本人最近研究方向为图像处理与机器视觉，这个包括：图像的处理、图像的特征提取、图像语义分析与理解以及图像的分类与识别。由于本科并不是读图像的，因此，只能快速地理解并掌握图像相关的概念，并进行适当的编程实现，加深印象！

OpenClaw作为，能实现数据本地留存、多场景自动化操作，堪称「打工人的数字分身」。相比云端AI工具，它无需担心信息泄露，还能对接本地大模型实现高性能推理。这篇教程手把手教你在Windows上通过WSL2部署OpenClaw，并成功对接Ubuntu服务器的vLLM本地大模型，全程无坑、新手也能轻松上手！

深度学习的卷积运算（TensorFlow实现）深度学习网络中，很重要的一种提取特征的手段，就是运用卷积运算。在TensorFlow中实现二维卷积的运算，使用的是tf.nn.conv2d()函数，这一篇文章，主要讲解的就是这一个函数实现的具体的运算。实际的计算不难，但是一涉及到多通道时，可能会感觉有点复杂。其实，和单通道的计算是一样的，只是多通道是多个并列计算。下面一个图，很...

本章将讲解神经网络。初步认识神经网络，理解引入神经网络的意义，神经网络的计算，最后还给出简单的实例，更加形象地说明神经网络的作用。

本章将讲解神经网络。初步认识神经网络，理解引入神经网络的意义，神经网络的计算，最后还给出简单的实例，更加形象地说明神经网络的作用。

OpenClaw作为，能实现数据本地留存、多场景自动化操作，堪称「打工人的数字分身」。相比云端AI工具，它无需担心信息泄露，还能对接本地大模型实现高性能推理。这篇教程手把手教你在Windows上通过WSL2部署OpenClaw，并成功对接Ubuntu服务器的vLLM本地大模型，全程无坑、新手也能轻松上手！

本章将讲解神经网络。初步认识神经网络，理解引入神经网络的意义，神经网络的计算，最后还给出简单的实例，更加形象地说明神经网络的作用。

一文读懂如何使用自己的数据进行网络模型的训练在学习相关深度学习框架时，我们往往会采用MNIST数据集进行学习。比如：https://blog.csdn.net/louishao/article/details/76218083还有：https://blog.csdn.net/louishao/article/details/60867339但是图像分割，去噪等图像到图像的任务中，我们往往需...

机器学习中存在很多分类问题，同时线性回归是难以实现的。本文在简单的线性回归基础上，进行拓展，详细讲解Logistic回归，实现二分类，甚至多元分类。

机器学习中存在很多分类问题，同时线性回归是难以实现的。本文在简单的线性回归基础上，进行拓展，详细讲解Logistic回归，实现二分类，甚至多元分类。