写文章
- @weixin_41896770
简介
该用户还未填写简介
擅长的技术栈
未填写擅长的技术栈
可提供的服务
暂无可提供的服务
图数据结构之邻接链表Adjacency List(Python版)
熟悉数据结构中邻接链表的表达
安装与使用ChatTTS文本转语音模型
ChatTTS应该是目前最好的文本转语音模型，大家都使用起来吧
卷积神经网络（CNN）相关的基础知识
卷积神经网络的结构：Conv-->ReLU-->Pooling-->Conv-->ReLU-->Pooling-->Conv-->ReLU-->Affine-->ReLU-->Affine-->Softmax
循环神经网络(RNN)之门控循环单元(GRU)
GRU的RNN，控制可用与不可用信息的流动
MXNet的Faster R-CNN(基于区域提议网络的实时目标检测)《3》
源码中的一些知识点（加载模型参数、可视化、感兴趣区域、剪切区域、泛洪填充）
Python来处理数独游戏(含世界最难数独示例）
在一个9*9的九宫格里面推导出剩余的数字，要求每行、每列、每宫(3*3)的数字均包含1~9，且不重复！
Python随机梯度下降法（一）
这节不直接讲解随机梯度法（Stochastic Gradient Descent）SGD，而是做一些铺垫，一些很多相关的重要的基础知识。前面MNIST手写识别数字的文章，其中参数（权重和偏置）使用的都是人工设定好了的（sample_weight.pkl），如果这些参数都需要人来设定，那工作量很大，甚至不可能（层数很深的深度学习中，参数的数量可以上亿），所以如何让神经网络进行学习，而找出这些参数就很
计算机视觉之图像增广(翻转、随机裁剪、颜色变化[亮度、对比度、饱和度、色调])
使用图像增广技术，防止过拟合，提高模型的泛化能力
深度学习的半精度浮点数的运用
从我们前面学习到的各种点积运算、填充扩大、池化缩减、甚至图片的旋转，增亮等等操作，实际上可以发现即便图片有一些“噪声”，对于输出的结果其实影响是非常小的，也就是说神经网络的健壮性就显得实数的精度没有很大的意义
WGAN(Wasserstein生成对抗网络)源码的讲解
源码的梳理，提高技能的有效方法