摘要：
视频学习：循环神经网络 绪论 基本应用：语音问答、机器翻译、股票预测、作词/诗机、模仿写论文/代码、图像理解、视觉问答 RNN vs CNN 传统神经网络，卷积神经网络，输入和输出之间是相互独立的。 RNN可以更好的处理具有时序关系的任务。 RNN通过其循环结构引入"记忆"的概念。 输出不仅依赖于输 阅读全文
摘要：
代码学习 HybridSN高光谱分类网络 import numpy as np import matplotlib.pyplot as plt import scipy.io as sio from sklearn.decomposition import PCA from sklearn.mode 阅读全文
摘要：
《 图像语义分割前沿进展》-程明明 视频链接 图像语义分割技术面临的挑战：大小各异、形状复杂、环境多变、类别众多 计算机视觉发展 多尺度视角 相关论文 Res2Net：A New Multi-scale Backbone Architecture(分层递进残差网络) 富尺度空间的深度神经网络通用架构 阅读全文
摘要：
《语义分割中的自注意力机制和低秩重建》-李夏 视频链接 语义分割（Semantic Segmentation）：对图像中的每个像素同时输出一个label 全卷积网络：理论上感知域增大，实际有效感知域很小。 Nonlocal Network （对应自注意力机制） Non-local neural ne 阅读全文
摘要：
第一部分 视频学习 深度学习的数学基础 机器学习三要素：模型，策略，算法 模型：对要学习问题映射的假设（问题建模，确定假设空间） 策略：从假设空间中学习/选择最优模型的准则（确定目标函数） 算法：根据目标函数求解最优模型的具体计算方法（求解模型参数） 概率/函数形式的统一 欠拟合&过拟合 欠拟合：训 阅读全文
摘要：
import numpy as np import matplotlib.pyplot as plt import os import torch import torch.nn as nn import torchvision from torchvision import models,tran 阅读全文
摘要：
1.定义 dataloader import torch import torchvision import torchvision.transforms as transforms import matplotlib.pyplot as plt import numpy as np import 阅读全文
摘要：
import torch import torchvision import torchvision.transforms as transforms import matplotlib.pyplot as plt import numpy as np import torch.nn as nn i 阅读全文
摘要：
import torch import torch.nn as nn import torch.nn.functional as F import torch.optim as optim from torchvision import datasets, transforms import mat 阅读全文
摘要：
一、视频学习 1、什么是人工智能？ 1965年美国达特茅斯会议：“人工智能”概念诞生。 人工智能(Artificial Intelligence)：使一部机器像人一样进行感知、认知、决策、执行的人工程序或系统。 2、人工智能的三个层面 3、逻辑演绎vs归纳总结 4、知识工程vs机器学习 5、机器学习 阅读全文