logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

[时间序列预测]基于BP、LSTM、CNN-LSTM神经网络算法的单特征用电负荷预测[保姆级手把手教学]

本文章主要从3个算法BP、LSTM、CNN-LSTM进行时间序列预测的讲解,主要案例是利用单特征电力负荷预测进行讲解。对比三个模型在用电负荷预测中的优越性。

文章图片
#lstm#cnn
paddleocr文本识别模型的训练

1、准备数据训练自己的模型首先要有数据集,在我写的《paddleocr文本检测模型的训练》这篇文章的时候我已经提供了一份数据集,里面包含了文本检测和识别的数据集,由于那篇文章是文本检测的训练,所以只用到了文本检测的数据集,这里我用的是文本识别的数据集,有需要数据的可以去那篇文章里面找数据。文章链接。让我们来直观的感受一下数据集,数据集照片的图片如下所示:数据的标签如下图所示,就是每行的前面是图片的

文章图片
#深度学习#自然语言处理#机器学习 +1
深度学习原理-----线性回归+梯度下降法

本文主要从基础的角度讲解线性回归算法和梯度下降算法,力求用通俗的语言和简单的例子进行算法的讲解。

文章图片
#深度学习#线性回归
paddleocr文本识别模型的训练

1、准备数据训练自己的模型首先要有数据集,在我写的《paddleocr文本检测模型的训练》这篇文章的时候我已经提供了一份数据集,里面包含了文本检测和识别的数据集,由于那篇文章是文本检测的训练,所以只用到了文本检测的数据集,这里我用的是文本识别的数据集,有需要数据的可以去那篇文章里面找数据。文章链接。让我们来直观的感受一下数据集,数据集照片的图片如下所示:数据的标签如下图所示,就是每行的前面是图片的

文章图片
#深度学习#自然语言处理#机器学习 +1
深度学习原理-----线性回归+梯度下降法

本文主要从基础的角度讲解线性回归算法和梯度下降算法,力求用通俗的语言和简单的例子进行算法的讲解。

文章图片
#深度学习#线性回归
深度学习原理-----全连接神经网络

主要讲解了全连接神经网络的算法原理和反向传播算法

文章图片
#深度学习
图像分类---利用pytorch搭建LeNet-5网络模型

前言手写字体识别模型LeNet5诞生于1994年,是最早的卷积神经网络之一。LeNet5通过巧妙的设计,利用卷积、参数共享、池化等操作提取特征,避免了大量的计算成本,最后再使用全连接神经网络进行分类识别,这个网络也是最近大量神经网络架构的起点。卷积或池化输出图像尺寸的计算公式如下:O=输出图像的尺寸;I=输入图像的尺寸;K=池化或卷积层的核尺寸;S=移动步长;P=填充数1、net.pyimport

文章图片
#pytorch#深度学习#神经网络
深度学习原理-----线性回归+梯度下降法

本文主要从基础的角度讲解线性回归算法和梯度下降算法,力求用通俗的语言和简单的例子进行算法的讲解。

文章图片
#深度学习#线性回归
深度学习原理-----逻辑回归算法

文本从基础的角度对逻辑回归进行了一个讲解,手动推导了逻辑回归的梯度下降法

文章图片
#深度学习#逻辑回归#神经网络
labelimg标注的VOC格式标签xml文件和yolo格式标签txt文件相互转换

1 labelimg标注VOC格式和yolo格式介绍1.10 0.47416020671834624 0.4523809523809524 0.5968992248062015 0.6839826839826841 0.874031007751938 0.4069264069264069 0.1227390180878553 0.2727272727272727

#深度学习#python#list
    共 43 条
  • 1
  • 2
  • 3
  • 4
  • 5
  • 请选择