分析一個算法主要看這個算法的執(zhí)行需要多少機器資源。在各種機器資源中,時間和空間是兩個最主要的方面。因此,在進行算法分析時,人們最關(guān)心的就是運行算法所要花費的時間和算法中使用的各種數(shù)據(jù)所占用的空間資源。算法所花費的時間通常稱為時間復(fù)雜度,使用的空間資源稱為空間復(fù)雜度。接下來學(xué)習(xí)如何計算一個算法的時間復(fù)雜度和空間復(fù)雜度。查看全文>>
假設(shè)標(biāo)記為星星的點是 test point, 綠色的點是找到的近似點,在回溯過程中,需要用到一個隊列,存儲需要回溯的點,在判斷其他子節(jié)點空間中是否有可能有距離查詢點更近的數(shù)據(jù)點時,做法是以查詢點為圓心,以當(dāng)前的最近距離為半徑畫圓查看全文>>
以一個符合語言規(guī)律的序列為輸入,模型將利用序列間關(guān)系等特征,輸出一個在所有詞匯上的概率分布.這樣的模型稱為語言模型。實現(xiàn)可分為以下五個步驟:第一步導(dǎo)入必備的工具包;第二步導(dǎo)入wikiText-2數(shù)據(jù)集并作基本處理;第三步構(gòu)建用于模型輸入的批次化數(shù)據(jù);第四步構(gòu)建訓(xùn)練和評估函數(shù);第五步進行訓(xùn)練和評估(包括驗證以及測試)...查看全文>>
OpenCV的模塊,core、highgui、imgproc是最基礎(chǔ)的,它們實現(xiàn)的功能和方法各不相同,分別介紹如下:查看全文>>
計算機視覺是指用攝像機和電腦及其他相關(guān)設(shè)備,對生物視覺的一種模擬。它的主要任務(wù)是讓計算機理解圖片或者視頻中的內(nèi)容,就像人類和許多其他生物每天所做的那樣。依賴于人工智能和機器學(xué)習(xí),尤其是計算機視覺的創(chuàng)新的好處是,從電子商務(wù)行業(yè)到更經(jīng)典的各種類型和規(guī)模的公司都可以利用其強大的功能,下圖展示了相關(guān)的應(yīng)用場景及相關(guān)的企業(yè):查看全文>>
如何在只有6萬張圖像的MNIST訓(xùn)練數(shù)據(jù)集上訓(xùn)練模型?學(xué)術(shù)界當(dāng)下使用最廣泛的大規(guī)模圖像數(shù)據(jù)集ImageNet。應(yīng)用遷移學(xué)習(xí)(transfer learning),將從源數(shù)據(jù)集學(xué)到的知識遷移到目標(biāo)數(shù)據(jù)集上。例如,雖然ImageNet數(shù)據(jù)集的圖像大多跟椅子無關(guān),但在該數(shù)據(jù)集上訓(xùn)練的模型可以抽取較通用的圖像特征,從而能夠幫助識別邊緣、紋理、形狀和物體組成等。查看全文>>