自然语言通常指的是人类语言,是人类思维的载体和交流的基本工具,也是人类区别于动物的根本标志,更是人类智能发展的外在体现形式之一。自然语言处理(Natural Language Processing,NLP)主要研究用计算机理解和生成自然语言的各种理论和方法,属于人工智能领域的一个重要甚至核心分支,是计算机科学与语言学的交叉学科,又常被称为计算语言学(Computational Linguisti
前言 上一篇介绍过使用opencv-dnn模块实现模型推理部署,但视频效果较差,本篇介绍使用onnxruntime完成模型推理部署。 一、环境 1、硬件 Intel® Core i5-7400 CPU @ 3.00GHZIntel® HD Graphics 630 内存4G 核显内存 8Gwin10 64位系统 2、软件 opencv4.2.0yolov5 6.2版本qt5.6.2onnxru
前言 最近工作中需要用yolov5训练模型,然后在win10系统下,完成推理部署。本篇主要介绍使用opencv-dnn模块实现模型推理部署。 一、环境 1、硬件 Intel® Core i5-7400 CPU @ 3.00GHZIntel® HD Graphics 630 内存4G 核显内存 8Gwin10 64位系统 2、软件 opencv4.6.0yolov5 6.2版本 二、YOLO模型
文章目录 一、全概率公式 1.引例 2.全概率公式 二、贝叶斯公式 1.引例 2.贝叶斯公式 三、朴素贝叶斯 1.概念 2.算法流程 3.拉普拉斯校准 四、一个示例 一、全概率公式 1.引例 p(活着) = 0.5 _ 0.8 + 0.5 _ 0.3花活着这一事件可以分为两种情况,一种是如果邻居记得浇水的情况下,花活着,另一种是如果邻居忘记浇水的情况下,花活着
目录 马尔可夫链 马尔可夫链的基本定义 离散状态马尔可夫链 (Finite-State Markov Chains) 转移概率矩阵 状态分布 平稳分布 (steady-state vector / equilibrium vector) 平稳分布的定义 平稳分布的存在性 如何找到平稳分布? 连续状态马尔可夫链 马尔可夫链的简单应用 语言模型 Signal Tran
前言 上一篇介绍过使用onnxruntime实现模型推理部署,但在我的机器上视频效果仍不理想,本篇介绍使用openvino完成模型推理部署。 openvino是Intel开发的深度学习模型推理加速引擎,支持python和C++,使用起来比较方便。 一、环境 1、硬件 Intel® Core i5-7400 CPU @ 3.00GHZIntel® HD Graphics 630 内存4G 核显
国家实用新型发明专利:一种机器视觉的流水线智能检测报警系统 【系统装置设计图】 文章目录 国家实用新型发明专利:一种机器视觉的流水线智能检测报警系统 【说明书摘要】 【权利要求书】 【说明书】 _技术领域_ _背景技术_ _发明内容_ _有益效果_ _附图说明_ _具体实施方式_ 【说明书摘要】 本实用新型公开了一种基于机器视觉的流水线智能检测报警系统,包括
本文主要介绍人工智能模型的网络结构可视化的常见方法。 对于使用神经网络模型来说,我们主要关注的是模型的输入和输出。在 ML.NET 中使用 ONNX 模型时,我们就需要了解这些信息,以便在构成神经网络的所有层之间生成连接映射。 下图就是昨天 《YOLOv7 在 ML.NET 中使用 ONNX 检测对象》 文章中使用到的 ONNX 模型基本属性信息。 NETRON Netron 是一款常见的可视
一、基本介绍 决策树是一种类似于流程图的树结构,其中每个内部节点表示在一个属性上的测试,每个分支代表该测试的一个输出,而每个叶子节点(终端节点)存放一个分类结果。上图是一个决策时的示例。当决策树构建好之后,对检验记录进行分类就很容易,从树的根节点开始,将测试条件用于检验记录,沿着树的分支达到叶子节点,得到分类结果。 二、决策树构建 原则上讲,对于给定的属性集,可以构造的决策树很多,所有如何在合
一、过拟合之前我们提到过的模型只能拟合训练数据的状态被称为过拟合,英文是 overfitting。记得在学习回归的时候,过度增加函数 fθ(x)的次数会导致过拟合。过拟合不止在回归时出现,在分类时也经常发生,我们要时常留意它。避免过拟合有以下方法: 增加全部训练数据的数量 使用简单的模型 正则化首先,重要的是增加全部训练数据的数量。之前我也讲过,机器学习是从数据中学习的,所以数据最重要。另外,使用
鸣谢!!! 深入浅出 Word2vec–图文解读原理 一 Skipgram 我们不仅要考虑目标单词的前两个单词,还要考虑其后两个单词如果这么做,我们实际上构建并训练的模型就如下所示:上述的这种架构被称为连续词袋(CBOW),在一篇关于word2vec的论文中有阐述。 还有另一种架构,它不根据前后文(前后单词)来猜测目标单词,而是推测当前单词可能的前后单词。我们设想一下滑动窗在训练数据时如
为什么要进行数据预处理? 只有当数据的质量好才能保证数据分析的结果好。然后实际系统中的原始数据会因为很多原因出现数据错误,数据缺失,不一致等情况,所以需要对原始数据进行预处理,包括数据清洗,数据集成,数据归约,数据转换。 一、数据清洗 目的:填充或删除缺失值,降低噪声与识别离群点。数据清洗的第一步偏差检测(数据的不一致性,字段过载),第二步纠正偏差1.缺失值处理(1)直接删除缺失属性的记录。(
本文介绍如何在 ML.NET 中使用 YOLOv7 的 ONNX 模型来检测图像中的对象。 什么是 YOLO YOLO(You Only Look Once)是一种先进的实时目标检测系统。它是一个在COCO数据集上预训练的物体检测架构和模型系列,其版本也是在不断优化更新。2022年7月,YOLOv7 来临。官方版的YOLOv7相同体量下比YOLOv5精度更高,速度更快。 论文地址:https:
一、计算公式 精确率2.召回率 F值 二、详细分析2.1精确率在上一篇文章中,我们已经知道了精度的计算公式:一般来说,只要计算出这个 Accuracy 值,基本上就可以掌握分类结果整体的精度了。但是有时候只看这个结果会有问题,所以还有别的指标。 比如下面这个例子:假设图中的圆点是 Positive 数据、叉号是Negative 数据,我们来考虑一下数据量极其不平衡的情况。假设有 100 个数据
文章目录 一、基本概念 二、关联规则挖掘步骤 1.两个关键步骤: 2.如何减少产生的关联规则数量: 三、Aprior算法 四、 关联规则有效性评估: 一、基本概念 关联规则挖掘:在交易数据、关系数据或其他信息载体中,查找存在于项目集合或对象集合之间的频繁模式、关联、相关性、或因果结构。频繁模式:频繁地出现在数据集中的模式。假定某超时销售的商品包括:bread,beer,cak
使用pandas库进行数据分析教学 1、pandas介绍 Pandas 是python的一个数据分析包 pandas 是基于NumPy 的一种工具,该工具是为解决数据分析任务而创建的。 Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。 pandas提供了大量能使我们快速便捷地处理数据的函数和方法。 pandas可以读取/写入txt、dox、excal、csv等
鸣谢!!! 深入浅出 Word2vec–图文解读原理 二 文章很长请耐心阅读,但一定会有收获!!! embedding 是机器学习中最迷人的想法之一。如果你曾经使用Siri、Google Assistant、Alexa、Google翻译,甚至智能手机键盘进行下一词预测,那么你很有可能从这个已经成为自然语言处理模型核心的想法中受益。 在过去的几十年中,嵌入技术用于神经网络模型已有相当大
一、数据类型 1.属性的定义 每一条数据可以称为数据集的一个样本,而每一条数据要用不同的特征描述出来,特征也称为属性。属性通常分为两大类。一类是定性描述的属性,其可以划分为标称属性,布尔属性,序值属性,不具备数的大部分性质。一类是定量描述的属性,即数值属性,用数表示,并且具有数的大部分性质,可以是整数值和离散值。 标称属性:符号或事物的名称。但是有时候,机器学习任务中,模型只能接受数值型属性,
Colab 介绍 Jupyter Notebook:在 Colab 中,python 代码的执行是基于 .ipynb 文件,也就是 Jupyter Notebook 格式的 python 文件 代码执行程序:代码执行程序就是 Colab 在云端的 “服务器”。笔记本连接到代码执行程序的时长是有限制的,这体现在三个方面:如果关闭浏览器,代码执行程序会在短时间内断开而不是在后台继续执行(这个 “短时
一、什么是模型评估简单的讲,模型评估就是评估训练好的模型的好坏。 在进行回归和分类时,为了进行预测,我们定义了函数 fθ(x),然后根据训练数据求出了函数的参数 θ。也就是对目标函数进行微分,然后求出参数更新表达式的操作,当时我们求出参数更新表达式之后就结束了。但是,其实我们真正想要的是通过预测函数得到预测值。以回归的那个例子来说,就是关于投入的广告费能带来多少点击量的预测值。所以我们希望 fθ(
第三方账号登入
看不清?点击更换
第三方账号登入
QQ 微博 微信