新闻中心 
-
01-22解释和示范Dropout正则化策略Dropout是一种简单而有效的正则化策略，用于减少神经网络的过拟合，提高泛化能力。其主要思想是在训练过程中随机丢弃一部分神经元，使网络不过度依赖于任何一个神经...
-
01-22浅层特征与深层特征的结合在实际应用中的示例深度学习在计算机视觉领域取得了巨大成功，其中一项重要进展是使用深度卷积神经网络（CNN）进行图像分类。然而，深度CNN通常需要大量标记数据和计算资源。为了减少计...
-
01-22如何使用Siamese网络处理样本不平衡的数据集（含示例代码）Siamese网络是一种用于度量学习的神经网络模型，它能够学习如何计算两个输入之间的相似度或差异度量。由于其灵活性，它在人脸识别、语义相似性计算和文本匹配等众多...
-
01-22使用卷积神经网络实现图像风格迁移的示例代码基于卷积神经网络的图像风格迁移是一种将图像的内容与风格结合生成新图像的技术。它利用卷积神经网络（CNN）将图像转换为风格特征向量的模型。本文将从以下三个方面对此...
-
11-02机器学习|PyTorch简明教程下篇接着上篇《PyTorch简明教程上篇》，继续学习多层感知机，卷积神经网络和LSTMNet。1、多层感知机多层感知机是一种简单的神经网络，也是深度学习的重要基础。...
-
10-10跨模态Transformer：面向快速鲁棒的3D目标检测目前，在自动驾驶的车辆中已经配备了多种信息采集传感器，如激光雷达、毫米波雷达以及相机传感器。从目前来看，多种传感器在自动驾驶的感知任务中显示出了巨大的发展前景。...
