【图像处理】深入解析LBP算法
LBP（Local Binary Patterns，局部二值模式）是一种很简单但很高效的局部纹理特征描述算子，于1994年由T. Ojala, M. Pietikäinen和D. Harwood提出，经过后续的改进，LBP特征具有旋转不变性和灰度不变性，在机器视觉领域中得到了广泛的应用，如人脸识别、
90+个各种疾病相关医疗数据集
含新冠、传染病、医学图像等
图注意网络GAT理解及Pytorch代码实现【PyGAT代码详细注释】
对GAT的Pytorch版本PyGAT进行注释，包括Cora数据集的处理和使用！
Python使用集合实现素数筛选法
首先生成指定范围内的所有自然数，然后从前往后遍历其中的数字，并分别删除这些数字的倍数，最后剩下的数字都是素数。很久很久以前，曾经写过一个使用列表+filter()函数的实现，详见Pytho...
开源ChatGPT要来了；软件2.0智能革命；GLM、Diffusion模型大加速
1. 2023年AI十大展望：GPT-4领衔大模型变革，谷歌拉响警报，训练数据告急新年伊始，大模型的话题热度不减。ChatGPT展现的惊人能力将大模型研究和应用热度推向高潮，人们激烈讨论着这个高级“物种”的推出意味着什么。本文作者Rob Toews发布了2023年AI发展的十大预测，整体来看，大部分
GPT-4 性能炸天：10 秒做出一个网站，在考试中击败 90% 人类
一觉醒来，万众期待的 GPT-4，它来了！OpenAI老板Sam Altman直接开门见山地介绍道：这是我们迄今为止功能最强大的模型！
nc文件计算均值与合并
利用cdo对nc文件进行以特定时间间隔为步长的均值计算以及计算后文件的合并。
如何计算Bert模型的参数量
如何计算Bert模型的参数量
模型部署入门教程（三）：PyTorch 转 ONNX 详解
OpenMMLab：模型部署系列教程（一）：模型部署简介OpenMMLab：模型部署系列教程（二）：解决模型部署中的难题知道你们在催更，这不，模型部署入门系列教程来啦~在前二期的教程中，我们带领大家成功部署了第一个模型，解决了一些在模型部署中可能会碰到的困难。今天开始，我们将由浅入深地介绍 ONNX
LSTM分类模型
LSTM分类模型本文主要固定一个文本分类的流程。分为三个部分：数据处理。对分类文本数据集做简单的预处理。模型数据准备。处理上一步的结果，得到模型的输入样本。模型搭建和训练流程。程序架构如下：主要包括一个原始的分类文件(头条新闻)。一个预处理脚本prepare_data.py一个数据处理脚本data_
人工智能安全学习笔记
个人笔记
python实现模糊综合评价法(FCE)
python实现模糊综合评价法(FCE)
ChatGPT 会取代程序员吗？
ChatGPT 是 OpenAI 推出的智能聊天机器人。由于技术表现非常优秀，一出道就火爆全球。它可以快速生成满足需求的复杂代码，那么它会取代我们程序员吗？
ChatGPT 中文调教指南。各种场景使用指南。学习怎么让它听你的话
ChatGPT是由训练的一款大型语言模型，能够生成类人文本。您只需要给出提示或提出问题，它就可以生成你想要的东西。在此页面中，您将找到可与 ChatGPT 一起使用的各种提示。
Xgboost.plot_importance 参数解释
关于Xgboost API 中的 plot_importance 函数的参数解读，以及重要参数的详细解释。
单目深度估计--深度学习篇
文章目录一：深度估计应用背景1.深度估计的定义2.深度估计的应用场景3.几种深度估计的方法4.使用深度学习估计的优缺点二：单目深度估计模型1.使用的数据集2.整体网络架构3.分模块解析Ⅰ：层级Ⅱ：ASPPⅢ：特征图减法操作Ⅳ：特征融合Ⅴ：Coarse-to-FineⅥ：权重参数预处理WS与pre_a
感知机算法之Python代码实现
感知机算法之Python代码实现
RoI Pooling 和 RoI Align
RoI Pooling 和 RoI Align一、基本概念一、基本概念RoI（Region of Interest）是通过不同区域选择方法，从原始图像（original image）得到的候选区域（proposal region）
BertTokenizer的使用方法(超详细)
convert_tokens_to_ids是将分词后的token转化为id序列，而encode包含了分词和token转id过程，即encode是一个更全的过程，另外，encode默认使用basic的分词工具，以及会在句子前和尾部添加特殊字符[CLS]和[SEP]，无需自己添加。从下可以看到，虽然en
YOLOv5s.yaml文件解读
YOLOv5s.yaml文件解读并改动
