还未设置个性签名
成为VIP会员 享9项特权: 开通会员

完善资料让更多小伙伴认识你,还能领取20积分哦, 立即完善>

3天内不再提示

机器学习在高度自动驾驶中的机遇和挑战

星星科技指导员 来源:嵌入式计算设计 作者:Sorin Mihai 2022-06-17 10:06 次阅读

在这三部分系列的第一部分中,作者调查了机器学习技术在高度自动化驾驶场景中的驱动因素和潜在应用。第二部分定义了机器学习技术的理论背景,以及汽车开发人员可用的神经网络类型。第三部分在功能安全要求的背景下评估这些选项。

在过去的几年里,机器学习一直是研究和工业界最热门的话题之一。与几十年前机器学习的出现相比,计算性能和算法的最新进展引起了新的关注。

机器学习,特别是深度学习解决方案促进了人工智能最近取得的令人瞩目的成果。应用包括自然语言处理 (NLP)、个人协助、AlphaGo 战胜人类,以及在学习玩 Atari 游戏时达到人类水平的行为。

考虑到机器学习和深度学习在解决极其复杂的问题时能够取得如此令人印象深刻的结果,很明显,研究人员和工程师也考虑将它们应用于自动驾驶汽车的高度自动驾驶 (HAD) 场景。NVIDIA 的 Davenet、Comma.Ai、Google Car 和 Tesla 在该领域取得了第一个有希望的成果。机器学习和深度学习方法已经产生了最初的原型,但是这些功能的工业化在例如基本的功能安全考虑方面提出了额外的挑战。

本文旨在为正在进行的关于机器学习在汽车行业中的作用的讨论做出贡献,并强调该主题在自动驾驶汽车背景下的重要性。特别是,它旨在增加对机器学习技术的能力和局限性的理解。

首先,我们在 EB robinos 参考架构的背景下讨论基于机器学习的高度自动驾驶的设计空间和架构替代方案。然后详细介绍了 Elektrobit 目前正在研究和开发的两个选定用例。

第二部分提供了机器学习和深度神经网络 (DNN) 的理论背景,它们为推导用于根据给定任务选择机器学习技术的标准提供了基础。最后,第三部分讨论了影响功能安全考虑的验证和确认挑战。

机器学习和高度自动化驾驶

开发导致自动驾驶汽车的高度自动驾驶功能是一项复杂而艰巨的任务。工程师通常使用分而治之的原则来应对这些挑战。这是有充分理由的:具有明确定义接口的分解系统可以比单个黑盒更彻底地测试和验证。

我们的高度自动驾驶方法是 EB robinos,如图 1 所示。EB robinos 是一种功能性软件架构,具有开放接口和软件模块,允许开发人员管理自动驾驶的复杂性。EB robinos 参考架构按照“感知、计划、行动”分解范式集成了组件。此外,它在其软件模块中利用机器学习技术,以应对高度非结构化的现实世界驾驶环境。以下小节包含已选择的集成在 EB robinos 中的技术示例。

poYBAGKr4bCAGndrAAFzjMtNLAM278.png

图 1.开放式 EB robinos 参考架构。

相比之下,端到端的深度学习方法也存在,它涵盖了从感觉到行动的方方面面(Bojarski et al. 2016)。然而,关于极端情况和罕见事件的处理和训练,以及必要的训练数据的指数数量,分解方法(即语义抽象)被认为更合理(Shalev-Shwartz et al. 2016 )。

然而,即使遵循分解方法,也需要决定哪些部分最好单独处理或与其他部分结合处理。还必须确定机器学习方法是否有望在特定块完成的任务中优于传统工程算法。尤其重要的是,此决定可能会受到功能安全考虑的影响。如本系列后面所述,功能安全是自动驾驶的关键要素。传统的软件组件是根据具体需求编写的,并进行相应的测试。

机器学习系统测试和验证的主要问题是它们的黑盒性质和学习方法的随机行为。基本上不可能预测系统如何学习其结构。

上面给出的标准和理论背景可以为明智的决策提供指导。Elektrobit 目前正在研究和开发机器学习方法被认为很有前景的用例。接下来介绍两个这样的用例。第一个涉及为机器学习算法生成人工训练样本及其在交通标志识别中的部署。第二个用例描述了我们的自学汽车方法。这两个示例都使用了当前最先进的深度学习技术。

用例 1:人工样本生成和交通标志识别

该项目在增强入口导航系统中使用的 OpenStreetMap (OSM) 数据的背景下,提出了一种限速和限速结束交通标志 (TS) 识别系统。目的是在可以安装在汽车挡风玻璃上的标准智能手机上运行该算法。系统检测交通标志及其 GPS 位置,并通过手机的移动数据连接将收集的数据上传到后端服务器。该方法主要分为两个阶段:检测和识别。检测是通过增强分类器实现的。识别是通过概率贝叶斯推理框架执行的,该框架融合了由一组视觉概率过滤器传递的信息。本文的下一部分包含对所用算法背后的理论背景的描述。

pYYBAGKr4beAe3DbAAFzDdwPAp8809.png

图 2:基于智能手机的 TSR 系统框图

获得的彩色图像以 24 位 RGB 格式传递给检测器。通过评估通过检测窗口计算的级联分类器的响应来执行检测过程。

该检测窗口以不同的比例在图像上移动。可能的交通标志感兴趣区域 (RoI) 被收集为一组对象假设。从特征提取的角度来看,分类级联使用扩展的局部二进制模式 (eLPB) 进行训练。假设向量中的每个元素通过支持向量机(SVM)学习算法分类为交通标志。

交通标志识别方法依赖于人工标记的交通标志,用于训练检测和识别分类器。由于不同国家使用的交通标志模板种类繁多,标记过程繁琐且容易出错。

要使交通标志识别方法表现良好,需要每个国家/地区的特定训练数据。由于必须考虑位置、照明和天气条件,因此创建足够多的手动标记交通标志非常耗时。

因此,Elektrobit 创建了一种算法,可以从单个人工模板图像自动生成训练数据,以克服手动注释大量训练样本的挑战。图 4 显示了算法的结构。

pYYBAGKr4b-AWQV8AAFPbnVMfjM433.png

图 4.基于机器学习的识别系统的人工样本生成算法框图。

这种方法提供了一种生成用于机器学习算法训练阶段的人工数据的方法。该方法使用每个国家的真实和通用交通标志图像模板的缩减数据集来输出图像集合。

这些图像的特征是由一系列图像模板变形算法人为定义的。使用核主成分分析 (KPCA) 对减少的一组真实世界图像对由此获得的人工图像进行评估。当生成图像的特征与真实图像的特征相对应时,人工数据集适用于机器学习系统的训练,在这种特殊情况下用于交通标志识别。

Elektrobit 将 Boosting SVM 分类器替换为基于深度区域的检测和识别卷积神经网络,以提高原始交通标志识别系统的精度。该网络使用 Caffe (Jia et al. 2014) 进行部署,Caffe 是由 Berkley 开发并由 NVIDIA 支持的深度神经网络库。Caffe 是一个带有 PythonMatlab 接口的纯 C++/CUDA 库。除了核心的深度学习功能外,Caffe 还提供可直接用于机器学习应用的参考深度学习模型。图 5 显示了用于交通标志检测和识别的 Caffe 网络结构。不同的彩色块代表卷积(红色)、池化(黄色)、激活(绿色)和全连接网络层(紫色)。

poYBAGKr4caAeCqFAALl32WqVB0778.png

图 5. Caffe 中基于深度区域的检测和识别卷积神经网络。

用例 2:学习如何驾驶

深度学习的革命最近增加了对另一种范式的关注,即强化学习 (RL)。在 RL 中,代理本身通过奖励系统学习如何执行某些任务。该方法属于半监督学习的范畴,因为奖励系统的设计需要特定领域的知识。

与监督学习相比,即使输入数据不需要标记也是如此。最近对 RL 的兴趣主要归功于 Deep Mind 团队的开创性工作。该团队设法将 RL 与能够学习动作价值函数的深度神经网络相结合(Mnih et al. 2016)。他们的系统能够学会以人类水平的能力玩多个 Atari 游戏。

我们构建了深度强化学习系统,如图 6 所示,以便安全地试验自动驾驶学习。该系统使用 TORCS 开源竞赛模拟器(Wymann et al. 2014)。TORCS 作为高度便携的多平台赛车模拟器在科学界被广泛使用。它在 Linux(所有架构,32 位和 64 位,小端和大端)、FreeBSD、OpenSolaris、MacOSX 和 Windows(32 位和 64 位)上运行。它有许多不同的汽车、赛道和对手来比赛。我们可以收集用于物体检测的图像以及来自游戏引擎的关键驾驶指标。这些指标包括汽车的速度、自我汽车与道路中心线的相对位置以及与前面汽车的距离。

pYYBAGKr4dCAdig2AALUhHZxC6U718.png

图 6.用于学习如何在模拟器中驾驶的深度强化学习架构。

该算法的目标是通过与虚拟环境交互来自学驾驶命令。为此目的使用了深度强化学习范式,其中深度卷积神经网络 (DNN) 通过提供正奖励信号的强化动作 a 进行训练r(s^‘,a)。状态s由模拟器窗口中显示的当前游戏图像表示。有四种可能的动作:加速、减速、左转和右转。

DNN 计算一个所谓的Q-函数,该函数预测要针对特定状态执行的最优动作 a s。换句话说,DNNQ-为每个状态-动作对计算一个值。将执行具有最高Q-值的操作,这会将模拟器环境移动到下一个状态,s’。在这种状态下,通过奖励信号来评估执行的动作r(s’,a)。

例如,如果汽车能够在没有碰撞的情况下加速,那么使这成为可能的相关动作将在 DNN 中得到加强;否则,它会气馁。通过使用状态奖励信号重新训练 DNN,在框架中执行强化。图 7 显示了深度强化学习算法的 Caffe 实现。网络层具有与图 6 相同的颜色编码。

poYBAGKr4diAEb2nAAHPetpLJ-I095.png

图 7.用于深度强化学习的基于 Caffe 的深度卷积神经网络结构。

第二部分定义了机器学习技术的理论背景,以及汽车开发人员可用的神经网络类型。

审核编辑:郭婷

  • 汽车电子
    +关注

    关注

    2641

    文章

    5529

    浏览量

    153402
  • 神经网络
    +关注

    关注

    42

    文章

    3551

    浏览量

    91425
  • 机器学习
    +关注

    关注

    64

    文章

    6377

    浏览量

    122311
收藏 人收藏

    评论

    相关推荐

    FPGA中GPU深度学习面临的挑战

    三维图形是 GPU 拥有如此大的内存和计算能力的根本原因,它与 深度神经网络 有一个共同之处:都需要....
    发表于 08-06 15:56 34次 阅读

    车用基础软件在软件定义汽车上扮演何种角色

    8月3日,为期三天的2022第三届软件定义汽车论坛暨AUTOSAR中国日在武汉开幕。大会由AUTOS....
    发表于 08-05 10:59 84次 阅读

    抽样在Python中是如何实现的

    今天来和大家聊聊抽样的几种常用方法,以及在Python中是如何实现的。
    的头像 city_prolove 发表于 08-05 10:59 112次 阅读

    雅特力AT32 MCU实现AIoT的四大关键优势

    随着半导体微缩技术的不断精进,物联网实现了设备自动化,进行数据采集和远程控制等,同时结合AI技术,融....
    的头像 city_prolove 发表于 08-05 10:05 129次 阅读

    汽车电子可靠性测试以任务配置文件开始和结束

    汽车制造商必须设计出能够在广泛的环境中茁壮成长的车辆,从白雪皑皑的苔原到炎热的沙漠。大多数消费类应用....
    发表于 08-04 17:57 16次 阅读
    汽车电子可靠性测试以任务配置文件开始和结束

    YOLACT 和 YOLACT++如何解决实例分割的实时性问题

    在目标检测分支的基础上添加额外的head,该head针对每一个anchor都预测一个掩膜系数(mas....
    发表于 08-04 17:12 50次 阅读

    什么是交互式人工智能(AI)?Speedster7t架构如何实现更高的计算效率

    交互式人工智能(CAI)使用机器学习(ML)的子集深度学习(DL),通过机器实现语音识别、自然语言处....
    发表于 08-04 16:33 165次 阅读

    AI人才薪酬水涨船高 有人却不喜欢人工智能

    随着人工智能技术的不断发展,可应用领域也越来越广,国内外AI人才的薪酬也是水涨船高。
    发表于 08-04 09:52 55次 阅读

    人工智能的演进需要高适应性的推理平台

    深度学习对计算能力的需求正以惊人的速度增长,其近年来的发展速度已从每年翻一番缩短到每三个月翻一番。
    的头像 李泳瑜 发表于 08-03 16:48 133次 阅读

    钢铁行业全流程质量管控实践案例

    搭建大数据平台,利用在线检测、机器学习、图像识别、数据建模等技术,实现质量过程监控与判定、表面质量智....
    的头像 智能制造IMS 发表于 08-03 15:58 151次 阅读

    Microchip首款基于CXL的串行存储控制器

    数据中心应用工作负载需要未来的存储器产品能够提供与今天基于并行DDR的存储产品相同的高性能带宽、低延....
    的头像 Microchip微芯 发表于 08-03 15:52 127次 阅读

    meta reweighting 策略来增强伪样本的效果

    本文的 basic 模型使用 BERT+BiLSTM+CRF 进行 NER 任务。首先给定输入序列 ....
    的头像 深度学习自然语言处理 发表于 08-03 11:46 116次 阅读

    一个联合的meta-reweighting的策略来自然的进行整合

    数据自增强是一个小样本任务可行的解法,对于 token-level 的 NER 任务,token 替....
    发表于 08-03 11:44 69次 阅读

    典型的神经网络结构

    为了保持简单,并且利用当今机器的数学和计算能力,可以将神经网络设计为一组层,每层包含节点(大脑神经元....
    发表于 08-03 10:59 40次 阅读

    Kria SOM 加速实现从算法到机器学习模型

    不久以前,从算法到现场机器学习( ML )模型仍然需要经历漫长而复杂的道路。对于一些企业而言,如果能....
    发表于 08-02 15:04 28次 阅读

    如何在 MCU 上实现 DS-CNN KWS

    ARM 通过其对 ARM Cortex 微控制器软件接口标准 (CMSIS) 的神经网络 (NN) ....
    发表于 08-02 11:44 175次 阅读
    如何在 MCU 上实现 DS-CNN KWS

    基于分类目标的预训练卷积神经网络

    随着社交媒体和物联网(IoT)等数字技术以及5G等速度更快的无线通信技术的普及,数据创建速度不断提高....
    的头像 新机器视觉 发表于 08-02 11:44 105次 阅读

    如何选择用于机器学习的处理器

    这款开发板更大程度上提供的是一种开放平台,适用于原型开发以及使用大量 I/O 和外设的系统。它包括一....
    发表于 08-02 10:48 64次 阅读
    如何选择用于机器学习的处理器

    黑芝麻智能摘得《麻省理工科技评论》2021年度50家聪明公司奖项

    黑芝麻智能作为唯一国产自动驾驶计算芯片企业摘得《麻省理工科技评论》2021年度50家聪明公司奖项。
    发表于 08-02 10:13 91次 阅读

    什么是机器学习-机器的进化

    如您所知,我们生活在人类和机器的世界中。数百万年来,人类一直在不断发展,并从过去的经验中学到东西。另....
    发表于 08-02 09:39 60次 阅读

    利用Python和PyTorch处理面向对象的数据集(1)

    在本文中,我们将提供一种高效方法,用于完成数据的交互、组织以及最终变换(预处理)。随后,我们将讲解如....
    的头像 efwedfd 发表于 08-02 08:03 45次 阅读

    10行代码轻松在ZYNQ MP上实现图像识别

    如今各种机器学习框架的普及使得个人搭建和训练一个机器学习模型越来越容易。然而现实中大量的机器学习模型....
    的头像 新疆切糕 发表于 08-02 08:03 68次 阅读
    10行代码轻松在ZYNQ MP上实现图像识别

    NIST一个项目设计了一种流式细胞仪装置

    NIST项目设计了一个流式细胞仪平台,粒子流量高达每秒100个或更高,该平台在通道中相隔16毫米的两....
    的头像 MEMS 发表于 08-01 15:52 82次 阅读

    符合IEPE标准的CbM机器学习赋能平台

    在工业应用中,基于振动检测的机器状态监控(CbM)越来越重要。公司寻求优化机械寿命和性能并降低拥有成....
    发表于 08-01 15:06 29次 阅读
    符合IEPE标准的CbM机器学习赋能平台

    Intel的FPGA和SoCs FPGA进行设计和开发

    Open CL(开放运算语言)在概念上更加抽象,该框架适用于编写可跨异构平台执行的程序。除了 FPG....
    发表于 08-01 11:50 93次 阅读
    Intel的FPGA和SoCs FPGA进行设计和开发

    如何提升NPU的能效比?

    NPU通过数据分区和有效调度,利用数据的重用以及执行分段来提高能效比和硬件利用率,而实现高利用率,数....
    的头像 佐思汽车研究 发表于 08-01 11:19 116次 阅读

    如何使用移动传感器产生的原始数据来识别人类活动

    你可能会考虑为什么我们要使用LSTM-CNN模型而不是基本的机器学习方法? 机器学习方法在很大程....
    的头像 新机器视觉 发表于 08-01 10:46 171次 阅读

    使用移动传感器产生的原始数据来识别人类活动

    我们将使用Sklearn,Tensorflow,Keras,Scipy和Numpy来构建模型和进行数....
    的头像 新机器视觉 发表于 08-01 10:43 1240次 阅读
    使用移动传感器产生的原始数据来识别人类活动

    面向汽车娱乐和ADAS市场,看罗姆如何“深耕”?

    SerDes IC具体有两大应用,其中一个应用是在摄像头,从摄像头模块到车载SoC之间有一对SerD....
    的头像 工程师兵营 发表于 08-01 08:30 949次 阅读
    面向汽车娱乐和ADAS市场,看罗姆如何“深耕”?

    机器学习使聚变能源成为可能

    麻省理工学院的研究人员正在测试机器学习技术,以更好地了解聚变能中的湍流等离子体现象。根据麻省理工学院....
    的头像 李秀珍 发表于 07-30 17:46 127次 阅读
    机器学习使聚变能源成为可能

    基于更紧凑的系统打造“芯片上的患者”

    长期以来,如何预测候选药物的安全性与有效性是一项艰巨的挑战。当前的大部分人工智能(AI)制药公司能够....
    的头像 微流控 发表于 07-30 15:39 375次 阅读

    经纬恒润携手一汽红旗开启战略合作新模式

    中国一汽红旗供应商理事会成立大会在一汽总部隆重召开,中国一汽董事、总经理、党委副书记邱现东,党委常委....
    的头像 经纬恒润 发表于 07-30 14:38 2174次 阅读

    诚迈科技Fusion SOA平台加快车型智能化发展

    诚迈科技Fusion SOA平台的中间件层,它是该平台最核心的组成部分,位于服务层以下,操作系统层以....
    发表于 07-30 10:22 140次 阅读

    如何基于STM32Cube.AI 从零开始创建AI项目

    NanoEdgeAI是一款端到端工具,允许对数据进行一些预处理,并进行训练和算法选择,而STM32C....
    的头像 意法半导体中国 发表于 07-30 09:31 137次 阅读

    为什么人工智能技术已经进入“黄金时代”

    回想十年之前,提到人工智能(Artificial Intelligence,简称AI),你能想到怎样....
    发表于 07-29 14:23 153次 阅读

    SI3933在汽车PKE车钥匙的应用方案

    SI3933是一款三通道的低功耗ASK接收机,可用于检测15KHz-150KHz低频载波频率的数字信....
    的头像 SALE20 发表于 07-29 10:40 145次 阅读
    SI3933在汽车PKE车钥匙的应用方案

    解决功率密度和EMI挑战以实现汽车电气化的未来

      随着汽车制造商开发更具创新性和价格合理的电动汽车技术,对高效充电站的需求也越来越大,以帮助进一步....
    的头像 李晶 发表于 07-29 08:07 439次 阅读

    6月汽车制造业利润大增47.7%

      据国家统计局7月27日公布的数据,上半年全国规模以上工业企业利润总额达到42702.2亿元,比去....
    的头像 星星科技指导员 发表于 07-28 16:16 211次 阅读

    一种高效的合金设计新策略:耦合计算热力学方法和机器学习技术

    该项研究工作以Al-Si-Mg-Sr四元体系为研究对象,首先统一了Al-Si-Mg-Sr四元体系所有....
    的头像 鸿之微 发表于 07-28 14:50 114次 阅读

    HED算法介绍

    OpenCV DNN本身是不支持该网络直接加载与执行的,必须通过OpenCV4中支持的自定义层方法,....
    的头像 OpenCV学堂 发表于 07-28 10:10 90次 阅读

    轻量级视觉模型设计的新启发

    风头正盛的ViT,是计算机视觉领域过去十年最瞩目的研究突破之一。2020年,谷歌视觉大模型Visio....
    的头像 云天励飞 发表于 07-28 09:33 69次 阅读

    边缘分析在智慧城市项目中的重要性日益增加

      随着对智慧城市计划的不断推动,具有机器学习能力的边缘智能正在发挥重要作用。专家建议,边缘计算和机....
    的头像 陈利妮 发表于 07-28 08:03 90次 阅读

    基于树的方法和神经网络方法

    树模型和神经网络,像一枚硬币的两面。在某些情况下,树模型的性能甚至优于神经网络。
    的头像 新机器视觉 发表于 07-27 16:17 168次 阅读

    一个独特POL DC/DC转换器电源解决方案

    FS1406 系列是完全集成的,在工厂里被微调到其规定目标电压,不需要输出分压器。该设计确实需要增加....
    发表于 07-27 15:02 161次 阅读
    一个独特POL DC/DC转换器电源解决方案

    华为与江苏鸿程大数据研究院共同推出遥感图像目标检测解决方案

    近日,基于昇腾AI,江苏鸿程大数据研究院与华为携手,共同推出遥感图像目标检测解决方案。
    的头像 华为计算 发表于 07-27 09:24 215次 阅读

    机器学习辅助优化在天线与阵列设计的应用

    近年来,随着无线移动通信和雷达等无线电系统快速发展,天线与阵列的设计已经逐渐成为无线电系统设计最为关....
    发表于 07-27 09:01 178次 阅读

    车载电子设备供电电源线上的瞬态浪涌干扰波形

    众所周知,汽车电子系统中有很多瞬态浪涌干扰,直接影响甚至损坏汽车内部的电子设备。那么,关于车载电子设....
    的头像 电磁兼容EMC 发表于 07-27 08:54 123次 阅读

    请问一下fpga加速神经网络为什么要用arm核呢

    请问一下fpga加速神经网络为什么要用arm核呢?用其他的不行吗 ...
    发表于 07-25 14:37 1769次 阅读

    物联网电源集线器V1.0的资料分享

    描述 物联网电源集线器 V1.0,适用于物联网和机器学习设备的一体化电源解决方案。 主要特征: USB-C 电源输入超快...
    发表于 07-25 06:28 267次 阅读

    递归神经网络(RNN)

    递归神经网络(RNN) RNN是最强大的模型之一,它使我们能够开发如分类、序列数据标注、生成文本序列(例如预测下一输入词...
    发表于 07-20 09:27 10482次 阅读

    汽车电子应用篇④:TDK产品如何支持汽车连接性的应用?

    未来智慧交通是一个必然的趋势,这就要确保道路安全性和交通流量,而汽车需要连接各种远程信息处理服务并相互通信来为其实现奠定...
    发表于 07-15 15:39 214次 阅读

    我爱方案网:小米汽车又获充电新专利,未来万亿电动汽车市场无悬念

    据我爱方案网获知,6月23日,国家知识产权局最近公布了一批新的专利信息,其中包括小米汽车科技有限公司公开专利“车对车充电电路...
    发表于 06-27 17:33 1518次 阅读
    我爱方案网:小米汽车又获充电新专利,未来万亿电动汽车市场无悬念

    什么是机器学习? 机器学习基础入门

    本文旨在为硬件和嵌入式工程师提供机器学习(ML)的背景,它是什么,它是如何工作的,它为什么重要,以及 TinyML 是如何适应的...
    发表于 06-21 11:06 900次 阅读
    什么是机器学习? 机器学习基础入门

    很好的一本书,适合初学者

    发表于 06-05 18:49 9893次 阅读

    2022汽车电子创新技术研讨会

    发表于 05-31 16:10 3489次 阅读
    2022汽车电子创新技术研讨会

    浅谈汽车电子的快速直流充电系统

    对于要求苛刻的消费类电动汽车市场,基于最新宽带隙半导体的快速直流充电系统正在成为首选方式。 在为电动汽车充电时,有几种方...
    发表于 05-14 23:19 8714次 阅读

    机器学习简介与经典机器学习算法人才培养

    上课时间安排: 2022年05月27日 — 2022年05月30日 No.1 第一天 一、机器学习简介与经典机器学习算法介绍 什么是机器学习...
    发表于 04-28 18:56 6966次 阅读