人工智能数学基础——贝叶斯分析
我们已经知道，贝叶斯分析的结果是后验分布，其包含了在已有数据和模型下，参数的所有信息。我们可以使用PyMC3中的plot_posterior函数对后验分布进行可视化总结，这个函数的核心参数是一个PyMC3的迹和或者一个NumPy的数组，默认情况下，该函数会画出参数的直方图以及分布的均值，此外图像的底
基于yolov5框架实现人流统计（目标检测算法、目标追踪算法以及越界识别功能）+手机获取统计人数
基于yolov5框架实现人流统计（主要AI算法包括：目标检测算法、目标追踪算法以及越界识别功能）+手机获取统计人数（喵提醒）
深度学习模型精度fp16和fp32
深度学习模型精度fp16和fp32
YOLOV5-断点训练/继续训练
yolov5-断点训练/继续训练
Pytorch-Lightning中的训练器—Trainer
Pytorch-Lightning中训练器Trainer用法
GPT-4 和ChatGPT API的定价分析
在ChatGPT API和GPT-4 API之间的选择取决于对项目的特定需求。预期的应用所需的精度涉及的财务问题对未来发展的适应性前几天的新闻，ChatGPT API的价格比text-davinci-003低10倍(成本低90%)，所以ChatGPT API低成本较低也许可以让我们以更低的成本测试大
基于骨骼的动作识别：PoseConv3D
基于骨骼的动作识别：PoseConv3D
Yolov5 模型的原理及环境配置
本文首先介绍了yolov5 是什么，有什么用，以及yolo 模型的原理。再讲解了yolov5 模型的下载，及环境配置的一些问题。
resnet(4)------全连接层与softmax
如果不用指数函数的话，其实仓鼠得分和白面包的得分是差不多的，但指数增长的特性就是，横轴变化很小的量，纵轴就会有很大的变化。所以，从1.9变化到2.1，经过指数的运算，两者的差距立马被的拉大了。这个算法又是如何将神经网络推理的数值，转换为一个类别的分类的呢？的关系，我们知道卷积是对图像的局部区域进行连
yolov7：win10下的安装配置以及训练自己的数据集（从VOC转换为YOLO）
Win10下yolov7的安装配置以及训练自己的数据集（从VOC转换为YOLO）
Stable Diffusion WebUI安装instruct-pix2pix插件
instruct-pix2pix作者团队提出了一种通过人类自然语言指令编辑图像的方法。他们的模型能够接受一张图像和相应的文字指令(也就是prompt)，根据指令来编辑图像。作者团队使用两个预训练模型（一个是语言模型GPT-3, 另一个是文本到图像模型Stable Diffusion) 生成大量编辑图
利用pytorch长短期记忆网络LSTM实现股票预测分析
长短时记忆网络(Long Short Term Memory Network, LSTM)，是一种改进之后的循环神经网络，可以解决RNN无法处理长距离的依赖的问题，目前比较流行。LSTM主要就是加入了三个门控：第一个开关遗忘门：负责控制继续保存长期状态c；第二个开关输入门：负责控制把即时状态输入到长
yolo v7 转rknn
yolo v7 转rknn
文本检测之DBNet，DBNet++
一个负责预测概率图（probability map，(w/4)*(h/4)*1），代销为，另一个负责预测阈值图（threshold map，(w/4)*(h/4)*1）。概率图经过阈值图处理，进行二值化后得到二值图（approximate binary map，(w/4)*(h/4)*1）。然后计算
【NLP学习计划】万字吃透NER
NLP系列学习计划，今天研究的是顶会ACL2018的一篇文章，并尝试在相同数据集上自己实现模型，领会STOA的魅力！
Pytorch模型量化
在深度学习中，量化指的是使用更少的bit来存储原本以浮点数存储的tensor，以及使用更少的bit来完成原本以浮点数完成的计算。这么做的好处主要有如下几点：更少的模型体积，接近4倍的减少；可以更快的计算，由于更少的内存访问和更快的int8计算，可以快2~4倍。一个量化后的模型，其部分或者全部的ten
从DDPM到DDIM：深入解读《Denoising Diffusion Implicit Models》
DDIM发表在ICRL2021上，是DDPM重要的改进之一，能显著提高DDPM的样本质量、减少采样时间，并且能显式控制插值，已经被广泛应用到现在的Diffusion Models上。这篇博客和大家一起详细解读一下DDIM，认识这一伟大的模型。.........
深度学习实战 1 YOLOv5结合BiFPN
BiFPN简单介绍，YOLOv5结合BiFPN （concat操作）
深入理解TDNN（Time Delay Neural Network）——兼谈x-vector网络结构
TDNN（Time Delay Neural Network，时延神经网络）是用于处理序列数据的，比如：一段语音、一段文本将TDNN和统计池化（Statistics Pooling）结合起来，正如x-vector的网络结构，可以处理任意长度的序列TDNN出自x-vector出自。
LabelImg标注的YOLO格式txt标签中心坐标和物体边界框长宽的转换
LabelImg标注的YOLO格式txt标签中心坐标和物体边界框长宽的转换
