摘要： 在麒麟操作系统中打开终端的方法与大多数基于Ubuntu的Linux发行版类似。以下是几种常见的方法： 方法一：使用快捷键 按下 Ctrl + Alt + T 组合键，终端窗口通常会立即打开。 方法二：通过应用程序菜单 点击屏幕左下角的“应用程序菜单”或“开始菜单”。 在搜索框中输入“终端”或“Ter 阅读全文

摘要： 前提条件 开发环境：Windows 或其他系统，安装 .NET SDK（例如 .NET 8）。 目标环境：Linux 服务器（以 Ubuntu 20.04/22.04 为例），有 SSH 访问权限。 步骤 1：发布 .NET Core 程序（依赖框架） 依赖框架部署仅包含程序和第三方依赖，不包含 . 阅读全文

摘要： 1.发布程序包 步骤 2：编写 Dockerfile 2.1 创建 Dockerfile： 在 启动项目所在文件夹下，创建一个名为 Dockerfile（无扩展名）的文件，这里假设启动程序集为MyDotNetApp,.NET CORE 版本为8.0 ，内容如下： # 使用 .NET SDK 镜像来构 阅读全文

摘要： 本篇我们将深入探讨梯度下降算法在神经网络中的应用。首先，我们会从数学中的梯度概念入手，介绍梯度的定义、大小和方向，随后我们会讨论复合函数求导的技巧，最后将这些数学原理应用于神经网络中的梯度下降过程。 1. 数学中梯度的定义、大小和方向 1.1 梯度的定义 梯度是一个多变量函数的导数，它是一个向量，指 阅读全文

摘要： 在传统机器学习中，回归和分类任务通常被简化为输出一个单一的确定值（如预测房价为100万元）或硬分类结果（如图像分类为“猫”）。然而，现实世界的数据往往充满不确定性、噪声和复杂性，简单地输出一个固定值往往忽略了这些因素，也无法准确表达模型对结果的信心。 例如，在房价预测中，尽管模型给出了一个100万元 阅读全文

摘要： 先介绍一个简单的例子 要手动实现一个简单的卷积神经网络（CNN）来判断手写数字（1-10），我们可以使用 Python 和 TensorFlow（或其他深度学习框架）。以下是一个简单的实现思路，其中包含了手动构建卷积层、池化层、全连接层等。 假设你已经有了手写数字数据集，比如 MNIST 数据集（0 阅读全文

摘要： 直方图均衡化是一种图像处理技术，旨在通过调整图像的直方图来增强图像的对比度。其基本原理是通过重新分配图像的灰度值，使图像的灰度分布更加均匀，从而改善图像的视觉效果 基本概念和原理 直方图均衡化通过改变图像的直方图来改变各像素的灰度值。原始图像的灰度分布可能集中在较窄的区间内，导致图像不够清晰。通过直 阅读全文

摘要： 神经网络的核心目的是能够处理复杂的模式和关系。如果没有激活函数，神经网络中的每一层实际上只是对输入进行线性变换。例如，如果没有激活函数，输出就是一个线性组合。无论层数如何增加，整个网络的输出仍然是一个线性变换，这就意味着无论网络有多少层，最终网络的表达能力与单层网络等效，无法拟合复杂的非线性关系。激 阅读全文

摘要： 在上一节【神经网络数学原理（2）反向传播】中已经讲述如何通过反向传播来优化权重的过程和数学原理，本章主要讲述参数优化，优化参数是机器学习和深度学习中至关重要的过程，其目的是通过调整模型的权重、偏置和超参数来提升模型的准确性和泛化能力。优化的最终目标是使模型能够从训练数据中学习到有效的信息，同时避免过 阅读全文

摘要： 在上一节【神经网络数学原理（1）前向传播】中已经描述过神经网络结构和输入层到输出层的基本数学原理，本章主要讲述如何通过反向传播来优化权重的过程和数学原理。神经网络通过一系列的计算（前向传播）和优化过程（反向传播）来调整网络中每一层的权重，直到网络能够最小化预测值与实际值之间的误差（通常通过某种损失函 阅读全文