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

C++20协程:从“回调地狱“到优雅异步——现代C++的范式革命

C++20协程彻底革新了异步编程范式,通过编译器生成的状态机机制,将原本复杂的异步代码转换为类似同步的直观形式。本文从实际项目重构案例出发,对比了传统多线程、回调和状态机方案的局限性,详细解析了协程三大关键字co_await、co_return和co_yield的工作原理,并深入剖析了协程内部机制(协程帧、promise类型和awaitable对象)。文章还演示了如何实现一个完整的Task模板类,

#c++20#c++
基于U-Net与EfficientNet的衣物智能分割

在深度学习中,数据预处理和数据增强是提高模型泛化能力的关键步骤。本部分展示了如何为服装图像分割任务准备训练数据和验证数据,并应用不同的数据增强技术,以增强模型对不同情况的适应性。通过将数据集进行随机裁剪、水平翻转、平移、缩放和旋转等增强操作,模型能够学习到更多的图像变换特征,提高其在实际应用中的表现。我们首先定义了MyDataset类,继承自PyTorch的Dataset类,实现了自定义的数据集加

文章图片
#python#深度学习#机器学习
适合各个层次的 7 个计算机视觉项目【1】:植物病害检测

植物病害检测是计算机视觉在农业领域的一个重要应用。您将学习如何加载、处理和扩充数据集,构建深度神经网络模型,并在数据集上训练模型。该项目有助于理解图像分类,并通过实现早期病害检测为可持续农业做出贡献。.4f。

文章图片
#计算机视觉#人工智能
基于卷积神经网络(CNN)和ResNet50的水果与蔬菜图像分类系统

这部分代码定义了一个自定义的PyTorch Dataset 类,FruitVegDataset,用于加载数据集,并支持图像的转换(如缩放、裁剪等)。

文章图片
#cnn#分类#人工智能
基于深度卷积神经网络与迁移学习的动物图像分类

本文提出了一种基于深度卷积神经网络的动物图像分类方法。项目采用迁移学习技术,通过TensorFlow框架实现高精度动物识别系统,可分类10种动物。研究克服了动物外观多样性、图像质量差异等挑战,特别关注技术伦理问题。实验使用包含24,000余张图像的数据集,采用数据增强、批归一化等技术优化模型性能。开发过程中强调结果复现性,通过设置随机种子确保实验可靠性。该系统在野生动物保护、农业监测等领域具有应用

文章图片
#cnn#迁移学习#分类
小红书达人账号数据分析

赞藏总数和笔记报价都是评判小红书账号商业价值的重要指标,根据相关性分析结果交叉验证,得出以下结论:1、赞藏总数多的账号伴随着粉丝数较多,随后与之相关的就是商业笔记数、视频笔记报价 、美妆、美食、时尚博主和演员的标签和认证信息。因此,对于个人账号,应当保持一定频率的笔记更新,并选择美妆、美食、时尚博主等方向作为自己的主要方向,可以选择搞笑和运动健身作为附加标签。

文章图片
#数据分析#信息可视化#python
5G用户数据分析 & 潜客识别

【项目背景】当下我国正处于从4G网络向5G网络转型的过程中。5G网络拥有高可靠、低时延、大带宽、大连接等特性,在赋智慧城市、远程医疗和自动驾驶等领域都有很好的应用效果。从4G时代迈向5G时代,有利于发展多种新兴产业,也有利于居民的生活质量,而提升移动端的5G用户数量正是4G时代向5G时代的转变中至关重要一步。【项目目标】(1)对用户的数据进行分析,针对5G业务形成认知,找到关键指标,并对如何推广5

文章图片
#python#数据分析#机器学习
基于卷积神经网络(CNN)和ResNet50的水果与蔬菜图像分类系统

这部分代码定义了一个自定义的PyTorch Dataset 类,FruitVegDataset,用于加载数据集,并支持图像的转换(如缩放、裁剪等)。

文章图片
#cnn#分类#人工智能
基于CNN的多种类蝴蝶图像分类

这次这个基于cnn的图像分类,获得了高于 70% 的准确率。可以加载我保存好的模型进行预测试试,感兴趣的还可以继续调参训练# 若需要完整数据集以及代码请点击以下链接。

文章图片
#cnn#分类#人工智能
基于深度卷积神经网络与迁移学习的动物图像分类

本文提出了一种基于深度卷积神经网络的动物图像分类方法。项目采用迁移学习技术,通过TensorFlow框架实现高精度动物识别系统,可分类10种动物。研究克服了动物外观多样性、图像质量差异等挑战,特别关注技术伦理问题。实验使用包含24,000余张图像的数据集,采用数据增强、批归一化等技术优化模型性能。开发过程中强调结果复现性,通过设置随机种子确保实验可靠性。该系统在野生动物保护、农业监测等领域具有应用

文章图片
#cnn#迁移学习#分类
    共 16 条
  • 1
  • 2
  • 请选择