基于 Keras 实现图像风格转移

 Style Transfer 这个方向火起来是从2015年Gatys发表的Paper A Neural Algorithm of Artistic Style(神经风格迁移) , 这里就简单提一下论文的主要思想。

推荐系统|矩阵分解概述

 推荐系统的研究从上世纪90年代初发展至今,目前有三大主流算法作为几乎全部的推荐算法的基石,它们就是基于内容的过滤算法(content-based filtering,简称CBF)、邻域算法(neighborhood methods)、隐语义模型(latent factor models,简称LFM),其中后两者统称为协同过滤算法(collaborative filtering,简CF)。

深度学习|卷积神经网络概述

实现简单手写识别完整代码地址 :👉 https://github.com/laugh12321/Handwriting-Recognition

提到人工智能,人们都会希望自己的智能机器具备「听说读写」这样像人一样的基本感知表达能力,计算机视觉就是研究如何让机器学会「看」的学科。如今,借助深度学习的推动,计算机视觉已经来到了一个飞速发展的时代。人脸识别,自动驾驶,医学图像分析,计算机视觉的成熟让这一切变得可能甚至远高于我们人类的工作效率。

回归预测|梯度下降详解

在了解梯度下降(Gradient Descent)之前,我们先要知道有关线性回归的基本知识,这样可以进一步的加深对梯度下降的理解,当然梯度下降(Gradient Descent)并不单单只能进行回归预测,它还可以进行诸如分类等操作。

关于线性回归的具体讲解本文不详细涉及,只简单列出几个相关公式。(关于线性回归可以看这篇 👉传送门)

Your browser is out-of-date!

Update your browser to view this website correctly. Update my browser now

×