- 博客(18)
- 资源 (4)
- 收藏
- 关注
RSS订阅
原创 深度学习-Seq2Seq LSTM 机器翻译.Part1
因为使用了LSTM，那就简单地介绍一下吧，它是一种用于解决循环神经网络中长期依赖问题的一种神经网络，传统的RNN在处理长序列数据时会面临梯度消失或者梯度爆炸的问题，导致难以捕捉到序列数据中的长期依赖关系。而解码器的任务就是使用编码器输出的向量来生成目标序列，既然是序列，那么解码器也是一个循环神经网络，它使用编码器的状态为输入的初始状态，逐步生成目标序列。因为，最近一直在学习Seq2Seq，很多都不得其解，我自己感觉有两个月了吧，查阅了一些资料，今天给大家带来一个基于字符的英汉翻译的辛酸史。
2023-08-02 23:07:05
115
原创 基于Transformer的恶意域名检测任务.Part1
常见的位置编码方法有两种方式：正弦位置编码和学习位置编码，这种的根本区别就是第一个属于固定的位置，第二个属于参与模型学习的。在搭建这个任务的过程中，有两个地方我觉得非常的精彩，自注意力和位置编码。可以清晰的看到网络的整个结构包括，输入、Embedding、Positional Encoding、叠加层（按照顺序包括：注意力层、归一化、前向残差），在这个任务中，我们最后再补充一个。起因是这样的，由于我的恶意域名样本都是一级域名，并没有二级或者三级域名。但是，我并没有注意到这些。是的，这个过程都是差不多的。
2023-11-05 15:06:10
156
原创 深度学习-UNet语义分割二分类与多分类的对比
在这张图片中，包含了许多信息，很多定义，有飞机、机箱道路、天空等等一系列的事物，那么这些定义的事物就是这些图片的语义，那么，今天我们就需要把图片中的这些定义划分出对应的区域出来。摘要：前面我们一起聊了下图片的多分类，简单应用包括汉字识别、目标识别、目标检测等等，今天我们来看下图像语义分割任务是做什么的，同样的，今天还是分享构建的思路以及遇到的一些问题。咋一看，确实是一个U型结构，按照中心线划分，左边是下采样，右边是上采样，这里我就不过多介绍这个网络结构，我们来看下它的实现。效果不能说完美，但是也算可以了。
2023-06-16 16:03:35
714
原创 深度学习-ResNet-50实现目标检测（基于Pascal VOC数据集）2
对了，做上一步位置转换之前，还有一个注意点，由于网络输入的size是224，而且我们用的是batch的方式训练的，所以图片会resize到224，那么问题来了，label位置就会发生改变，所以需要处理下label的位置，这里是一个注意点。在这一类的目标检测中，我们需要检测出目标是什么名称以及他的位置和边框，使用分类的方式可以将目标检测出来，使用回归的方式，我们把位置和边框检测出来这个网络就完整了，但是，本着不浪费的前提，把上一篇的代码拿过来用一下吧，不同的是，这里的标签是需要我们处理一下的。
2023-06-13 00:14:15
428
原创 深度学习-ResNet-50实现目标检测（基于Pascal VOC数据集）
残差块中，利用跳跃连接的方式将输入的恒等映射直接加到后续的输出中，从而使得网络直接可以学习到对输入的差异性特征，避免这些信息因为多网络层的堆叠而丢失。残差块中，利用跳跃连接的方式将输入的恒等映射直接加到后续的输出中，从而使得网络直接可以学习到对输入的差异性特征，避免这些信息因为多网络层的堆叠而丢失。解压训练集和测试集之后，我们开始处理数据了，我看了下图片接近5000张，这个如果一次性加载的话，贫穷的我应该加载不了吧，OOM应该是肯定的。86%的正确率，这样的正确率还有上升的空间，不过这不重要。
2023-05-21 13:58:03
2041
原创 深度学习-VGG19网络识别手写汉字（基于HWDB1.1trn_gnt）
这段代码呢，使用了迭代器，能够减少内存的使用，不会一下次吃掉所有内存（不明白迭代器的小伙伴，自行百度学习）。图片按照上面六个顺序，进行处理，当然了，我这里还不够全面，比如还可以添加，检测图片是否摆正，是否需要翻转等等。，图片容易受到外在因素的干扰，比如有噪点，有色彩，有缺失等等一系列的问题。我罗列了一下我的处理过程。好的，做完这些之后，我们接下来就到正餐了，训练需要的样本都准备好了，接下来，我们要把我们的人工网络搭建起来。说明下，这两个字不是测试集和训练集当中的，是找两个人写的，识别的精准度还是很高的。
2023-05-10 13:48:04
1925
4
原创 手撕神经网络-正/反向传播
最近的ChatGpt非常火热，强大的智能能力让人不禁感叹，人类是不是要被AI取代了，有人惶恐、有人兴奋。每一次新技术的爆发，必然会带动一部分就业，我们要抱着积极的态度去了解他。
2023-04-02 22:06:01
119
原创 关于资源下线通知
非常抱歉的通知各位小伙伴： 由于业务和资源的调整，下线短视频站点和AI舆情分析接口。原来【http://xingship.com】将不再支持。以下展示她存在过的痕迹：
2021-12-15 23:56:18
190
原创 公路车道线辅助传统算法原理
近年，随着计算机、机器人控制和传感技术的突破，无人驾驶技术的发展进入了一个快速发展的阶段。早在1989年，卡内基·梅隆大学的Dean Pomerleau用神经网络构建了一辆可以上路的自动驾驶汽车。通过深度学习算法，通过观察人如何驾驶并“学习”人的驾驶技能。 深度学习使得一切变成了可能，计算机视觉是自动驾驶的一个非常重要的技术。今天我们通过传统的算法简单实现一下。以下按照顺序罗列一下步骤和涉及到的方法。1.灰度处理2.边缘检测3.高斯去噪4.中...
2021-07-22 11:28:12
763
1
原创 【免费AI舆情接口】基于NLP的舆情分析开发-NLP技术打造更快更准的舆情分析
作为开发人员，最喜欢的就是捣腾技术。最近几年，AI发展迅速，未来的趋势已定，做好技术储备，最为重要。话不多说，直接看效果。地址：http://xingship.com/入口：预训练模型地址：https://github.com/Embedding/Chinese-Word-Vectors/blob/master/README_zh.md它是由北京师范大学中文信息处理研究所与中国人民大学DBIIR实验室共同整理的，有很多模型，觉得还不错。预料饲料呢，就爬取了某旅游网站的酒店评论数据。
2021-05-10 11:57:04
735
原创 【撸网站第二天】瀑布流布局
学习网址：http://xingship.com我们会看到很好看的布局方式，我个人比较喜欢的某款app的布局方式，如下。非常喜欢他们家的app 页面布局。再回来看看，http://xingship.com这个网站也有类似的布局看到，这两个UI的风格比较像。只是http://xingship.com他们这个更为粗糙，小作坊的作品。但是，这个并不影响我们学习他的技术点。首先，我们在pc上 打开该网址，然后F12进入到开发者模式，让我们来看看我们看到，貌似用...
2020-12-15 20:36:15
37143
1
原创 【撸网站第一天】开篇
今天准备撸一个网站，主要撸一下他的技术点，包括：前端、结构、后端、压力测试 等等。现介绍一下这个网站：http://xingship.com测试下来，这个网站貌似只能在手机上使用，我在pc上显示的效果并不是很好，不知道站长是否可以兼容一下pc端。如下效果：很丑，但是当我跑到手机上来看的时候，还像那么回事。网站呢，主要是电影短视频的介绍。开始我以为这个是网站的布局是这一个标准的网格布局，但是其实他是个瀑布模式。第二篇，我们来详细介绍这个，好啦，今天由于时间关系，就现记录到这..
2020-12-14 14:31:17
181453
原创 Linux系统-scp简介&坑
上一篇文章地址：https://blog.csdn.net/xingxingzhilong/article/details/82593695本篇目录scp简介 灾难场景还原 处理方式写在最前面的话啥都不想说，只能表达下，scp这个命令有点坑，不知道是否就我一个人遇到这类问题。scp简介说道scp，这里顺带提下cp，cp是在同一个linux系统上，进行不同文件或者目录之间的...
2018-09-30 16:03:34
608
1
原创 第二篇：docker 简单入门（二）
本篇目录写在最前面的话 最常用的docker命令 获取远程仓库镜像写在最前面的话 如上图大家看到的这样，以后此类文章请到其他平台查阅 今天和大家分享下docker下面最常用的几个命令，太复杂的我也不知道是什么，但是不需要害怕，因为如果当你发现有些docker命令，你不知道的时候，说明你又进步了，是一件好事。当然今天我们会在拉取下远程的仓库，然后看看我们的容器能否跑起来...
2018-09-10 18:06:35
185
原创 第一篇：docker 简单入门（一）
本篇目录写在最前面的话 docker概念介绍 镜像的概念、容器的概念 docker的安装介绍写在最前面的话 大家好，首先跟大家说声对不起，我班门弄斧了，我本身是做系统开发,使用的语言是C#和JAVA这两类，再多了的编程语言真的是没有精力去学习。docker这门应用技能断断续续的学习着，不精通。是能说我熟悉它，我能使用它。我能简单理解它。所有接下来如果有哪里有写错的地方，大家可以留...
2018-09-10 18:02:11
235
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人