yolov5篇---官方ultralytics / yolov5代码复现，训练自己的数据集
yolov5篇---官方ultralytics / yolov5代码复现，训练自己的数据集
【文心一言】内测版V1.0.3 沉浸式深度体验(2)，有一丝失望，但也有惊喜。不知，你的感觉如何？
此前曾记录了初次使用【文心一言】的过程，只能说是“意犹未尽”！还有一些问题，让我们再来尝试询问它一下！看看它的表现如何？！这一次的体验，总体的感觉来讲，不如第一次的效果要好。文心一言，还需要加油啊！！
深度学习：图像去雨网络实现Pytorch （二）一个简单实用的基准模型（PreNet）实现
详细介绍了一种简单实用的去雨模型PreNet在Pytorch框架下的搭建过程，供读者参考学习
【大数据&AI人工智能】数据智能到底是什么——企业级 DT 数据智能实践详解
云原生大数据通常使用开源的大数据技术栈，如Hadoop、Spark、Kafka等，并结合云计算平台提供的弹性扩展、高可用性和自动化管理等特性，实现高效、稳定、灵活、可持续的大数据处理和分析。总体来说，做预测分析需要清晰的目标、合适的数据、适当的算法和模型训练和评估，以及对模型的监控和更新。它们可以通
工具 | Cursor：一个不只是写代码的工具
Cursor:一个不只是自动写代码的工具
【v8初体验】利用yolov8训练COCO数据集或自定义数据集
YOLOv8保姆级动手把手攻略
注意力机制（含pytorch代码及各函数详解）
目录注意力机制非参注意力汇聚概述（不需要学习参数）参数化注意力机制概述正式系统学习1.平均汇聚（池化）2.非参数注意力汇聚（池化）3.带参数注意力汇聚注意力机制不随意线索：不需要有想法，一眼就看到的东西随意线索：想看书，所以去找了一本书1.卷积、全连接、池化层都只考虑不随意线索2.注意力机制则显示的
注册claude AI账号 slack工作区账号
注册claude和slack账号一一介绍互联网人工智能系统的注册和使用，注册claude账号简单，且不需要科学上网，配合slack，让你的会议和教学轻松单间。
10倍效能不是梦：“软件工程3.0”之下软件研发
我已经感受到GPT-4 蕴藏的神奇力量，本文从六大方面探索其神奇的力量。
毕业设计-基于 Python 的天气预测系统
毕业设计-基于 Python 的天气预测系统：天气预测与生产生活的各个领域息息相关，在社会发展中发挥着重要作用。天气预测是指综合使用现代科学技术对某一地区未来一 段时间的温度、湿度、风力、风向、天气状况等进行预测。 在当今社会，天气预测对人们的生产生活有着举足轻重的影 响，与日常出行、农业生产、自然
Win11基于WSL2安装CUDA、cuDNN和TensorRT（2023-03-01）
之前我写了一篇博客：[Win11安装WSL2和Nvidia驱动](https://blog.csdn.net/Apple_Coco/article/details/128374634)，记录了在WSL2里安装CUDA，当时我选择了第二种安装方式，即用WSL2里的MiniConda去安装的PyTorc
Nerf_studio 使用记录
Nerf_studio安装和使用记录
如何根据企业自身文化定向训练chatgpt及示例源码
需要注意的是，这里使用的是OpenAI的GPT-2模型，需要根据实际情况选择相应的模型和超参数。总之，根据企业自身文化定向训练ChatGPT，需要充分挖掘和利用与公司文化相关的数据，建立合适的数据集，训练和优化模型，最终让ChatGPT符合公司文化，提升企业形象和用户体验。建立数据集：将清洗后的数据
Deeplabv3+概述（语义分割，小白必看）
关于图像分割的语义分割
第十一届“泰迪杯”数据挖掘挑战赛(B题：产品订单的数据分析与需求预测)
2. 基于上述分析，建立数学模型，对附件预测数据（predict_sku1.csv）中给出的产品，预测未来3月（即2019年1月、2月、3月）的月需求量，将预测结果按照表3的格式保存为文件result1.xlsx，与论文一起提交。（2） 产品所在区域对需求量的影响，以及不同区域的产品需求量有何特性；
ros中SLAM的EVO、APE测评——SLAM精度测评（一）
用于处理、评估和比较里程计和SLAM算法的轨迹输出。支持的轨迹格式：“TUM”轨迹文件“KITTI”姿态文件“EuRoC MAV”（.csv groundtruth和TUM轨迹文件）ROS和ROS2 BAG文件，带有几何图形/PoseStamped、几何图形/TransformStamped、几何图
GPT4和ChatGPT的区别，太让人震撼
全面对比chatgpt与gpt4的区别，差距太大了
ColossalChat：使用完整的 RLHF Pipeline复现ChatGPT 的开源解决方案
ChatGPT、GPT-4等大型AI模型和应用在全球范围内风靡一时，成为技术产业革命和AGI（Artificial General Intelligence）发展的基础。不仅科技巨头竞相发布新品，许多来自学术界和产业界的人工智能专家也加入了相关的创业浪潮。生成式 AI 每天都在快速迭代，不断完善！然
Yolov8训练自己的数据集
用yolov8训练自己的数据集，熟悉yolov8整个流程，便于下一步魔改网络等
RKNN模型部署（3）—— 模型转换与测试
将pth模型转换成rknn模型，然后调用rknn模型进行测试
