人工智能之从零理解人工神经网络 引 人工智能并非是一个新型的词汇,从十九世纪五十年代开始,人们就开始探索为机器赋予类似人的智能能力。限于当时的基础数学理论不够完善,人工智能的发展并...
Swift中的异步编程方式 引 说到异步编程,我们很容易想到的编译回调。无论是需要并行的耗时任务,还是允许串行的简单异...
人工智能之从零理解人工神经网络引人工智能并非是一个新型的词汇,从十九世纪五十年代开始,人们就开始探索为机器赋予类似人的智能能力。限于当时的基础数学理论不够完善,人工智能的发展并不顺利。直到九十年代发展出了基于统计学的数学工具,人工智能才得到飞速的发展。人工智能既是为机器增加人的智能能力,最直观的想法是研究人脑的运行机制,之后构建出一套网络系统来模拟人脑的工作原理来进行学习和工作。人工神经网络即时基
Swift中的异步编程方式 引 说到异步编程,我们很容易想到的编译回调。无论是需要并行的耗时任务,还是允许串行的简单任务,都通过回调的方式返回结果。回调也是在开发中使用最为广泛的一种异步编程方式。回想一下,通常的网络请求,文件操作等函数都会提供一个回调参数。回调使用起来虽然方便,但其并不利于进行程序流程的控制,仅仅从代码层面看,也很难组织清楚代码的执行顺序和逻辑。 Swift从代码层面提供了结构化
Mac部署AIGC图片生成服务——基于stable-diffusion A用实践方面进行...
iOS MachineLearning 系列(21)——CoreML模型的更多训练模板2...
iOS MachineLearning 系列(22)——将其他三方模型转换成Core下面是专题中的其他文章...
Mac部署AIGC图片生成服务——基于stable-diffusion AIGC即人工智能内容生成,是目前非常火的一个概念。随着各种大模型的问世,通过AI来生成内容的能已经越来越强大。本文将从应用实践方面进行介绍如何在自己的PC电脑上部署一个强大的AI图片生成服务。 关于AI绘图,我相信你一定不太陌生,现在很多宣传图,插图其实都是有AI根据输入的文本信息来进行生成的。stable-diffusio
StoreKit:iOS应用内推广其他App 在iOS应用中,要推广其他App有两种途径,一种是直接跳转到AppStore软件的对应一种方式,第二种...
iOS MachineLearning 系列(22)——将其他三方模型转换成CoreML模型 本篇文章将是本系列文章的最后一篇。本专题将iOS中有关Machine Learning的相关内容做了整体梳理。下面是专题中的其他文章地址,希望如果你有需要,本专题可以帮助到你。 iOS MachineLearning 系列(1)—— 简介 iOS MachineLearning 系列(2)—— 静态图像分
iOS MachineLearning 系列(21)——CoreML模型的更多训练模板前面文章中,有介绍如何训练生成定制化需求的 CoreML 模型,以图像分类为例做了演示,文章地址:https://my.oschina.net/u/2340880/blog/9377371Create ML工具还提供了更多训练模版,本篇文章将系统的对其用法进行介绍。一.Object Detection类的模型训练
iOS MachineLearning 系列(3)—— 静态图像分析之区域识别 本系列的前一篇文章介绍了如
iOS MachineLearning 系列(20)—
iOS MachineLearning 系列(问题在文本中寻找答案...
iOS MachineLearning 系列(17)—— 几个常用的对象识别 CoreML 模型 上一篇文章中,我,在已有...
iOS MachineLearning 系列(18)—— PoseNet,DeeplabV3与FCRN-DepthPrediction模型 本
iOS MachineLearning 系列(20)—— 训练生成CoreML模型本系列前面的文章详细的介绍了在iOS中与AI能力相关的API的使用,也介绍了如何使用训练好的CoreML模型来实现更强大的AI能力。然而,无论是成熟的API提供的能力,还是各种各样的三方模型,有时候都并不能满足某一领域内的定制化需求。当我们拥有很多的课训练数据,且需要定制化的AI能力时,其实就可以自己训练生成Core
iOS MachineLearning 系列(19)—— 分析文本中的问题答案本篇文章将介绍Apple官方推荐的唯一的一个文本处理模型:BERT-SQuAD。此模型用来分析一段文本,并根据提供的问题在文本中寻找答案。需要注意,BERT模型不会生成新的句子,它会从提供的文本中找到最有可能的答案段落或句子。BERT模型的使用比较复杂,大致可以分为如下几步:将词汇表导入。将问题和原文档分解为Token序
iOS MachineLearning 系列(18)—— PoseNet,DeeplabV3与FCRN-DepthPrediction模型本篇文章将再介绍三个官方的CoreML模型:PoseNet,DeeplabV3和FCRN-DepthPrediction。PoseNet是人体姿势分析模型,可以识别图片中的人体部分,然后以17个基准点来描述人体的姿势。关于人体姿势的识别,其实Vision框架本来
iOS MachineLearning 系列(17)—— 几个常用的对象识别 CoreML 模型 上一篇文章中,我们介绍了几个官方的图片分类的模型,图片分类模型的应用场景在于将图片中最主要的事物进行识别,在已有的词库中找到最可能得事物。而对象识别则要更高级一些。再之前的文章,我们介绍过可以使用官方提供的API来进行矩形识别,文本识别,二维码识别以及人脸识别等,这类识别功能的特点是我们不仅可以将图片
iOS MachineLearning 系列(16)—— 几个常用的图片分类CoreML模型 在本系列的前面文章中
iOS MachineLearning 系列(16)—— 几个常用的图片分类CoreML模型 在本系列的前面文章中,有介绍使用Vision框架中的VNClassifyImageRequest进行图片物体识别。Apple也推荐了几个常用的图像分类模型可供开发者使用。可以在如下地址直接下载: https://developer.apple.com/machine-learning/models/ 1
iOS MachineLearning 系列(12)—— 自然语言之词句相似性分析 本篇文章将介绍如何使用N
iOS MachineLearning 系列(14)—— 使用官方模型进行预测 本系列的前面文章,详细介绍了iOS通用化的...
iOS MachineLearning 系列(15)—— 可进行个性化更新的CoreML模型 上一篇文章,介绍了使用写...
iOS MachineLearning 系列(13)—— 语音与音频相关的AI能力 在语音分析方面,iOS中提供大,使用它我们可以实现类...
iOS MachineLearning 系列(15)—— 可进行个性化更新的CoreML模型 上一篇文章,介绍了使用官方提供的CoreML模型来实现手写数字识别。其实,更多时候我们需要一个更加个性化的模型,对于手写图像来说,每个人的写法可能风格各异,如果可以在用户的使用过程中不断的更新模型,适应更加个性化的场景,就更完美了。幸运的是,CoreML正提供了这样的功能。我们可以创建一个可更新的模型来实
iOS MachineLearning 系列(14)—— 使用官方模型进行预测 本系列的前面文章,详细介绍了iOS原生框架中提供的与AI相关的API的使用,使用这些API基本可以满足大多视觉,文字,语音等通用化的AI需求。但是这些API并不是万能的,对于某些定制化较强的需求,这些内置的模型可能并不能满足需求。这时就需要涉及到我们本系列文章的核心了:Core ML。Core ML是iOS种提供的Ma
iOS MachineLearning 系列(13)—— 语音与音频相关的AI能力 在语音分析方面,iOS中提供了原生的Speech框架,这个框架可以实时的将语音解析成文本。这个能力非常强大,使用它我们可以实现类似实时翻译的功能。对于非语音的音频,也有一些原生的AI能力可以使用,例如分析语音的类型。SoundAnalysis框架能够识别300多种声音,我们也可以使用自己训练的模型来处理定制化的音频
iOS MachineLearning 系列(11)—— 自然语言之词句相似性分析 本篇文章将介绍如何使用NaturalLanguage框架来对词句的相似性进行分析。文本相似性的分析在实际开发中应用很多,比如我们可以通过查找与用户输入相似的词来进行内容推荐。 分析语句的相似性需要进行大量的训练,NaturalLanguage已经内置了许多语言的训练模型,使用非常方便。 1 - 文本相似性分析的示例
Copyright © 2005-2023 51CTO.COM 版权所有 京ICP证060544号