- 博客(170)
- 收藏
- 关注
RSS订阅原创 人工智能技术篇*卷(四)
DCGAN 通过引入卷积层和转置卷积层（反卷积层），利用卷积神经网络强大的特征提取和生成能力，使得生成器能够学习到图像的复杂结构和细节，从而生成更加清晰、逼真的图像。常用框架/库：Keras、TensorFlow 和 PyTorch 均支持 GRU 的实现，提供了便捷的接口来构建和训练基于 GRU 的模型，帮助开发者快速应用 GRU 进行序列数据的处理和预测。PyTorch：其动态计算图使得 RNN 模型的构建和调试更加灵活，研究人员可以轻松地自定义 RNN 的结构和行为，进行创新性的研究。
2025-03-12 10:47:49
610
原创 人工智能技术篇*卷(二)
接下来我将以算法引出其应用，并给出具体的实现代码，你可能看不懂，但没关系，本来就没让你看懂，我们现在只是通过它，去了解，什么技术解决什么类型的问题，导入第三方库去训练模型是多么方便，如果你要真正掌握，不仅要学习数学如何实现这个算法的，还有通过编程实现这个算法，你才能修改第三方库，真正完成模型训练的DIY调参数，自定义修改。结合上面，你应该明白，如今在人工智能领域，大部分常见的算法和理论都有对应的库和框架，这极大地降低了开发门槛，让不同层次的人员都能参与到人工智能项目中。
2025-03-10 20:50:27
642
原创 人工智能技术篇*卷(一)
机器学习：是人工智能的核心领域，专注于让计算机通过数据和算法自动学习规律并进行预测和决策，有监督学习、无监督学习、强化学习等多种学习方式。深度学习：是机器学习的一个分支领域，基于深度神经网络，包含多个隐藏层，能自动从大量数据中学习多层次的抽象特征表示。卷积神经网络在图像和视频处理领域表现出色，能自动提取图像的特征，用于目标检测、图像分类等；了解人工智能的发展历史，会让我们心中有个大概了解，但这远远不够，我们起码还要知道大概有什么技术，怎么用它处理问题，有需要的话最好深入到算法原理。接下来，我们细化探究……
2025-03-10 20:25:25
128
原创 人工智能的发展历史
在很久很久以前，也就是20世纪40年代，人们就开始琢磨能不能让机器像人一样思考。那时候计算机刚刚诞生，硬件还很原始，计算能力也不强。1943年，有个叫沃伦·麦卡洛克（Warren McCulloch）和沃尔特·皮茨（Walter Pitts）的两人，发表了一篇很重要的论文叫《神经活动中内在思想的逻辑演算》。他们从神经学角度出发，提出了一种简单的神经元模型，把神经元看作是一个简单的逻辑开关，能对输入进行简单的逻辑运算，这就像是给人工智能埋下了一颗种子。
2025-03-10 20:06:33
1212
原创 人工智能系列文章*前言
接下来的人工智能系列文章，我打算通过写故事的形式进行编写，以增加趣味性和可读性，由浅入深，循序渐进。笔者很早就想写一个有关人工智能领域的系列文章，期间总会有事情耽搁，现在总算是开始了。由于笔者水平不足，编写过程可能存在许多错误和不足，欢迎各位朋友指出。
2025-03-10 19:27:25
75
原创 由于 Github 证书验证问题而无法连接的错误 (fatal: unable to access ‘...‘ : SSL certificate problem: unable)
关于 fatal: unable to access ‘...‘ : SSL certificate problem: unable 问题的解决方案
2024-09-10 10:34:01
7313
2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人