开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

错误: Tensorflow BRNN日志和标签的大小必须相同

这个错误是由于在使用TensorFlow中的双向循环神经网络（BRNN）时，日志和标签的大小不匹配导致的。BRNN是一种能够同时考虑过去和未来信息的循环神经网络模型，常用于序列数据的处理和预测任务。

在TensorFlow中，BRNN的输入通常是一个二维张量，其中第一维表示时间步（或序列中的位置），第二维表示特征维度。而标签通常是一个一维张量，用于表示每个时间步的目标值或类别。

要解决这个错误，需要确保日志和标签的大小相同。具体来说，可以采取以下步骤：

检查数据集：首先，检查输入数据集的维度和形状。确保日志和标签的维度匹配，即第一维的大小相同。
数据预处理：如果日志和标签的大小不匹配，可以进行数据预处理来调整它们的大小。可以使用TensorFlow的相关函数或工具来处理数据，例如tf.reshape()函数来改变张量的形状。
数据对齐：确保日志和标签在时间步上对齐。如果日志和标签的时间步数不同，可以通过截断或填充数据来使它们的大小相同。
模型配置：在构建BRNN模型时，确保模型的输入层和输出层与日志和标签的大小相匹配。输入层的大小应与日志的特征维度相同，输出层的大小应与标签的类别数目相同。

推荐的腾讯云相关产品和产品介绍链接地址：

腾讯云AI Lab：https://cloud.tencent.com/product/ai-lab
腾讯云机器学习平台：https://cloud.tencent.com/product/tiia
腾讯云大数据平台：https://cloud.tencent.com/product/emr
腾讯云人工智能开发平台：https://cloud.tencent.com/product/ai-developer

相关搜索:错误:标签和preOutput必须具有相同的形状 tf.nn.softmax_cross_entropy_with_logits()错误: logits和标签的大小必须相同 Logit和Label必须具有相同的形状: Tensorflow “值错误:x和y必须相同大小”错误。多元线性回归 Keras LSTM TensorFlow错误：‘形状必须具有相同的等级，但必须是1和0’Tensorflow错误：“张量必须来自与张量相同的图形...”XGBoost Python错误：“标签的大小必须等于行数”Tensorflow估计器逻辑和标注必须具有相同的形状散点图:获取ValueError (x和y的大小必须相同)tensorflow重塑图层和调整图层大小的错误 Labels_size=和标签的大小必须相同:logit[1200，7]logit[600，7]LSTM错误- 'logits和label必须具有相同的形状‘ValueError:创建KMeans模型时，Python和y的大小必须相同错误: A2022指令操作数的大小必须相同 Tensorflow: Logits和labels必须具有相同的第一个维度 PyPlot错误"X和Y必须相同大小“，我在网上找到的所有东西都不工作 EditorConfig和SublimeText 3的标签大小错误升级后Matplotlib给出错误："ValueError: s必须是标量，或与x和y大小相同“TENSORFLOW找不到解决方案: ValueError: logits和标签必须具有相同的形状((None，1) vs (None，2，2))为什么tensorflow TFLiteConverter.from_session需要相同大小的输入和输出

相关搜索:

页面内容是否对你有帮助？

有帮助

没帮助

相关·内容

实战：基于tensorflow 的中文语音识别模型 | CSDN博文精选

目前网上关于tensorflow 的中文语音识别实现较少，而且结构功能较为简单。而百度在PaddlePaddle上的 Deepspeech2 实现功能却很强大，因此就做了一次大自然的搬运工把框架转为tensorflow….

01

教程 | 如何使用TensorFlow构建、训练和改进循环神经网络

选自SVDS 作者：Matthew Rubashkin、Matt Mollison 机器之心编译参与：李泽南、吴攀来自 Silicon Valley Data Science 公司的研究人员为我们展示了循环神经网络（RNN）探索时间序列和开发语音识别模型的能力。目前有很多人工智能应用都依赖于循环深度神经网络，在谷歌（语音搜索）、百度（DeepSpeech）和亚马逊的产品中都能看到RNN的身影。然而，当我们开始着手构建自己的 RNN 模型时，我们发现在使用神经网络处理语音识别这样的任务上，几乎没有简单直

09

tensorflow基础

anaconda或者pip安装tensorflow，tensorflow只支持win7 64系统，本人使用tensorflow1.5版本（pip install tensorflow==1.5）

02

Tensorboard 高维向量可视化

[1]Tensorflow实战Google深度学习框架: https://github.com/caicloud/tensorflow-tutorial/tree/master/Deep_Learning_with_TensorFlow/1.4.0

03

【图像分割模型】用BRNN做分割—ReSeg

这是专栏《图像分割模型》的第9篇文章。在这里，我们将共同探索解决分割问题的主流网络结构和设计思想。

03

深度丨机器学习零基础？手把手教你用TensorFlow搭建图像识别系统（三）

AI科技评论按：本文是介绍用TensorFlow构建图像识别系统的第三部分。在前两部分中，我们构建了一个softmax分类器来标记来自CIFAR-10数据集的图像，实现了约25-30％的精度。因为有10个不同可能性的类别，所以我们预期的随机标记图像的精度为10％。25-30％的结果已经比随机标记的结果好多了，但仍有很大的改进空间。在这篇文章中，作者Wolfgang Beyer将介绍如何构建一个执行相同任务的神经网络。看看可以提高预测精度到多少！AI科技评论对全文进行编译，未经许可不得转载。关于前两部分

06

TensorFlow学习笔记--CIFAR-10 图像识别

是用于普通物体识别的小型数据集，一共包含 10个类别的 RGB彩色图片（包含：（飞机、汽车、鸟类、猫、鹿、狗、蛙、马、船、卡车）。图片大小均为 3232像素*，数据集中一共有 50000 张训练图片和 1000 张测试图片。部分代码来自于tensorflow官方，以下表格列出了所需的官方代码。

02

解决问题使用invalid argument 0: Sizes of tensors must match except in dimension 0. Got

当我们在使用深度学习框架（如PyTorch或TensorFlow）时，经常会遇到各种错误信息。其中一个常见的错误是"invalid argument 0: Sizes of tensors must match except in dimension 0"。这个错误表示张量的尺寸不匹配，除了第0维之外。出现这个错误的原因通常是因为我们在进行张量操作时，尺寸不一致导致的。下面我们将介绍一些解决这个问题的方法。

01

Tensorflow之 CNN卷积神经网络的MNIST手写数字识别

前言 tensorflow中文社区对官方文档进行了完整翻译。鉴于官方更新不少内容，而现有的翻译基本上都已过时。故本人对更新后文档进行翻译工作，纰漏之处请大家指正。（如需了解其他方面知识，可参阅以下Tensorflow系列文章）。深入MNIST TensorFlow是一个非常强大的用来做大规模数值计算的库。其所擅长的任务之一就是实现以及训练深度神经网络。在本教程中，通过为MNIST构建一个深度卷积神经网络的分类器，我们将学到构建一个TensorFlow模型的基本步骤。这个教程假设你已经熟悉神经网络和MNI

05

TF图层指南：构建卷积神经网络

本文介绍了如何利用TensorFlow搭建一个简单的CNN模型来识别MNIST数据集中的手写数字。首先，介绍了CNN模型的基本原理和TensorFlow中的Keras API。然后，使用MNIST数据集训练了一个具有卷积层和全连接层的CNN模型。最后，通过在测试集上评估模型的性能，得到了97.3%的准确率。

05

Tensorboard详解（下篇）

编辑 | 磐石出品 | 磐创AI技术团队【磐创AI导读】：本文接续Tensorboard详解(上篇)介绍Tensorboard和总结Tensorboard的所有功能并有代码演练。欢迎大家点击上方蓝字关注我们的公众号：磐创AI。 1. Tensorflow监控指标可视化除了GRAPHS栏目外，tensorboard还有IMAGES、AUDIO、SCALARS、HISTOGRAMS、DISTRIBUTIONS、FROJECTOR、TEXT、PR CURVES、PROFILE九个栏目，本小节将详细介绍这些

05

【干货】手把手教你用苹果Core ML和Swift开发人脸目标识别APP

【导读】CoreML是2017年苹果WWDC发布的最令人兴奋的功能之一。它可用于将机器学习整合到应用程序中，并且全部脱机。CoreML提供的机器学习 API，包括面部识别的视觉 API、自然语言处理 API 。苹果软件主管兼高级副总裁 Craig Federighi 在大会上介绍说，Core ML 致力于加速在 iPhone、iPad、Apple Watch 等移动设备上的人工智能任务，支持深度神经网络、循环神经网络、卷积神经网络、支持向量机、树集成、线性模型等。本文将带你从最初的数据处理开始教你一步一步的

06

机器学习常用术语超全汇总

点击关注｜设为星标｜干货速递 ---- 刚接触机器学习框架 TensorFlow 的新手们，这篇由 Google 官方出品的常用术语词汇表，一定是你必不可少的入门资料！本术语表列出了基本的机器学习术语和 TensorFlow 专用术语的定义，希望能帮助您快速熟悉 TensorFlow 入门内容，轻松打开机器学习世界的大门。 A A/B 测试 (A/B testing) 一种统计方法，用于将两种或多种技术进行比较，通常是将当前采用的技术与新技术进行比较。A/B 测试不仅旨在确定哪种技术的效果更好，而且还有助于

01

机器学习术语表

一种统计方法，用于将两种或多种技术进行比较，通常是将当前采用的技术与新技术进行比较。A/B 测试不仅旨在确定哪种技术的效果更好，而且还有助于了解相应差异是否具有显著的统计意义。A/B 测试通常是采用一种衡量方式对两种技术进行比较，但也适用于任意有限数量的技术和衡量方式。

02

如何用TensorFlow和Swift写个App识别霉霉？

在很多歌迷眼里，尤其是喜欢乡村音乐的人，“霉霉”Taylor Swift是一位极具辨识度也绝对不能错过的女歌手。在美国硅谷就有一位非常喜欢 Taylor Swift 的程序媛 Sara Robinson，同时她也是位很厉害的 APP 开发者。喜爱之情难以言表，于是利用机器学习技术开发了一款iOS 应用，可以随时随地识别出 Taylor Swift~~~

01

【Kaggle竞赛】迭代训练模型

CV领域中，在完成数据准备工作和设计定义好模型之后，我们就可以去迭代训练模型了，通过设置调节不同的超参数（这需要理论知识和丰富的经验）来使得损失（loss）和准确率（accuracy）这两个常用的指标达到最优。一般在训练完成之后，都需要通过损失曲线图和准确率曲线图来衡量整个训练过程。

01

tf.summary.*函数

在TensorFlow中，最常用的可视化方法有三种途径，分别为TensorFlow与OpenCv的混合编程、利用Matpltlib进行可视化、利用TensorFlow自带的可视化工具TensorBoard进行可视化。

03

：解决WARNING:tensorflow:From ：read_data_sets (from tensorflow.contrib.learn.python

在使用 TensorFlow 进行深度学习任务时，经常会遇到一些警告信息，其中之一就是 "WARNING:tensorflow:From"。这个警告信息通常出现在使用 tensorflow.contrib.learn.python.learn 模块中的 read_data_sets 函数时。本篇博客将介绍如何解决这个警告信息。

03

TensorFlow和深度学习入门教程

关键词：Python，tensorflow，深度学习，卷积神经网络正文如下：前言上月导师在组会上交我们用tensorflow写深度学习和卷积神经网络，并把其PPT的参考学习资料给了我们，这是codelabs上的教程：《TensorFlow and deep learning,without a PhD》 https://codelabs.developers.google.com/codelabs/cloud-tensorflow-mnist/#0 当然需要安装python，教程推荐使用pytho

06

Tensorflow高级API的进阶--利用tf.contrib.learn建立输入函数

在实际的业务中，可能会遇到很大量的特征，这些特征良莠不齐，层次不一，可能有缺失，可能有噪声，可能规模不一致，可能类型不一样，等等问题都需要我们在建模之前，先预处理特征或者叫清洗特征。那么这清洗特征的过程可能涉及多个步骤可能比较复杂，为了代码的简洁，我们可以将所有的预处理过程封装成一个函数，然后直接往模型中传入这个函数就可以啦~~~ 接下来我们看看究竟如何做呢？ 01 如何使用input_fn自定义输入管道当使用tf.contrib.learn来训练一个神经网络时，可以将特征，标签数据直接输入到.fit(

Google 发布官方中文版机器学习术语表

一种统计方法，用于将两种或多种技术进行比较，通常是将当前采用的技术与新技术进行比较。A/B 测试不仅旨在确定哪种技术的效果更好，而且还有助于了解相应差异是否具有显著的统计意义。A/B 测试通常是采用一种衡量方式对两种技术进行比较，但也适用于任意有限数量的技术和衡量方式。

01

腾讯TGW网关团队首次在网络转发设备上实现智能异常流量监测，其最新研究成果入选NeurIPS 2023

近日，NeurIPS 2023（Neural Information Processing Systems）神经信息处理系统大会于公布论文录用结果，腾讯TGW网关团队、腾讯DDoS防护团队、清华大学联合发表的论文“Metis: Understanding and Enhancing In-Network Regular Expressions”成功入选，并获得学术界和工业界的高度评价。

01

推荐系统中模型训练及使用流程的标准化

导读：本次分享的主题为推荐系统中模型训练及使用流程的标准化。在整个推荐系统中，点击率 ( CTR ) 预估模型是最为重要，也是最为复杂的部分。无论是使用线性模型还是当前流行的深度模型，在模型结构确定后，模型的迭代主要在于特征的选择及处理方面。因而，如何科学地管理特征，就显得尤为重要。在实践中，我们对特征的采集、配置、处理流程以及输出形式进行了标准化：通过配置文件和代码模板管理特征的声明及追加，特征的选取及预处理等流程。由于使用哪些特征、如何处理特征等流程均在同一份配置文件中定义，因而，该方案可以保证离线训练和在线预测时特征处理使用方式的代码级一致性。

02

干货 | Google发布官方中文版机器学习术语表

本术语表中列出了一般的机器学习术语和 TensorFlow 专用术语的定义。本文中每个释义中的加粗概念都可以在本文中检索到。建议收藏~ A/B 测试 (A/B testing) 一种统计方法，用于将两种或多种技术进行比较，通常是将当前采用的技术与新技术进行比较。A/B 测试不仅旨在确定哪种技术的效果更好，而且还有助于了解相应差异是否具有显著的统计意义。A/B 测试通常是采用一种衡量方式对两种技术进行比较，但也适用于任意有限数量的技术和衡量方式。准确率 (accuracy) 分类模型的正确预测所占的比

03

教程 | TensorFlow从基础到实战：一步步教你创建交通标志分类神经网络

选自DataCamp 作者：Karlijn Willems 机器之心编译参与：Panda TensorFlow 已经成为了现在最流行的深度学习框架，相信很多对人工智能和深度学习有兴趣的人都跃跃欲试。对于初学者来说，TensorFlow 也是一个非常好的选择，它有非常丰富的入门学习资料和庞大的开发者社区。近日，数据科学学习平台 DataCamp 发表了一篇针对 TensorFlow 初学者的教程，从向量和张量的基本概念说起，一步步实现了一个分类交通标志图像的神经网络。机器之心对本教程进行了编译介绍。深度学

06

Google发布的机器学习术语表 (中英对照）

一种统计方法，用于将两种或多种技术进行比较，通常是将当前采用的技术与新技术进行比较。A/B 测试不仅旨在确定哪种技术的效果更好，而且还有助于了解相应差异是否具有显著的统计意义。A/B 测试通常是采用一种衡量方式对两种技术进行比较，但也适用于任意有限数量的技术和衡量方式。

01

手把手 | 如何训练一个简单的音频识别网络

大数据文摘作品编译：happen，吴双高宁，笪洁琼，魏子敏本文将一步步向你展示，如何建立一个能识别10个不同词语的基本语音识别网络。你需要知道，真正的语音与音频识别系统要复杂的多，但就像图像识别领域的MNIST，它将让你对所涉及的技术有个基本了解。完成本教程后，你将拥有一个模型，能够辨别一个1秒钟的音频片段是否是无声的、无法识别的词语，或者是“yes”、“no”、“up”、“down”、“left”、“right”、“on”、“off”、“stop”、“go”。你还可以使用这个模型并在Android

03

TensorFlow 2.0中的多标签图像分类

本文介绍一些在训练多标签图像分类器时可能会感兴趣的概念和工具。完整的代码可以在GitHub上找到。

07

图像识别

本文介绍了如何利用TensorFlow进行图像分类，并通过一个简化版本的Inception模型来获取其基本概念。首先，文章介绍了TensorFlow的背景信息，然后详细说明了如何使用TensorFlow构建可训练的CNN模型。接着，文章通过一个简化版本的Inception模型来说明如何提取卷积神经网络的输出，并将其转换为实际分类结果。最后，文章介绍了一些常见的图像分类任务，并给出了一些建议，以帮助读者更好地理解图像分类任务。

08

力荐 | 吴恩达《序列模型》精炼笔记（1）-- 循环神经网络（RNN）

序列模型（Recurrent Neural Networks）是Andrw Ng深度学习专项课程中的第五门课，也是最后一门课。这门课主要介绍循环神经网络（RNN）的基本概念、模型和具体应用。该门课共有3周课时，所以我将分成3次笔记来总结，这是第一节笔记。

02

课程 |《深度学习原理与TensorFlow实践》学习笔记（二）

作者 | 王清 TensorFlow基础使用环境准备 TensorFlow安装常用Python库介绍实例解析 Kaggle平台及Titanic题目介绍代码解析 TensorBoard 可视化传统机器学习的优化技巧数据可视化特征工程经典机器学习算法模型 TFLearnKeras介绍及示例程序解析环境准备 TensorFlow安装官方文档：https://www.tensorflow.org/install/ 常用Python库介绍 NumPy (http://www.numpy.org

08

探索深度学习库——Keras

Keras 最初是作为 Theano 的一个方便的附加组件而发展起来的，长久以来，Keras首早先开始支持Tensorflow，然后完全成为其中的一部分。然而，我们的文章不会致力于讲述这个框架的复杂命运，而是它的功能。

02

使用Tensorflow进行实时移动视频对象检测

随着对计算机视觉的用例日益增长的兴趣，例如无人驾驶汽车，面部识别，智能交通系统等，人们希望建立定制的机器学习模型以检测和识别特定对象。

00

利用BERT训练推特上COVID-19数据

大数据文摘授权转载自数据派THU作者：陈之炎一直以来，Twitter是新闻的重要来源，在COVID-19大流行期间，公众可以在推特上表达自己的焦虑情绪。然而，要对Twitter上海量的COVID-19信息手动进行分类、过滤和总结，几乎是不可能做到的。这个艰巨而富有挑战性的任务便落到了BERT 头上，作为自然语言处理（NLP）领域机器学习工具的不二选择，利用BERT模型来对Twitter上海量的COVID-19信息自动进行分类、过滤和总结，提高对Twitter上相关COVID-19内容的理解，以及针对这

01

Google发布机器学习术语表 (包括简体中文)

Google 工程教育团队已经发布了多语种的 Google 机器学习术语表，该术语表中列出了一般的机器学习术语和 TensorFlow 专用术语的定义。语言版本包括西班牙语，法语，韩语和简体中文。 h

06

tensorflow

anaconda或者pip安装tensorflow，tensorflow只支持win7 64系统，本人使用tensorflow1.5版本

05

机器学习术语表机器学习术语表

https://developers.google.com/machine-learning/crash-course/glossary 机器学习术语表本术语表中列出了一般的机器学习术语和 TensorFlow 专用术语的定义。 A A/B 测试 (A/B testing) 一种统计方法，用于将两种或多种技术进行比较，通常是将当前采用的技术与新技术进行比较。A/B 测试不仅旨在确定哪种技术的效果更好，而且还有助于了解相应差异是否具有显著的统计意义。A/B 测试通常是采用一种衡量方式对两种技术进行比较，但

07

资料 | Google发布机器学习术语表 (中英对照）

源 | TensorFlow 回复 20180320 下载PDF版 Google 工程教育团队已经发布了多语种的 Google 机器学习术语表，该术语表中列出了一般的机器学习术语和 TensorFlo

08

Google发布机器学习术语表 (中英对照）

来源 | TensorFlow Google 工程教育团队已经发布了多语种的 Google 机器学习术语表，该术语表中列出了一般的机器学习术语和 TensorFlow 专用术语的定义。语言版本包括西班

03

【学术】谷歌AI课程附带的机器学习术语整理（超详细！）

AiTechYun 编辑：xiaoshan 为了帮助大家更好的了解机器学习，谷歌在上周推出了一系列免费的AI课程，同时还附带了一个详细地机器学习术语库。本术语库中列出了一般的机器学习术语和 Tens

07

【官方中文版】谷歌发布机器学习术语表（完整版）

【新智元导读】Google 工程教育团队已经发布了多语种的 Google 机器学习术语表，该术语表中列出了一般的Machine Learning术语和 TensorFlow 专用术语的定义。语言版本包

05

循环神经网络（二） ——GRU、LSTM、BRNN、deep RNN

循环神经网络（二） ——GRU、LSTM、BRNN、deep RNN （原创内容，转载请注明来源，谢谢）一、概述本文主要讲述RNN的其他结构，这些结构比RNN更常用，而且对于自然语言处理，有更高效

04

谷歌开发者机器学习词汇表：纵览机器学习基本词汇与概念

选自Google Developers 机器之心编译机器之心曾开放过人工智能术语集，该术语库项目目前收集了人工智能领域 700 多个专业术语，但仍需要与各位读者共同完善与修正。本文编译自谷歌开发者机器学习术语表项目，介绍了该项目所有的术语与基本解释。之后，我们也将表内术语更新到了机器之心 GitHub 项目中。机器之心人工智能术语项目：https://github.com/jiqizhixin/Artificial-Intelligence-Terminology A 准确率（accuracy）分类

Python 读写 csv 文件的三种方法

tf_train_shuffle_batch函数解析: http://blog.csdn.net/u013555719/article/details/77679964

02

开发者必看：超全机器学习术语词汇表！

来源：机器之心本文长度为12243字，建议阅读8分钟本文编译自谷歌开发者机器学习术语表项目，介绍了该项目所有的术语与基本解释。 A 准确率（accuracy）分类模型预测准确的比例。在多类别分类中，准确率定义如下：在二分类中，准确率定义为：激活函数（Activation function）一种函数（例如 ReLU 或 Sigmoid），将前一层所有神经元激活值的加权和输入到一个非线性函数中，然后向下一层传递该函数的输出值（典型的非线性）。 AdaGrad 一种复杂的梯度下降算法，重新

06

福利 | 纵览机器学习基本词汇与概念

机器之心曾开放过人工智能术语集，该术语库项目目前收集了人工智能领域 700 多个专业术语，但仍需要与各位读者共同完善与修正。本文编译自谷歌开发者机器学习术语表项目，介绍了该项目所有的术语与基本解释。之后，我们也将表内术语更新到了机器之心 GitHub 项目中。机器之心人工智能术语项目：https://github.com/jiqizhixin/Artificial-Intelligence-Terminology A 准确率（accuracy）分类模型预测准确的比例。在多类别分类中，准确率定义如下：

09

TensorFlow和深度学习入门教程

前言上月导师在组会上交我们用tensorflow写深度学习和卷积神经网络，并把其PPT的参考学习资料给了我们，这是codelabs上的教程：《TensorFlow and deep learning,without a PhD》 https://codelabs.developers.google.com/codelabs/cloud-tensorflow-mnist/#0 当然需要安装python，教程推荐使用python3。好多专业词太难译了，查了下，大家有些都是不译的。比如：dropou

06

Python 数据科学入门教程：TensorFlow 聊天机器人

你好，欢迎阅读 Python 聊天机器人系列教程。在本系列中，我们将介绍如何使用 Python 和 TensorFlow 创建一个能用的聊天机器人。以下是一些 chatbot 的实例：

01

唯品会深度学习在 APP 的实践和测试应用

当网络的构造设计完成之后，深度神经的网络能够自发去分类、提取需要使用的特征，这就大大节省了人工获取特点以及设计分类装置的不必要程序。深度神经网络的学习方式使得识别器不会进入到常见的多层次网络，避免局部选择。并且深度神经网络在训练时不需要监督，同时也不需要标签，节省了标本取样的时间。在表达复杂函数时，深度神经网络由于不需要过多的神经元，因此，识别效率得到了极大提升。

02

【官方教程】TensorFlow在图像识别中的应用

我们大脑的成像过程似乎很容易。人们毫不费力地就能区分出狮子和美洲虎，阅读符号，或是识别面孔。但是这些任务对于计算机而言却是一个大难题：它们之所以看上去简单，是因为我们的大脑有着超乎想象的能力来理解图像。在过去几年里，机器学习在解决这些难题方面取得了巨大的进步。其中，我们发现一种称为深度卷积神经网络的模型在困难的视觉识别任务中取得了理想的效果 —— 达到人类水平，在某些领域甚至超过。研究员们通过把他们的成果在ImageNet进行测试，来展示计算机视觉领域的稳定发展进步，ImageNet是计算机视觉领域的一

04

扫码

添加站长进交流群

领取专属 10元无门槛券

手把手带您无忧上云

扫码加入开发者社群

相关资讯

热门标签

活动推荐

运营活动

活动名称

广告关闭