摘要：通过一个垃圾分类应用的开发示例，介绍AIGallery在AI应用开发流程中的作用。本文分享自华为云社区《AIGallery：从0到1开发AI图像分类应用》，作者：yd_269359708。现如今，人工智能（AI）技术在计算机领域内，得到了越来越广泛的重视，并在各行各业中得到应用。然而无论是AI开发的初学者，还是资深的AI开发专家，在AI应用开发工程中，都会面临着不小的麻烦。我们今天要介绍的AIGallery，就是一个开放的开发者生态社区，提供了数据集、算法、模型等AI数字资产的共享，帮助开发者加速AI产品的开发与落地，保障AI开发生态链上各参与方高效地实现各自的商业价值。背景知识AI开发
摘要：通过一个垃圾分类应用的开发示例，介绍AIGallery在AI应用开发流程中的作用。本文分享自华为云社区《AIGallery：从0到1开发AI图像分类应用》，作者：yd_269359708。现如今，人工智能（AI）技术在计算机领域内，得到了越来越广泛的重视，并在各行各业中得到应用。然而无论是AI开发的初学者，还是资深的AI开发专家，在AI应用开发工程中，都会面临着不小的麻烦。我们今天要介绍的AIGallery，就是一个开放的开发者生态社区，提供了数据集、算法、模型等AI数字资产的共享，帮助开发者加速AI产品的开发与落地，保障AI开发生态链上各参与方高效地实现各自的商业价值。背景知识AI开发
摘要：RNN可以用于描述时间上连续状态的输出，有记忆功能，能处理时间序列的能力，让我惊叹。本文分享自华为云社区《用RNN进行图像分类——CNN之后的探索》，作者：Yin-Manny。一、 写前的思考：当看完RNN的PPT，我惊叹于RNN可以用于描述时间上连续状态的输出，有记忆功能，能处理时间序列的能力。当拿到思考题，在CNN框架下加入RNN程序，这是可以实现的吗，如果可以，它的理论依据是什么，它的实现方法是什么，它的效果是怎样的。加入这个有必要吗。我寻找了CNNcombinewithRNN的资料，看了CLDNN论文，我知道了：CNN和RNN直接的不同点：CNN进行空间扩展，神经元与特征卷积；R
摘要：RNN可以用于描述时间上连续状态的输出，有记忆功能，能处理时间序列的能力，让我惊叹。本文分享自华为云社区《用RNN进行图像分类——CNN之后的探索》，作者：Yin-Manny。一、 写前的思考：当看完RNN的PPT，我惊叹于RNN可以用于描述时间上连续状态的输出，有记忆功能，能处理时间序列的能力。当拿到思考题，在CNN框架下加入RNN程序，这是可以实现的吗，如果可以，它的理论依据是什么，它的实现方法是什么，它的效果是怎样的。加入这个有必要吗。我寻找了CNNcombinewithRNN的资料，看了CLDNN论文，我知道了：CNN和RNN直接的不同点：CNN进行空间扩展，神经元与特征卷积；R
一、选题的背景为了实现对水果和蔬菜的分类识别，收集了香蕉、苹果、梨、葡萄、橙子、猕猴桃、西瓜、石榴、菠萝、芒果、黄瓜、胡萝卜、辣椒、洋葱、马铃薯、柠檬、番茄、萝卜、甜菜根、卷心菜、生菜、菠菜、大豆、花椰菜、甜椒、辣椒、萝卜、玉米、甜玉米、红薯、辣椒粉、生姜、大蒜、豌豆、茄子共36种果蔬的图像。该项目使用resnet18网络进行分类。二、机器学习案例设计方案1.本选题采用的机器学习案例（训练集与测试集）的来源描述数据集来自百度AIstudio平台（https://aistudio.baidu.com/aistudio/datasetdetail/119023/0），共包含36种果蔬，每一个类别包
一、选题的背景为了实现对水果和蔬菜的分类识别，收集了香蕉、苹果、梨、葡萄、橙子、猕猴桃、西瓜、石榴、菠萝、芒果、黄瓜、胡萝卜、辣椒、洋葱、马铃薯、柠檬、番茄、萝卜、甜菜根、卷心菜、生菜、菠菜、大豆、花椰菜、甜椒、辣椒、萝卜、玉米、甜玉米、红薯、辣椒粉、生姜、大蒜、豌豆、茄子共36种果蔬的图像。该项目使用resnet18网络进行分类。二、机器学习案例设计方案1.本选题采用的机器学习案例（训练集与测试集）的来源描述数据集来自百度AIstudio平台（https://aistudio.baidu.com/aistudio/datasetdetail/119023/0），共包含36种果蔬，每一个类别包
高级人工智能系列（一）——贝叶斯网络、概率推理和朴素贝叶斯网络分类器初学者整理，如有错误欢迎指正。原创地址一、概率论基础1.1样本空间Ω样本空间是随机试验中所有可能的取值的集合。比如，掷骰子，结果有1-6六种可能，那么样本空间即：\(Ω=\{1,2,3,4,5,6\}\)1.2事件空间样本空间的一个子集。1.3条件概率简单地，现有事件A和事件B，条件概率P(A|B)表示事件A在事件B发生的条件下发生的概率。条件概率计算公式：\(P(A|B)\)=\(P(AB)\overP(B)\)更一般地，条件概率公式可以扩展到多条件情况：\(P(A|B_1,B_2,...,B_n)\)=\(P(A,B_1,
高级人工智能系列（一）——贝叶斯网络、概率推理和朴素贝叶斯网络分类器初学者整理，如有错误欢迎指正。原创地址一、概率论基础1.1样本空间Ω样本空间是随机试验中所有可能的取值的集合。比如，掷骰子，结果有1-6六种可能，那么样本空间即：\(Ω=\{1,2,3,4,5,6\}\)1.2事件空间样本空间的一个子集。1.3条件概率简单地，现有事件A和事件B，条件概率P(A|B)表示事件A在事件B发生的条件下发生的概率。条件概率计算公式：\(P(A|B)\)=\(P(AB)\overP(B)\)更一般地，条件概率公式可以扩展到多条件情况：\(P(A|B_1,B_2,...,B_n)\)=\(P(A,B_1,
?作者：韩信子@ShowMeAI?深度学习实战系列：https://www.showmeai.tech/tutorials/42?TensorFlow实战系列：https://www.showmeai.tech/tutorials/43?本文地址：https://www.showmeai.tech/article-detail/332?声明：版权所有，转载请联系平台与作者并注明出处?收藏ShowMeAI查看更多精彩内容对于很多企业而言，电子邮件仍然是主要沟通渠道之一，很多正式的内容也要基于邮件传达，供应商、合作伙伴和公共管理部门也每天会有大量的电子邮件。邮件的信息提取和处理可能是一项耗时且重复
?作者：韩信子@ShowMeAI?深度学习实战系列：https://www.showmeai.tech/tutorials/42?TensorFlow实战系列：https://www.showmeai.tech/tutorials/43?本文地址：https://www.showmeai.tech/article-detail/332?声明：版权所有，转载请联系平台与作者并注明出处?收藏ShowMeAI查看更多精彩内容对于很多企业而言，电子邮件仍然是主要沟通渠道之一，很多正式的内容也要基于邮件传达，供应商、合作伙伴和公共管理部门也每天会有大量的电子邮件。邮件的信息提取和处理可能是一项耗时且重复
