每日AI值得看--2024-02-18

[CSDN-Ada助手]

① 【深度学习】Pytorch 系列教程（四）：PyTorch数据结构：2、张量的数学运算（2）：矩阵运算及其数学原理（基础运算、转置、行列式、迹、伴随矩阵、逆、特征值和特征向量）（QomolangmaH:[博客] [成就]） [质量分：97；难度等级：未知；新鲜技术：99]
摘要：本文将介绍PyTorch中张量的数学运算之矩阵运算，包括基础运算、转置、行列式、迹、伴随矩阵、逆、特征值和特征向量等。

② ubuntu22.04@laptop OpenCV Get Started: 013_contour_detection（lida2003:[博客] [成就]） [质量分：97；难度等级：未知；新鲜技术：99]
摘要：本文通过和来实现在OpenCV下寻找轮廓，在图像上绘制轮廓边界凸显物体的方法。同时，也讨论了关于轮廓之间的父子关系，为后续物体识别奠定一定的基础。

③ 【故障识别】基于注意力机制融合双向长短期记忆神经网络BILSTM的Adaboost故障识别数据分类BiLSTM-Attention-Adaboost附matlab代码（Matlab科研辅导帮:[博客] [成就]） [质量分：95；难度等级：未知；新鲜技术：100]
摘要：本文提出了一种基于注意力机制融合双向长短期记忆神经网络BILSTM的Adaboost故障识别数据分类方法，简称BiLSTM-Attention-Adaboost。该方法将注意力机制引入到BiLSTM神经网络中，增强了模型对故障数据特征的提取能力。

④ OpenCV 4基础篇| OpenCV简介（游戏开发小Y:[博客] [成就]） [质量分：92；难度等级：未知；新鲜技术：99]
摘要：OpenCV（Open Source Computer Vision Library）是一个开源的计算机视觉和机器学习软件库。它由英特尔公司发起并参与开发，以BSD许可证授权发行，可以在商业和研究领域中免费使用。

⑤ AutoKeras(Python自动化机器学习)多模态数据和多任务（亚图跨际:[博客] [成就]） [质量分：96；难度等级：未知；新鲜技术：99]
摘要：自动化机器学习是一种自动化各种机器学习模型开发流程的过程，以便数据科学和机器学习方面专业知识有限的个人和组织能够更容易地使用机器学习。它使用户能够将机器学习技术应用于不同的领域，从简单的表格数据分析到图像识别、自然语言处理和预测等更复杂的任务。

⑥ 可视化和跟踪机器学习实验的工具——Wandb（伪_装:[博客] [成就]） [质量分：96；难度等级：未知；新鲜技术：99]
摘要：Weights & Biases （W&B） 是 AI 开发者平台，提供用于训练模型、微调模型和利用基础模型的工具。在 5 分钟内设置 W&B，然后快速迭代机器学习管道，确信您的模型和数据在可靠的记录系统中得到跟踪和版本控制。

⑦ 【机器学习】机器学习常见算法详解第4篇：KNN算法计算过程（已分享，附代码）（程序员一诺:[博客] [成就]） [质量分：94；难度等级：未知；新鲜技术：99]
摘要：根据KNN每次需要预测一个点时，我们都需要计算训练数据集里每个点到这个点的距离，然后选出距离最近的k个点进行投票。当数据集很大时，这个计算成本非常高，针对N个样本，D个特征的数据集，其算法复杂度为O（DN^2）。kd树。

⑧ 实战 | 使用CNN和OpenCV实现数字识别项目(步骤 + 源码)（Color Space:[博客] [成就]） [质量分：93；难度等级：未知；新鲜技术：99]
摘要：定义用于图像分类的 CNN 模型，对其进行编译，使用数据增强对其进行训练，并保存训练模型的权重和架构以供将来使用。总之，此代码从网络摄像头捕获视频帧，对其进行处理，将其输入到预先训练的模型中，并在视频输入上显示结果（类索引和概率）。

⑨ 吴恩达深度学习-L1 神经网络和深度学习总结（向来痴_:[博客] [成就]） [质量分：92；难度等级：未知；新鲜技术：99]
摘要：吴恩达《深度学习专项》第一阶段总结与第二阶段预览 - 知乎 (zhihu.com)自我感觉达到文章里Level3的水平了，对于计算中的某些细节还有些不清楚，比如导数的计算，怎么来的，反向传播的过程中的cache存储等。%5Calpha。

⑩ 【深度学习】S3 线性神经网络 P1 线性回归（未完）（脚踏实地的大梦想家:[博客] [成就]） [质量分：89；难度等级：未知；新鲜技术：99]
摘要：机器学习领域，大多数任务最终的目标都是预测。而预测的结果大致分为两大类，一种是需要估计连续数值的回归预测，另一种是确定离散类别的分类预测。本节博文将围绕线性回归内容。