np.reshape 第2页
- 使用自编码器进行图像去噪（自编码器提取图像特征）
-
在这篇文章中，你将了解自编码器是如何工作的，以及为什么它们被用于医学图像去噪。正确理解图像信息在医学等领域是至关重要的。去噪可以集中在清理旧的扫描图像上，或者有助于癌症生物学中的特征选择。噪音的存在可能会混淆疾病的识别和分析，从而导致不必要的死亡。因此，医学图像去噪是一项必不可少的预处理技术。所谓的...
- python使用fitz模块提取pdf中的图片
-
原以为这是一件很简单的过程，在百度上搜寻无果后。于是去查找官方文档，根据官方文档https://pymupdf.readthedocs.io/en/latest/module.html#extracting-fonts-and-images测试发现确实能够提取相应的图片信息...
- GANs为何引爆机器学习?这篇基于TensorFlow的实例教程为你解惑!
-
「机器人圈导览」：生成对抗网络无疑是机器学习领域近三年来最火爆的研究领域，相关论文层出不求，各种领域的应用层出不穷。那么，GAN到底如何实践？本文编译自Medium，该文作者以一朵玫瑰花为例，详细阐述了GAN的原理，以及基于谷歌TensorFlow的实现，文章略长，阅读大约需要15分钟。想象有一天...
- ResNet到底在解决一个什么问题呢?
-
ResNet从AlexNet开始，网络结构逐渐向越来越深的方向发展，大家直观地认为随着网络深度的增加，网络的特征拟合能力会越来越强，因此更深的模型理应取得更好的效果。但是人们发现随着网络深度的增加，模型的精度不是一直提升的，而且训练的误差和测试的误差都变高了，这显然不是过拟合的问题。另外，batch...
- 【Python机器学习系列】一文教你绘制机器学习模型决策曲线
-
这是我的第300篇...
- 机器学习——生成模型（生成模型gan）
-
前面无监督学习主要针对的是一种“降维”的学习任务，将数据降维到另一个能够表达数据含义的某种空间中，本节主要是无监督学习中的另一个任务——生成进行介绍。生成模型...
- 27个新手级Numpy操作（numpy视频教程）
-
本文介绍初学者应当掌握的27个numpy操作。1、将列表转换为ndarray使用np.array()将Python列表转换为Numpy数组：...
- 深度强化学习模型(DRL)在游戏上面的应用
-
#头条创作挑战赛#深度强化学习模型（DRL）是一种结合了深度学习和强化学习的方法。它通过使用深度神经网络作为函数逼近器，可以处理高维、非线性的状态空间，并且能够学习到环境中的长期奖励结构。...
- 支持向量机(SVM)说明及示例（支持向量机有哪些优缺点）
-
支持向量机（SVM）可以解决支持分类和回归问题，这两个问题的解决都是通过构造函数h来实现的，该函数将输入向量x与输出y进行匹配：y=h（x）优缺点优点：该算法可以基于内核对线性和非线性问题的极限进行建模。它对于“过拟合”也非常可行，尤其是在大空间中。劣势：支持向量机需要大量的内存，由于选择正确...