Supplyframe Supplyframe XQ Datasheet5 芯耀 Findchips 与非AI
关注我们
设计助手
电子硬件助手 电子硬件助手
元器件查询 元器件查询
EN / 中文

加入星计划，您可以享受以下权益：

  • 创作内容快速变现
  • 行业影响力扩散
  • 作品版权保护
  • 300W+ 专业用户
  • 1.5W+ 优质创作者
  • 5000+ 长期合作伙伴
立即加入

深度学习

加入交流群
扫码加入
获取工程师必备礼包
参与热点资讯讨论

深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。 深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。

深度学习(DL, Deep Learning)是机器学习(ML, Machine Learning)领域中一个新的研究方向，它被引入机器学习使其更接近于最初的目标——人工智能(AI, Artificial Intelligence)。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。 深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。收起

查看更多
类型
新鲜 热门

电路方案

查看更多

文章

查看更多
  • 深度学习实战-基于Xception的瑜伽姿势图像分类识别模型
    本文基于Kaggle约3000张、47类瑜伽图片，使用TensorFlow/Keras和Xception迁移学习构建识别模型；经数据增强、冻结主干、早停训练，验证集准确率64.46%，部分显著动作F1超0.85，可支持自动化瑜伽姿势识别与后续优化。
    72
    38分钟前
    深度学习 图像识别
  • 深度学习实战-基于EfficientNetB0的鞋类品牌图像分类模型
    基于Kaggle鞋类三分类数据集，项目采用EfficientNetB0迁移学习构建图像识别模型。数据预处理含训练/验证/测试划分、ImageDataGenerator与224×224输入；模型加入BN、L1/L2正则、Dropout及Softmax，20轮训练。结果显示验证准确率约93.75%，测试综合准确率约87%，适用于阿迪达斯、匡威、耐克自动识别。
    33
    10/15 14:25
    深度学习 图像识别
  • 深度学习实战-基于U-Net语义分割网络的皮肤癌图像分类模型
    该项目旨在通过深度学习方法解决皮肤病变区域的高精度像素级语义分割问题，特别是在医学图像处理和智慧医疗辅助诊断领域。研究团队使用了对称式U-Net架构来应对复杂自然环境和病理干扰下的皮肤镜图像分割挑战。
    408
    09/14 08:17
    深度学习 图像处理系统
  • 深度学习实战-基于Resnet50的花卉图像识别模型
    在现代智能农业、生态环境监测以及野生植物资源普查的数字化转型浪潮中，复杂自然场景下的花卉植物表型精细化识别成为关键技术。本项目依托海量花卉影像数据，构建了基于ResNeXt50_32x4d的高性能分类模型，并通过自动化训练流程实现了高鲁棒性和高精度的分类性能。实验结果显示，模型在多个轮次中表现出优异的收敛性能，尤其是在早期阶段迅速提升了验证集准确率，并在后期保持稳定。此外，GradCAM++算法提供了详细的特征可视化，证实了模型的有效性。总体而言，该项目为现代化智能生态监测系统和边缘端植物检索设备奠定了坚实的技术基础。
    707
    09/12 08:25
    深度学习 图像识别
    深度学习实战-基于Resnet50的花卉图像识别模型
  • AI | Ubuntu 26.04 安装cuDNN避坑指南：让GPU深度学习加速跑起来
    cuDNN 是由 NVIDIA 开发的 GPU 加速深度神经网络库，提供高效优化的卷积、循环和标准神经网络层操作，支持 RNN、LSTM 和半精度浮点计算。它通过 CUDA 提供底层并行计算支持，广泛应用于 TensorFlow、PyTorch 和 Caffe 等框架。安装步骤包括下载、配置和验证，支持多种安装方式。cuDNN Frontend 是 cuDNN 的前端封装层，提供更易用的 API 接口，简化开发流程。两者在易用性、功能和语言支持上有明显区别，开发者可根据需求选择合适的库。
    1098
    09/07 07:50
    深度学习 ubuntu

课程

查看更多

直播

查看更多
热门企业 换一换
相关标签