深度学习
案例介绍
该项目展示了一个基于PyTorch的深度学习回归模型全流程。模型在30个轮次内训练损失良好收敛，测试集R²为0.6212，RMSE为0.0272。预测结果与真实值趋势高度一致，验证了模型的有效性与实用性。
案例图片
相似案例推荐
其他人才的相似案例推荐
-
企业官网前端优化与维护
我参与了官网功能迭代、用户交互体验升级及AI数字人直播相关页
-
企业官网前端优化与维护
我参与了官网功能迭代、用户交互体验升级及AI数字人直播相关页
-
全流程开发
电商商品价格对比工具：独立开发 Python 脚本，实现登录
-
全流程开发
文本信息采集系统：针对行业网站需求，开发自动化采集脚本，批量
-
云控合集聊天室
开发组长，对接聊天室、导入，各个聊天室平台内容，主要是后端的
-
workgram
飞机、ws云控，作用是群发、群发群、批量修改、采集群、采集人
-
Go反向代理平台
该项目是我独立实现的 TCP 反向代理与调度平台，核心包含服
-
火车部件识别
基于计算机视觉与深度学习，构建火车关键部件智能识别系统。通过
-
多模态教学资源生成平台
智能教学资源生产平台是面向中学生与教师群体打造的轻量化教学资
-
实时语音识别与双语翻译字幕工具
这是一个基于 Web Speech API + Google
-
锂电池和镍电池检测
能智能识别1.5V锂电池和镍氢电池，进入对应的充电程序，同时
-
锂电池和镍电池检测
描述：能智能识别1.5V锂电池和镍氢电池，进入对应的充电程序
微信接收人才推送
关注猿急送微信平台，接收实时人才推送
接收人才推送
联系需求方端客服