标签为“AI”的页面如下
边缘设备上的实时AI人员检测:在Raspberry Pi上启动SSD(译文)
在本文中,我们将介绍如何在设备上安装Python-OpenCV并运行代码.
- { map[]}
- 10月08日 2020年
边缘设备上的实时AI人员检测:使用预先训练的SSD模型检测人员(译文)
在本文中,我们将展示用于启动这些模型并检测图像中人物的Python代码.
- { map[]}
- 10月07日 2020年
边缘设备上的实时AI人员检测:选择深度学习模型(译文)
在本文中,我们将讨论现有DNN方法的优缺点,并选择一种经过预先训练的模型以进行进一步的实验.
- { map[]}
- 10月06日 2020年
训练自己的Android TensorFlow神经网络(译文)
在本文中,我们将从一个程序生成输出,该程序将提供一个TensorFlow冻结图,准备好使用或转换为TensorFlow Lite.
- { map[]}
- 09月23日 2020年
Android Tensorflow Lite最佳做法和优化(译文)
在本文中,我们将考虑可以进一步优化网络的方式.
- { map[]}
- 09月22日 2020年
在Android上可视化TensorFlow Lite AI结果(译文)
在本系列的先前安装中,TensorFlow Lite解释器检查了图像并产生了输出.在本文中,我们将学习如何解释这些结果并为其创建可视化效果.
- { map[]}
- 09月21日 2020年
使用Tensorflow Lite创建一个Android AI应用(译文)
在本文中,我们将创建一个Android应用程序并将其TensorFlow Lite模型导入其中.
- { map[]}
- 09月18日 2020年
在Android上将ONNX神经网络模型与TensorFlow Lite结合使用(译文)
在本文中,我们将采用预训练的神经网络并将其调整为可在TensorFlow Lite中使用.
- { map[]}
- 09月17日 2020年
设置Android AI开发环境(译文)
这是有关在Android上使用TensorFlow Lite将机器学习和深度神经网络的力量引入移动应用程序的系列文章的第一篇
- { map[]}
- 09月16日 2020年
在Python中使用可移植的ONNX AI模型(译文)
在本文中,我简要介绍了ONNX运行时和ONNX格式.
- { map[]}
- 09月14日 2020年
在Java中使用可移植的ONNX AI模型(译文)
在本文中,我简要介绍了ONNX运行时和ONNX格式.
- { map[]}
- 09月11日 2020年
在C#中使用可移植的ONNX AI模型(译文)
在本文中,我简要介绍了ONNX运行时和ONNX格式.
- { map[]}
- 09月10日 2020年
使用ONNX使TensorFlow模型可移植(译文)
在本文中,我为寻求构建和训练神经网络的深度学习框架的人员提供了TensorFlow 1.0和TensorFlow 2.0的简要概述.
- { map[]}
- 09月09日 2020年
使用ONNX使PyTorch AI模型可移植(译文)
在本文中,我为那些寻求用于构建和训练神经网络的深度学习框架的人提供了PyTorch的简要概述.
- { map[]}
- 09月08日 2020年
使用ONNX使Keras模型可移植(译文)
在本文中,我为那些寻求用于构建和训练神经网络的深度学习框架的人提供了Keras的简要概述.
- { map[]}
- 09月04日 2020年
带有ONNX的便携式神经网络(译文)
本文是七篇系列文章中的第一篇,我们将探讨ONNX在三种流行的框架和三种流行的编程语言方面的价值.
- { map[]}
- 09月03日 2020年
[译](AI)滑动拼图解决方案分析器
我的解决方案算法,已实现的程序以及已得出的结果的详细信息.
- { map[]}
[译].NET,TensorFlow和Kaggle的风车
.NET上的TensorFlow的动手数据科学竞赛
- { map[]}
[译]AI:初学者神经网络(第3部分,共3部分)
AI:神经网络(多层网络/由微生物GA培训)的简介.
- { map[]}
[译]AI:面向初学者的神经网络(第1部分,共3部分)
AI:神经网络简介
- { map[]}
[译]AI:面向初学者的神经网络(第2部分,共3部分)
AI:神经网络简介(多层网络/反向传播)
- { map[]}
[译]ANNT:前馈全连接神经网络
本文演示了ANNT库用于创建完全连接的ANN并将其应用于不同任务的用法.
- { map[]}
[译]ANNT:卷积神经网络
本文演示了ANNT库在创建卷积ANN并将其应用于图像分类任务中的用法.
- { map[]}
[译]ANNT:递归神经网络
本文演示了ANNT库在创建循环ANN并将其应用于不同任务中的用法.
- { map[]}
[译]C#Encog神经网络简介
介绍使用Encog Framework for C#创建神经网络的方法.
- { map[]}
[译]C#中的三层前馈神经网络,带有图形显示
C#中的MNIST数字识别
- { map[]}
[译]CNTK模型并发演示
如何同时部署经过训练的模型
- { map[]}
[译]DARL和Whitebox机器学习
使用在线免费系统创建您可以理解的机器学习模型
- { map[]}
[译]DARL语言及其在线模糊逻辑专家系统引擎
免费服务使在线使用模糊逻辑专家系统成为可能.我们将通过.NET核心编码示例来访问它,并研究引擎和DARL语言的某些功能.
- { map[]}
[译]Microsoft Bot Framework的演变
关于人工智能聊天Ro(Bot)应用程序开发的有趣文章
- { map[]}
[译]使用ClassifyBot在.NET中创建ML分类管道
我们将使用ClassifyBot程序将ML管道组合在一起,以使用开源ML组件解决文本分类问题
- { map[]}
[译]使用ML.Net和C#/VB.Net进行机器学习
使用ML.Net版本0.2解决分类问题.
- { map[]}
[译]使用MS CNTK的Bezier曲线机器学习
使用CNTK和ALGLIB的贝塞尔曲线分类训练和验证模型
- { map[]}
[译]使用Oscova在C#中创建本地脱机Bot
使用Oscova和Oryzer FBP平台,我们将构建一个设备上的表预订机器人,以了解当今离线机器人开发标准背后的概念.
- { map[]}
[译]使用Tableaux进行逻辑计算
从一系列前提中自动展示或反驳结论
- { map[]}
[译]使用正则表达式引擎构建AI聊天机器人
本文介绍如何使用流行的基于正则表达式的开源Chatterbot引擎构建AI Chatterbot:Verbots
- { map[]}
[译]免费的DARL在线服务进行过程仿真
您也可以使用DARL进行模拟!这演示了金融交易模拟.
- { map[]}
[译]图像标记器-基于卷积神经网络的图像分类器
基于卷积神经网络的图像分类器/标记器.现在,借助英特尔MKL支持,速度提高了10倍以上.
- { map[]}
[译]在C#中使用可移植的ONNX AI模型
在本文中,我简要介绍了ONNX运行时和ONNX格式.
- { map[]}
[译]垃圾邮件过滤器不是很经典
机器学习和人工智能挑战
- { map[]}
[译]展望未来-Bots生成的源代码
创建具有两个简单示例的程序的机器人的观点.
- { map[]}
[译]推荐引擎
本文介绍了用C#编写的推荐引擎或协作过滤器.
- { map[]}
[译]更多神经网络数学和代码(C#)
运行,初始化和训练神经网络.
- { map[]}
[译]构建简单的AI .NET库-第1部分-基础知识
这是一系列文章,从头开始演示.NET AI库
- { map[]}
[译]构建简单的AI .NET库-第2部分-机器学习简介
这是一系列文章,从头开始演示.NET AI库
- { map[]}
[译]构建简单的AI .NET库-第6部分-ML算法
这是一系列文章,从头开始演示.NET AI库
- { map[]}
[译]贝塞尔曲线机器学习示范
使用ALGLIB的贝塞尔曲线分类训练和验证模型
- { map[]}
XNA斯诺克俱乐部(译文)
Windows平台上启用WCF的多玩家XNA游戏.
- { map[]}
使用Lua的简单魔兽世界插件(译文)
使用Lua和<魔兽世界> API的<魔兽世界>战斗信息插件的示例
- { map[]}
使用Microsoft Solver Foundation的Sudoku(译文)
有关如何在约束满足问题上使用Microsoft Solver Foundation的示例.
- { map[]}
学习连接四(译文)
可以从经验中学到的四通游戏.
- { map[]}
战地模拟器(译文)
类似于KOEI的老派战争游戏和战场模拟器,带有步兵,炮兵和骑兵部队.
- { map[]}
线索游戏(C#2010)(译文)
你是嫌疑犯!
- { map[]}
黑白棋(译文)
流行游戏Reversi的实现,被编写为AI课程的项目.
- { map[]}