-08-24 01:03:51

 244

 2

#人工智能 #语言模型 #深度学习
计算机毕业设计LangChain+GraphRAG+Neo4j+Embedding向量模型+LLM多模态大模型航空维修智能问答系统大模型毕业设计人工智能(源码+文档+PPT+讲解)

本项目面向航空维修工程师、技术人员和管理者，构建了一套集航空维修资料管理、知识图谱构建、混合检索、多模态问答、维修业务数据管理和可视化分析于一体的智能知识服务平台。系统将维修手册、技术资料、飞机机型档案和历史维修案例统一组织，通过 GraphRAG 将文档证据、图谱关系和结构化业务数据共同提供给大语言模型，从而生成可追溯、可核验的维修辅助回答。

haochengxu2022
2026-08-24 01:03:20

 284

 7

#人工智能 #深度学习 #语言模型
计算机毕业设计LangChain+GraphRAG+Neo4j+Embedding向量模型+LLM多模态大模型航空维修智能问答系统大模型毕业设计人工智能(源码+文档+PPT+讲解)

本项目面向航空维修工程师、技术人员和管理者，构建了一套集航空维修资料管理、知识图谱构建、混合检索、多模态问答、维修业务数据管理和可视化分析于一体的智能知识服务平台。系统将维修手册、技术资料、飞机机型档案和历史维修案例统一组织，通过 GraphRAG 将文档证据、图谱关系和结构化业务数据共同提供给大语言模型，从而生成可追溯、可核验的维修辅助回答。

haochengxu2022
2026-08-24 01:02:32

 318

 12

#人工智能 #语言模型 #深度学习
深度学习词嵌入

本文主要介绍一下词嵌入过程。因为使用one-hot举证表示，在词汇表很长的情况会有很多0的稀疏矩阵，所以使用稠密矩阵维度会降低很多，也能利用0的空间。不知道理解对否。

yanghuashuiyue
2025-11-16 23:25:21

 263

 3

#人工智能 #深度学习
TensorFlow 框架深度对比与选型：线上效果怎样持续观察

许多团队在做深度学习框架选型时，往往只关注训练阶段的易用性和离线 Benchmark，却忽视了模型发布后的线上持续观察与可观测性体系构建。无论是将 TensorFlow 模型导出为 SavedModel 部署在 TF Serving，还是导出为 ONNX 并部署在 PyTorch/Triton 体系中，模型上线那一刻，绝不意味着工程交付的结束，而是线上持续监控的开始。

南屹川
2026-08-23 14:07:22

 468

 5

#AI #人工智能 #深度学习
深度学习模型训练与超参数调优：从一个真实任务开始做

刚接手一个新的深度学习分类任务时，不少新人容易陷入两个极端：要么一上来就套用最复杂的 SOTA 模型架构，并手动尝试各种随机超参数；要么盲目使用贝叶斯优化网格搜索，跑了三天三夜才发现数据集里包含了大量损坏的无效图像。做模型调优，最忌讳“拿着锤子找钉子”。正确的工程路线，应当是从打通极简的 Baseline 链路开始，再借助自动化与可观测性手段逐步逼近性能极限。

南屹川
2026-08-23 13:58:42

 470

 6

#AI #人工智能 #深度学习
LoRA 微调实战：从原理到代码，让 7B 模型学会你的领域任务

大模型微调、LoRA、AI、深度学习、实战

 kruptos
2026-08-23 12:23:59

 659

 15

#深度学习 #人工智能 #python +1
如何用Python实现深度学习？PyTorch框架核心与实践

摘要：本文系统介绍了PyTorch深度学习框架的核心概念与实践方法。首先分析了PyTorch的动态计算图、GPU加速和丰富生态三大优势及其在AI大模型开发中的应用价值。重点讲解了张量数据结构与NumPy数组的区别，详细展示了张量的多种创建方式和类型转换技巧。针对深度学习关键机制，阐述了自动微分原理和梯度下降实现。最后通过线性回归案例演示了PyTorch模型构建全流程，并展望了其在Transform

雫lulu
2026-08-23 12:04:21

 358

 15

#python #深度学习 #pytorch
陶哲轩最新发文：人工智能时代的数学

人类数学家撰写证明时，困难部分通常会留下某种“自然摩擦”：更谨慎的引理、记号的突然变化、反复修改过的段落，或者一句说明某处不容易的解释。理解我们周围的世界；可是，如果最强版本成立，问题就会完全不同了，到那时，数学共同体过去围绕“尽可能多地解决未解决问题”建立的文化和评价体系，可能无法继续正常运转。只是这一次接受压力测试的，不再是“数学真理凭什么成立”，而是另一套一直没人写下来的东西——数学实践里的

 中國龍在廣州
2026-08-23 10:30:00

 240

 5

#人工智能 #大数据 #算法 +2
害虫检测和识别2：基于深度学习YOLO26神经网络实现害虫检测和识别(含训练代码和数据集)

害虫检测和识别2：基于深度学习YOLO26神经网络实现害虫检测和识别(含训练代码和数据集)

时光碎了天
2026-08-23 10:07:34

 222

 5

#深度学习 #神经网络 #人工智能
害虫检测和识别3：基于深度学习YOLO26神经网络实现害虫检测和识别(含训练代码、数据集和GUI交互界面）

害虫检测和识别3：基于深度学习YOLO26神经网络实现害虫检测和识别(含训练代码、数据集和GUI交互界面）

时光碎了天
2026-08-23 10:07:26

 583

 28

#深度学习 #神经网络 #交互
基于python+深度学习的面部健康特征判别系统的研究与实现

今天带来的是基于python+深度学习的面部健康特征判别系统的研究与实现，依托计算机视觉技术实现非侵入式健康状态评估，有效降低大众健康管理门槛，推动智能健康检测技术落地家庭与社区场景。系统采用前后端分离架构，后端基于Django、Django REST Framework搭建，前端运用Vue3、TypeScript及Ant Design Vue开发，搭配Vite、pip工具完成项目构建，数据库适配

 一点毕设
2026-08-23 09:30:19

 236

 7

#python #深度学习 #人工智能 +3
基于Python大数据的热门游戏推荐系统

针对游戏产业信息过载与推荐精准度不足问题，本研究基于Python构建智能推荐系统，融合多源数据与深度学习技术，提升用户兴趣匹配度，降低决策成本，助力中小厂商突破流量困境

 2601_96238158
2026-08-23 00:31:28

 233

 3

#大数据 #人工智能 #深度学习
Meta｜PyTorch 源码静态审阅：从 9638 个文件看深度学习框架的工程治理与落地评估

PyTorch 是 Meta 开源的主流深度学习框架，采用 Python 上层 API 搭配 C/C++ 底层算子的混合架构，支持动态图、多硬件后端（CPU/CUDA/ROCm/XPU/MPS），广泛用于模型训练、推理、AI 大模型研发场景。

TunerT_TQ
2026-08-23 00:15:00

 340

 11

#深度学习 #pytorch #人工智能 +1
夜间野生动物目标检测数据集分享（适用于YOLO系列深度学习分类检测任务）

本文整理并发布**夜间野生动物目标检测数据集（17000张已标注图像）**，专门面向**YOLO系列目标检测模型训练**构建，涵盖**17类常见野生动物**，数据规模较大、类别丰富、标注规范，非常适合用于**AI视觉研究、目标检测模型训练以及生态监测系统开发**。

CSDN黎燃
2026-08-22 21:13:10

 234

 6

#目标检测 #深度学习
PyTorch张量入门-从零搭建环境到Tensor操作

掌握点核心 API创建 Tensor查属性.shape.dtype.device类型转换.float().int()dtype=索引切片[row, col][:, col]变形.reshape().view()-1自动推导拼接NumPy 互转.numpy()GPU自动求导.gradTensor 就是深度学习的"基本粒子"。后面接触的全连接层、卷积层、RNN……本质上都是对 Tensor 的封装和运

 2301_79606436
2026-08-22 21:07:51

 353

 5

#pytorch #人工智能 #python +2
深度学习之卷积神经网络CNN及pytorch代码实现示例

在 Inception module 中使用到了很多 1×1的卷积核，使用 1×1 的卷积核，步长为1时，输入的feature map和输出的feature map长宽不会发生改变，但可以通过改变 1×1的卷积核的数目，来达到减小feature map的厚度的效果，从而做到一些训练参数的减少。卷积核： 3×2×2 ，深度为3。当输入层的特征维度变得很高时，这时全连接网络需要训练的参数就会增大很多，

gy1997917
2026-08-22 20:25:18

 304

 11

#深度学习 #cnn #pytorch
深度学习模型训练与超参数调优的分层验证

模型代码没有改，输入分布也可能已经变了。除 shape 和数值范围外，训练前检查样本切分、标签缺失和特征漂移；这些问题常常不会让单元测试失败，却会让评估结果失真。测试数据不能和训练数据泄漏混用。性能压测要分别看数据加载、前向计算和同步等待。把全部耗时归因给 GPU，通常会错过 DataLoader 或存储端的瓶颈。在传统的软件工程中，写好单元测试（Unit Test）往往能覆盖 80% 以上的代码

 南屹川
2026-08-22 18:39:52

 413

#AI #人工智能 #深度学习
深度学习框架选型的权限边界

算子执行边界：自定义算子不应直接读写系统底层文件系统或调用未受限的 C++ 指针操作，必须在 Safe Sandbox（安全沙箱）环境或受限的算子注册表内运行。图加载边界：解析SavedModel时，禁用反序列化不受信任的算子，禁止执行未经过签名认证的动态链接库（.so资源物理边界：显存分配与 CPU 线程池必须在容器和框架层面做硬隔离，防止单个模型吃光物理 GPU 显存。通过这种分层拦截，即使算

 南屹川
2026-08-22 18:19:02

 516

 4

#AI #人工智能 #深度学习
深度学习模型部署与推理性能调优的验证方法

本文围绕“深度学习模型部署与推理性能调优：效果评估别只看主观感受”整理一个可复查的技术检查点。文中的容量、时延和故障情形只用于说明验证方法；实际判断应以锁定的代码版本、脱敏样本、运行环境与评测脚本复测为准。

雷帝木木
2026-08-22 18:12:12

 569

 7

#python #机器学习 #深度学习 +1
深度学习模型训练与超参数调优的适用性评审

在很多企业级算法项目启动时，团队极易落入一个惯性陷阱：只要拿到分类或预测任务，立刻搭建基于 PyTorch 的多层深度神经网络，开始在大规模 GPU 集群上跑 Grid Search（网格搜索）调参。然而经过几个月的折腾，上线后发现推理延迟过高，CPU 节点根本跑不动，而准确率甚至不如几百行 XGBoost。在决定给业务上深度学习模型之前，必须先回答一个残酷的问题：这个场景到底值不值得用 AI 和

 南屹川
2026-08-22 18:11:51

 518

 4

#AI #人工智能 #深度学习
深度学习框架训练流程优化与分布式训练实践的适用性评审

本文围绕“PyTorch 训练流程优化与分布式训练实践：先确认它值不值得用 AI”整理一个可复查的技术检查点。文中的容量、时延和故障情形只用于说明验证方法；实际判断应以锁定的代码版本、脱敏样本、运行环境与评测脚本复测为准。

雷帝木木
2026-08-22 18:07:31

 535

 7

#python #机器学习 #深度学习 +1
大学生和初学者都能看懂的深度学习简介：从入门到核心概念全解析

深度学习（Deep Learning）是机器学习的一个重要分支，其核心是使用多层人工神经网络对数据进行表征学习。（上图：深度学习通过多层神经网络自动提取数据的层次化特征）🧠模仿人脑结构：使用类似神经元网络的架构📊自动学习特征：无需人工设计特征，从数据中自动提取🔗层层抽象：底层学习简单特征，高层学习复杂模式本文全面介绍了深度学习的核心概念、经典模型和应用场景。📌 核心要点回顾1️⃣什么是深度

 雫lulu
2026-08-22 17:55:53

 459

 14

#深度学习 #人工智能
扩散模型核心原理解析

扩散模型是一种基于深度学习的生成模型，其核心思想是通过模拟一个逐步“破坏”数据（前向扩散）再学习如何“重建”数据（反向去噪）的过程，来学习复杂的数据分布，并最终从随机噪声中生成高质量的新样本。

阳明山水
2026-08-22 16:12:38

 201

 7

#人工智能 #机器学习 #深度学习 +2
机器学习与深度学习：从基础理论到神经网络实战

机器学习的定义、三大范式和核心概念出发，理解了偏差方差、过拟合与正则化；随后进入神经网络内部，剖析了神经元、激活函数、反向传播、损失函数与优化器；接着深入训练技巧，包括参数初始化、批归一化、学习率调度以及梯度问题的应对；然后分别掌握卷积网络、循环网络、注意力机制与 Transformer；最后俯瞰了生成模型和以 Transformer 为基础的大语言模型与多模态方向，并以 PyTorch 实战收尾

 油墨香^_^
2026-08-22 14:09:36

 242

 3

#机器学习 #深度学习 #神经网络
Python环境怎么搭-conda-uv-pixi

用着顺手、敲着愉悦→ 三种工具没有绝对优劣，只有场景匹配：学术科研、深度学习实验 →conda（稳妥、生态全）企业项目、团队协作、CI/CD →uv（极速、锁文件）想要 conda 生态 + 工程体验 →pixi（新物种、两全）尽量少码字、省力→ 环境建好后，把终端美化、IDE 配置、AI 工具一次性配到位，之后所有重复劳动（查包、写代码、配环境）都可以交给工具与 AI。环境管理是投资最少、回报最

 2301_79606436
2026-08-22 13:14:02

 452

 14

#python #conda #uv +2
昆虫检测和识别3：基于深度学习YOLO26神经网络实现昆虫检测和识别(含训练代码、数据集和GUI交互界面）

昆虫检测和识别3：基于深度学习YOLO26神经网络实现昆虫检测和识别(含训练代码、数据集和GUI交互界面）

时光碎了天
2026-08-22 10:55:32

 384

 17

#深度学习 #神经网络 #交互
循环神经网络（RNN）详解：处理序列数据的自然选择

如果说CNN是处理“空间”信息的王者，那么RNN就是处理“时间”信息的自然选择。它通过循环连接和共享参数，让神经网络第一次拥有了“记忆”的能力，从而能够理解和生成序列数据。尽管基础RNN在长序列上遭遇了梯度问题，但LSTM和GRU等变体通过精妙的门控设计解决了这一挑战，让RNN家族在2010年代成为序列建模的中流砥柱。今天，Transformer架构在大规模语言建模中占据了主导地位，但RNN的设计

 jeffsonfu
2026-08-22 10:48:54

 645

 18

#深度学习 #人工智能
船只检测和识别2：基于深度学习YOLO26神经网络实现船只检测和识别(含训练代码和数据集)

船只检测和识别2：基于深度学习YOLO26神经网络实现船只检测和识别(含训练代码和数据集)

时光碎了天
2026-08-22 10:25:29

 239

 4

#深度学习 #神经网络 #人工智能
船只检测和识别3：基于深度学习YOLO26神经网络实现船只检测和识别(含训练代码、数据集和GUI交互界面）

船只检测和识别3：基于深度学习YOLO26神经网络实现船只检测和识别(含训练代码、数据集和GUI交互界面）

时光碎了天
2026-08-22 10:24:48

 368

 10

#深度学习 #神经网络 #交互
深度学习实战-基于EfficientNetB3与ResNet50的开心果图像分类识别

本实验聚焦于农业国际贸易中极具经济价值的开心果细粒度品种鉴定，依托涵盖基尔米兹（Kirmizi）与锡尔特（Siirt）两大核心出口品种、共计 2148 张非平稳多维物理形态影像的工业级资产大盘，在 TensorFlow 框架下成功完成了 EfficientNetB3、ResNet50 以及 VGG16 三大经典计算机视觉特征骨干网的迁移学习微调与横向竞技对位。

艾派森
2026-08-22 09:38:45

 264

 24

#深度学习 #人工智能 #python +1
大数据深度学习|计算机毕设项目|计算机毕设答辩|智慧农业场景下的种植技术可视化展示平台设计与实现

研究背景及意义1.1.1 研究背景随着科技的飞速发展和信息化时代的到来，智慧农业已成为现代农业发展的重要方向。智慧农业通过应用物联网、大数据、云计算和人工智能等现代信息技术，实现对农业生产全过程的智能化管理，提高农业生产效率和品质，降低生产成本和风险，实现可持续农业发展。在这一背景下，种植技术的可视化展示平台应运而生，成为智慧农业的重要组成部分。当前，我国农业面临着诸多挑战，如资源短缺、环境污染、

IT实战课堂小啵学长
2026-08-22 09:05:11

 369

 13

#大数据 #深度学习
RL强化学习从小白到老鸟（七）——Dueling DQN实战：先判断局面，再选择动作

`强化学习`、`Dueling DQN`、`Double DQN`、`DQN`、`PyTorch`、`Gymnasium`、`贪吃蛇`、`消融实验`、`深度学习`、`人工智能`

bobwww123
2026-08-22 02:53:48

 264

 8

#机器学习 #人工智能 #深度学习 +3
【人工智能】【深度学习】深入理解 Transformer：注意力机制、编码器与解码器

本文围绕 Transformer 架构展开分析，系统介绍编码器—解码器结构、词嵌入、位置编码、自注意力、多头注意力、前馈神经网络、残差连接、层归一化及掩码机制，并结合训练与推理过程梳理数据流，帮助读者理解各模块的作用、连接方式及其在序列建模中的意义。

m0_74821874
2026-08-21 21:53:41

 931

 29

#transformer #深度学习 #人工智能 +1
深入理解 Transformer：为什么我们需要 Transformer？

这几年，Transformer 几乎已经成为人工智能领域绕不开的一个名字。无论是我们熟悉的大语言模型，还是文本生成、机器翻译、图像理解、多模态模型，背后都能看到 Transformer 的影子。AttentionQ、K、VEncoderDecoderTransformer 好像就是由一堆复杂的矩阵运算拼起来的。如果只是停留在这个层面，我们确实可以把 Transformer 的公式背下来，甚至把代码

 渡我白衣
2026-08-21 21:09:49

 1844

 98

#transformer #深度学习 #人工智能 +4