首页 版块 访问AI主站 注册 发帖
天子骄子fly
1103
积分
9
获赞
怎么提高识别的准确率和识别速度?
Ta的回复 :文字大小基本不会影响,当然你的文字小的看不清那可不行,角度只要是90度的倍数,基本不会影响。提高识别率的话,除了照片清晰之外,也可以选择高精度识别,每天有50次的免费的使用哦!
5
识别的图片支持怎样输入?
Ta的回复 :如果是Android的话,可以直接传照片的文件,SDK会帮我们处理好的
3
语音识别、合成接口每天调用限额是多少,如何申请提高限额?
Ta的回复 :以下的是免费版的调用次数 [图片] 可以提交申请提升额度 [图片]
3
JAVA 语音合成JDK 有时候会报错
Ta的回复 :你这个是JSON解析报的异常,可以不对吧
6
人脸识别、认证我应该取多少分算是同一人?
Ta的回复 :官方给出的参考值是80,我在做项目的也是80。
7
视频里面的文字识别有什么解决方案吗?
Ta的回复 :定时获取帧,如果是字幕的话,最好再对图片进行剪辑,减小开销
8
原帖已删除
Ta的回复 :安装教程:https://blog.csdn.net/qq_33200967/article/details/79071926
0
【百度技术学院机器学习训练营第二期】-实验作业
Ta的回复 :01班+夜雨飘零 问题:计算每层网络结构和输入输出尺寸和参数个数。不加BN?更深?每层的尺寸变化?更多结构? [代码]   [图片] [图片] 答1: 本网络的的输入数据的shape为(128, 3, 32, 32),所以输出如下: 第一层的卷积层输出shape:(128, 20, 28, 28),参数大小为:20*3*5*5=150020∗3∗5∗5=1500 第一层的池化层输出shape:(128, 20, 14, 14) 第二层的卷积层输出shape:(128, 50, 10, 10),参数大小为:50*20*5*5=2500050∗20∗5∗5=25000 第二层的池化层输出shape:(128, 50, 5, 5) 第三层的卷积层输出shape:(128, 50, 1, 1),参数大小为:50*50*5*5=6250050∗50∗5∗5=62500 第三层的池化层输出shape:(128, 50, 1, 1) 最后的全连接层输出shape:(128, 10),参数大小为:50*10=50050∗10=500 总参数大小:1500+25000+62500+500=895001500+25000+62500+500=89500 PaddlePaddle的网络输出 输入层的shape: (-1, 3, 32, 32) 第一层卷积池化层输出shape: (-1, 20, 14, 14) 第二层卷积池化层输出shape: (-1, 50, 5, 5) 第三层卷积池化层输出shape: (-1, 50, 1, 1) 全连接层输出shape: (-1, 10) 答2: 在没有使用BN层之前: 参数的更新,使得每层的输入输出分布发生变化,称作ICS(Internal Covariate Shift) 差异hui会随着网络深度增大而增大 需要更小的学习率和较好的参数进行初始化 加入了BN层之后: 可以使用较大的学习率 可以减少对参数初始化的依赖 可以拟制梯度的弥散 可以起到正则化的作用 可以加速模型收敛速度 用BN层的训练情况: [图片] 不使用BN层的训练情况: [图片] 从图中可以看出使用BN层的准确率更高,训练过程中损失值和准确率的幅度更加小。 答3: 因为该网络的第三层卷积池化层输出的宽和高都是1,所以不能再增加卷积池化层,如果再使用卷积池化层,就会报以下的错误。 [代码]
65
Nvidia 3090显卡支持问题
Ta的回复 :3090只支持CUDA11.1吧,PaddlePaddle还U不支持
16
Nvidia 3090显卡支持问题
Ta的回复 :听tensorflow2.4支持CUDA 11
16
AI社区、AI Studio三月积分兑换
Ta的回复 :1) 昵称:天子骄子fly 2) 当前等级:V4 3) 我要兑换的礼品:实物奖品:小度无线智能耳机 4) 扣减的积分额:150 5) 邮箱:yeyupiaoling@foxmail.com 6) 我在AI Studio上获得钻石等级,点亮8个徽章,来互关呀~ https://aistudio.baidu.com/aistudio/personalcenter/thirdview/206
180
AI社区、AI Studio三月积分兑换
Ta的回复 :我兑换的耳机怎么没有任何消息了?
180
AI社区、AI Studio三月积分兑换
Ta的回复 :昨晚收到啦,谢谢。
180
AI社区、AI Studio五月积分兑换
Ta的回复 :去年的六月份倒是有
112
切换版块
智能客服