Windows下pytorch-gpu安装以及CUDA详细安装过程 附带各个版本安装包
2.Cuda的下载安装及配置2.1安装Cuda2.1.1查看本机是否有独立显卡首先我们要确定本机是否有独立显卡。在计算机-管理-设备管理器-显示适配器中，查看是否有独立显卡。可以看到本机有一个集成显卡和独立显卡NVIDIA GeForce RTX 2080 SUPER...
OpenCV-灰度图蒙版GrayMask
OpenCV&C++代码实现灰度图蒙版GrayMask
国家多部委发布13份“十四五”规划，115项重大工程
近段时间，国家多个部委陆续发布各自领域的“十四五”发展规划。据不完全统计，已发布《“十四五”数字经济发展规划》《“十四五”智能制造发展规划》、《“十四五”大数据产业发展规划》、《“十四五”机器人产业发展规划》等13个与科技领域相关的政策文件。
【ROS进阶】5000字解析如何确定ROS编程中数据类型（消息类型）
文章目录一、已有ROS仿真器，自行编写控制器节点1、利用rostopic list明确仿真器可用的topic2、rostopic info 找到对应话题的类型3、rosmsg show查找msg定义4、编写控制器节点补充：Twist定义的介绍二、自己构建Publisher和Subscriber节点（
Paper Reading - 综述系列 - 计算机视觉领域中目标检测任务常见问题与解决方案
目录小目标检测数据方面Label Smoothing模型方面样本不均衡目标遮挡More更多可见计算机视觉-Paper&Code - 知乎小目标检测数据方面将图像resize成不同的大小 对小目标进行数据增强，过采样策略oversampling，重复正样本数 在图片内用实例分割的Mask抠出小
【人工智能】话说人工智能与人工神经网络的历程
人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。那么，它的发展历程是经历了什么过程呢？
全网首发，Swin Transformer+FaceNet实现人脸识别
一、 简介与其他的深度学习方法在人脸上的应用不同，FaceNet并没有用传统的softmax的方式去进行分类学习，然后抽取其中某一层作为特征，而是直接进行端对端学习一个从图像到欧式空间的编码方法，然后基于这个编码再做人脸识别、人脸验证和人脸聚类等。FaceNet主要有两个重点：Backbone和Tr
Spark机器学习实战-使用Spark进行数据处理和数据转换
本文首先介绍了几种常见公开数据集，然后以加州住房数据集为例，分别介绍了如何利用Spark进行数据的下载、读取、探索分析、预处理、标准化等操作，最后简单总结了下不同类型的数据如何进行处理并转换成特征向量以供模型训练的方法。
机器学习之分类方法K近邻(KNN)
详解KNN原理及步骤，针对K值的选取，距离度量法的选择进行说明，并利用sklearn对手写体进行预测。
利用opencv带你玩转人脸识别-下篇（人脸录入，数据训练，人脸识别小案例快速入门）
🐚作者简介：苏凉（专注于网络爬虫，数据分析）🐳博客主页：苏凉.py的博客🌐系列专栏：python-opencv快速入门👑名言警句：海阔凭鱼跃，天高任鸟飞。📰要是觉得博主文章写的不错的话，还望大家三连支持一下呀！！！👉关注✨点赞👍收藏📂文章目录前言人脸信息录入保存（动图演示）数据训练1
Python机器学习从入门到高级：带你玩转特征转换（含详细代码）
本文介绍如何使用python进行特征转换，建议收藏！！！本文介绍如何使用python进行特征转换，建议收藏！！！本文介绍如何使用python进行特征转换，建议收藏！！！
机器学习系列7 基于Python的Scikit-learn库构建逻辑回归模型
🎄🎄本文中，你将学到逻辑回归的数学原理，使用Seaborn库可视化数据寻找数据间的相关性，并基于Scikit-learn库构建逻辑回归模型预测南瓜颜色。
[机器学习面试] Day3： 什么是组合特征？如何处理高维组合特征？
什么是组合特征？如何处理高维组合特征？难度：★★☆☆☆分析与解答：为了提高复杂关系的拟合能力，在特征工程中经常会把一阶离散特征两两组合，构成高阶组合特征。以广告点击预估问题为例，原始数据有语言和类型两种离散特征。表1.2是语言和类型对点击的影响。为了提高拟合能力，语言和类型可以组成二阶特征，表1.3
OpenCV学习笔记14-计算机视觉中的背景减除介绍及代码实现
参考文章：https://blog.csdn.net/tengfei461807914/article/details/81588808https://zhuanlan.zhihu.com/p/31103280文章目录背景减除方法选择：MOGMOG2GMGCNTKNN总结背景减除计算机视觉的前景和背
连夜看了30多篇改进YOLO的中文核心期刊 我似乎发现了一个能发论文的规律
第1种：焕然一新的创新；比如Faster-RCNN、Yolov1、Transformer、ShuffleNet等，能……第2种：守正出奇的创新；比如将图像金字塔改进为特征金字塔……第3种：各种先进算法集成的创新，比如……
教你通过计算图看懂反向传播
看恩达老师的反向传播视频没有看很明白，于是搜寻发现了宝藏资源**《深度学习入门：基于Python的理论与实现》**，现将书中反向传播部分的内容截取出来供大家参考。图5-15练习答案：...
简单三步 用Yolov5快速训练自己的数据集
Yolov5训练自己的数据集教程
OpenCV学习笔记12-图像金字塔的原理及代码实现
1 图像金字塔介绍图像金字塔是图像中多尺度表达的一种，最主要用于图像的分割，是一种以多分辨率来解释图像的有效但概念简单的结构。简单来说, 图像金字塔是同一图像不同分辨率的子图集合.图像金字塔最初用于机器视觉和图像压缩，一幅图像的金字塔是一系列以金字塔形状排列的分辨率逐步降低，且来源于同一张原始图的图
R语言使用levels（）函数来查看factor因子变量水平级别（levels）
R语言使用levels（）函数来查看factor因子变量水平级别（levels）
机器学习系列6 使用Scikit-learn构建回归模型：简单线性回归、多项式回归与多元线性回归
在本文中，我们以美国南瓜数据为例，讲解了三种线性回归的原理与使用方法，探寻数据之间的相关性，并构建了6种线性回归模型。将准确率从一开始的0.04提升到0.96.
