完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>
標(biāo)簽 > 數(shù)據(jù)集
文章:1153個(gè) 瀏覽:25198次 帖子:25個(gè)
動(dòng)量感知規(guī)劃的端到端自動(dòng)駕駛框架MomAD解析
端到端自動(dòng)駕駛框架實(shí)現(xiàn)了感知與規(guī)劃的無(wú)縫集成,但通常依賴(lài)于一次性軌跡預(yù)測(cè),這可能導(dǎo)致控制不穩(wěn)定,并且對(duì)單頓感知中的遮擋問(wèn)題較為敏感。為解決這一問(wèn)題,我們...
2025-03-18 標(biāo)簽:模型數(shù)據(jù)集自動(dòng)駕駛 641 0
用PaddleNLP在4060單卡上實(shí)踐大模型預(yù)訓(xùn)練技術(shù)
作者:算力魔方創(chuàng)始人/英特爾創(chuàng)新大使劉力 之前我們分享了《從零開(kāi)始訓(xùn)練一個(gè)大語(yǔ)言模型需要投資多少錢(qián)》,其中高昂的預(yù)訓(xùn)練費(fèi)用讓許多對(duì)大模型預(yù)訓(xùn)練技術(shù)感興趣...
2025-02-19 標(biāo)簽:數(shù)據(jù)集大模型LLM 719 0
主動(dòng)學(xué)習(xí)在圖像分類(lèi)技術(shù)中的應(yīng)用:當(dāng)前狀態(tài)與未來(lái)展望
本文對(duì)近年來(lái)提出的主動(dòng)學(xué)習(xí)圖像分類(lèi)算法進(jìn)行了詳細(xì)綜述,并根據(jù)所用樣本數(shù)據(jù)處理及模型優(yōu)化方案,將現(xiàn)有算法分為三類(lèi):基于數(shù)據(jù)增強(qiáng)的算法,包括利用圖像增廣來(lái)擴(kuò)...
2024-11-14 標(biāo)簽:圖像分類(lèi)數(shù)據(jù)集深度學(xué)習(xí) 984 0
這篇文章提出了一種新穎的目標(biāo)跟蹤方法SFTrack,針對(duì)無(wú)人機(jī)(UAV)視頻中的獨(dú)特挑戰(zhàn),采用了三種簡(jiǎn)單有效的策略,尤其是在處理低置信度檢測(cè)、小規(guī)模物體...
2024-11-01 標(biāo)簽:相機(jī)無(wú)人機(jī)數(shù)據(jù)集 687 0
基于CPU的大型語(yǔ)言模型推理實(shí)驗(yàn)
隨著計(jì)算和數(shù)據(jù)處理變得越來(lái)越分散和復(fù)雜,AI 的重點(diǎn)正在從初始訓(xùn)練轉(zhuǎn)向更高效的AI 推理。Meta 的 Llama3 是功能強(qiáng)大的公開(kāi)可用的大型語(yǔ)言模型...
2024-07-18 標(biāo)簽:處理器AI數(shù)據(jù)集 869 0
圖像識(shí)別算法的測(cè)試方法是一個(gè)廣泛而深入的話(huà)題,涉及到多個(gè)方面。 數(shù)據(jù)集的選擇 : 標(biāo)準(zhǔn)數(shù)據(jù)集 :使用廣泛認(rèn)可的數(shù)據(jù)集,如MNIST、CIFAR-10、I...
2024-07-16 標(biāo)簽:圖像識(shí)別模型數(shù)據(jù)集 972 0
卷積神經(jīng)網(wǎng)絡(luò)通常用來(lái)處理什么
卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks, CNNs)通常被用來(lái)處理具有顯著空間層次結(jié)構(gòu)的數(shù)據(jù),特別是圖像和視頻數(shù)據(jù)。它...
2024-07-11 標(biāo)簽:圖像識(shí)別模型數(shù)據(jù)集 1191 0
如何使用MATLAB創(chuàng)建預(yù)測(cè)模型
在這篇文章中,我們將討論如何使用MATLAB創(chuàng)建預(yù)測(cè)模型。MATLAB(矩陣實(shí)驗(yàn)室)是一種用于數(shù)值計(jì)算、可視化和編程的高級(jí)編程語(yǔ)言和交互式環(huán)境。它廣泛應(yīng)...
在本文中,我們將介紹如何在PyCharm中訓(xùn)練數(shù)據(jù)集。PyCharm是一款流行的Python集成開(kāi)發(fā)環(huán)境,提供了許多用于數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)的工具。 1....
2024-07-11 標(biāo)簽:數(shù)據(jù)處理機(jī)器學(xué)習(xí)數(shù)據(jù)集 1029 0
pytorch如何訓(xùn)練自己的數(shù)據(jù)
本文將詳細(xì)介紹如何使用PyTorch框架來(lái)訓(xùn)練自己的數(shù)據(jù)。我們將從數(shù)據(jù)準(zhǔn)備、模型構(gòu)建、訓(xùn)練過(guò)程、評(píng)估和測(cè)試等方面進(jìn)行講解。 環(huán)境搭建 首先,我們需要安裝...
2024-07-11 標(biāo)簽:模型數(shù)據(jù)集pytorch 883 0
人臉識(shí)別模型訓(xùn)練失敗的原因有很多,以下是一些常見(jiàn)的原因及其解決方案: 數(shù)據(jù)集質(zhì)量問(wèn)題 數(shù)據(jù)集是訓(xùn)練人臉識(shí)別模型的基礎(chǔ)。如果數(shù)據(jù)集存在質(zhì)量問(wèn)題,將直接影響...
2024-07-04 標(biāo)簽:參數(shù)人臉識(shí)別數(shù)據(jù)集 1091 0
反向傳播神經(jīng)網(wǎng)絡(luò)分為多少層
反向傳播神經(jīng)網(wǎng)絡(luò)(Backpropagation Neural Network,簡(jiǎn)稱(chēng)BP神經(jīng)網(wǎng)絡(luò))是一種多層前饋神經(jīng)網(wǎng)絡(luò),它通過(guò)反向傳播算法來(lái)調(diào)整網(wǎng)絡(luò)中...
2024-07-03 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)非線(xiàn)性數(shù)據(jù)集 594 0
神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)誤差大小怎么看
神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)誤差大小是衡量神經(jīng)網(wǎng)絡(luò)性能的重要指標(biāo)之一。本文將介紹如何評(píng)估神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)誤差大小,包括誤差的定義、評(píng)估方法、誤差分析以及誤差優(yōu)化策略等方面的...
2024-07-03 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)參數(shù)模型 1836 0
PyTorch如何訓(xùn)練自己的數(shù)據(jù)集
PyTorch是一個(gè)廣泛使用的深度學(xué)習(xí)框架,它以其靈活性、易用性和強(qiáng)大的動(dòng)態(tài)圖特性而聞名。在訓(xùn)練深度學(xué)習(xí)模型時(shí),數(shù)據(jù)集是不可或缺的組成部分。然而,很多時(shí)...
2024-07-02 標(biāo)簽:數(shù)據(jù)集深度學(xué)習(xí)pytorch 3051 0
機(jī)器學(xué)習(xí)的經(jīng)典算法與應(yīng)用
關(guān)于數(shù)據(jù)機(jī)器學(xué)習(xí)就是喂入算法和數(shù)據(jù),讓算法從數(shù)據(jù)中尋找一種相應(yīng)的關(guān)系。Iris鳶尾花數(shù)據(jù)集是一個(gè)經(jīng)典數(shù)據(jù)集,在統(tǒng)計(jì)學(xué)習(xí)和機(jī)器學(xué)習(xí)領(lǐng)域都經(jīng)常被用作示例。數(shù)...
2024-06-27 標(biāo)簽:人工智能機(jī)器學(xué)習(xí)數(shù)據(jù)集 1883 0
存內(nèi)計(jì)算芯片研究進(jìn)展以及應(yīng)用-以基于Nor Flash的卷積神經(jīng)網(wǎng)絡(luò)量化以及部署
經(jīng)過(guò)對(duì)動(dòng)態(tài)閾值量化算法的實(shí)驗(yàn)驗(yàn)證,包括實(shí)驗(yàn)平臺(tái)及相關(guān)設(shè)置、在CIFAR-10數(shù)據(jù)集上對(duì)參數(shù)和激活層進(jìn)行的驗(yàn)證以及對(duì)AlexNet、VGG16和ResNe...
2024-05-17 標(biāo)簽:數(shù)據(jù)集卷積神經(jīng)網(wǎng)絡(luò)存算一體 2246 0
基于歸結(jié)反演的大語(yǔ)言模型邏輯推斷系統(tǒng)
受邏輯符號(hào)領(lǐng)域的邏輯推理方法的啟發(fā),我們引入了一個(gè)在一階邏輯下完備的邏輯推理范式歸結(jié)反演(其推理過(guò)程不會(huì)受到條件1的約束)來(lái)提高完備性,并提出一個(gè)新的推...
2024-04-28 標(biāo)簽:數(shù)據(jù)集選擇器自然語(yǔ)言 593 0
廢鋼分類(lèi)中的計(jì)算機(jī)視覺(jué)算法應(yīng)用探索
深度學(xué)習(xí)系統(tǒng)的優(yōu)勢(shì)在于,它們會(huì)隨著訓(xùn)練數(shù)據(jù)的增多而變得更好。為了維護(hù)一個(gè)即使在復(fù)雜情況下也能表現(xiàn)良好的健壯系統(tǒng),部署的模型將定期使用最新的圖像進(jìn)行重新訓(xùn)練。
2024-04-24 標(biāo)簽:計(jì)算機(jī)視覺(jué)機(jī)器學(xué)習(xí)數(shù)據(jù)集 942 0
基于多攝像頭的高魯棒性視覺(jué)SLAM系統(tǒng)設(shè)計(jì)
本文的主要目標(biāo)是通過(guò)擴(kuò)展ORB-SLAM2的功能來(lái)增強(qiáng)準(zhǔn)確性,從多個(gè)攝像頭中的姿態(tài)估計(jì)和地圖重用開(kāi)始。所有這些多攝像頭的圖像特征將被合并到跟蹤模塊中進(jìn)行...
2024-04-20 標(biāo)簽:攝像頭SLAM數(shù)據(jù)集 963 0
基于雙級(jí)優(yōu)化(BLO)的消除過(guò)擬合的微調(diào)方法
這篇論文試圖解決的問(wèn)題是大型預(yù)訓(xùn)練模型在下游任務(wù)中進(jìn)行微調(diào)時(shí)出現(xiàn)的過(guò)擬合問(wèn)題。盡管低秩適應(yīng)(LoRA)及其變體通過(guò)學(xué)習(xí)低秩增量矩陣有效地減少了與完全微調(diào)...
2024-04-02 標(biāo)簽:數(shù)據(jù)集LoRa自然語(yǔ)言 923 0
編輯推薦廠商產(chǎn)品技術(shù)軟件/工具OS/語(yǔ)言教程專(zhuān)題
電機(jī)控制 | DSP | 氮化鎵 | 功率放大器 | ChatGPT | 自動(dòng)駕駛 | TI | 瑞薩電子 |
BLDC | PLC | 碳化硅 | 二極管 | OpenAI | 元宇宙 | 安森美 | ADI |
無(wú)刷電機(jī) | FOC | IGBT | 逆變器 | 文心一言 | 5G | 英飛凌 | 羅姆 |
直流電機(jī) | PID | MOSFET | 傳感器 | 人工智能 | 物聯(lián)網(wǎng) | NXP | 賽靈思 |
步進(jìn)電機(jī) | SPWM | 充電樁 | IPM | 機(jī)器視覺(jué) | 無(wú)人機(jī) | 三菱電機(jī) | ST |
伺服電機(jī) | SVPWM | 光伏發(fā)電 | UPS | AR | 智能電網(wǎng) | 國(guó)民技術(shù) | Microchip |
Arduino | BeagleBone | 樹(shù)莓派 | STM32 | MSP430 | EFM32 | ARM mbed | EDA |
示波器 | LPC | imx8 | PSoC | Altium Designer | Allegro | Mentor | Pads |
OrCAD | Cadence | AutoCAD | 華秋DFM | Keil | MATLAB | MPLAB | Quartus |
C++ | Java | Python | JavaScript | node.js | RISC-V | verilog | Tensorflow |
Android | iOS | linux | RTOS | FreeRTOS | LiteOS | RT-THread | uCOS |
DuerOS | Brillo | Windows11 | HarmonyOS |