【人工智能AI2.0】国产开源 ChatGPT: ChatGLM-6B 搭建属于你的永远免费的本地 ChatGPT
ChatGLM-6B 是一个开源的、支持中英双语的对话语言模型，基于架构，具有 62 亿参数。结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量化级别下最低只需 6GB 显存）。ChatGLM-6B 使用了和 ChatGPT 相似的技术，针对中文问答和对话进行了优化。经过约 1T
最新人机对话工具：GPT4介绍（ChatGPT升级版 支持图片且更智能）
今天偶然发现期待已久的GPT-4发布了，比上一版的ChatGPT（GPT-3.5）性能还好，最主要是支持图片输入，就增加了很多新的场景
GPT-4介绍＆api申请（Chatgpt plus）
GPT-4 由于其更广泛的一般知识和解决问题的能力，可以更准确地解决难题。Openai官网GPT4GPT4 Api候补ChatGPT Plus可直接使用。New Bing后续也会接入GPT-4。
人工智能-10种机器学习常见算法
机器学习是目前行业的一个创新且重要的领域。今天，给大家介绍机器学习中的10种常见的算法，希望可以帮助大家适应机器学习的世界。1、线性回归线性回归(Linear Regression)是目前机器学习算法中最流行的一种，线性回归算法就是要找一条直线，并且让这条直线尽可能地拟合散点图中的数据点。它试图通过
gma 教程 | 气候气象 | 计算标准化降水指数（SPI）
【基于 Excel 降水和蒸散数据计算 SPI】【基于 GTiff 栅格降水和蒸散数据计算 SPI】
Softmax分类器及交叉熵损失（通俗易懂）
简单的说,softmax函数会将输出结果缩小到0到1的一个值，并且所有值相加为1，cross-entropy一般再softmax函数求得结果后再用，
干货 | 阻抗与导纳控制：一种使机器人刚中带柔的控制方法
“本期技术干货，我们邀请到了小米机器人实验室工程师任赜宇，和大家分享在机器人力控方法中最为经典的一类控制方法，即阻抗与导纳控制。”一、前言在传统机器人尤其是工业机械臂的应用中，机器人通常都是运行在固定的位置轨迹下，再加上机器人的本体设计多由高强度的铝合金以及高减速比的谐波减速器构成，因此机器人多呈现
一文了解GPU并行计算CUDA
一、CUDA和GPU简介；二、GPU工作原理与结构；2.1、基础GPU架构；2.2、GPU编程模型；2.3、软件和硬件的对应关系；三、GPU应用领域；四、GPU+CPU异构计算；五、MPI与CUDA的区别。
GAN(生成对抗网络)Matlab代码详解
这篇博客主要是对GAN网络的代码进行一个详细的讲解：首先是预定义：clear; clc; %%%clc是清除当前command区域的命令,表示清空,看着舒服些 。而clear用于清空环境变量。两者是不同的。%%%装载数据集train_x=load('Normalization_wbc.txt');%
特征匹配算法GMS(Grid-based Motion Statistics)理论与实践
GMS一种基于运动统计的快速鲁棒特征匹配过滤算法，能明显地改善匹配结果，目前已经集成进入OpenCV之中
主动学习(Active Learning，AL)的理解以及代码流程讲解
针对有监督的学习任务，存在标记成本较为昂贵且标记难以大量获取的问题。 在此问题背景下，主动学习（Active Learning, AL）尝试通过选择性的标记较少数据而训练出表现较好的模型。主动学习的工作流程的关键是选择模型、使用的不确定性度量以及应用于请求标签的查询策略。主要步骤为：收集数据、建立模
从零开始完成YOLOv5目标识别（三）用PyQt5展示YOLOv5的识别结果
用pyqt5实现yolov5图像、视频和摄像头的实时监测
深度学习：交叉验证（Cross Validation）
将原始数据随机分为两组，一组做为训练集，一组做为验证集，利用训练集训练分类器，然后利用验证集验证模型，记录最后的分类准确率为此分类器的性能指标。好处：处理简单，只需随机把原始数据分为两组即可坏处：但没有达到交叉的思想，由于是随机的将原始数据分组，所以最后验证集分类准确率的高低与原始数据的分组有很大的
【事件图谱】事件抽取与事件关系抽取
本文简单介绍了事件抽取任务和事件之间的几种关系。并根据现在的研究介绍了几种事件抽取和关系抽取的方法。最后简单盘点了事件抽取的研究的发展趋势。
神经网络算法基本原理及其实现
目录背景知识人工神经元模型激活函数网络结构工作状态学习方式BP算法原理算法实现（MATLAB）背景知识在我们人体内的神经元的基本结构，相信大家并不陌生，看完下面这张图，相信大家都能懂什么是人工神经网络？人工神经网络是具有适应性的简单神经元组成的广泛并互连的网络，它的组织能够模拟生物神经系统对真实世界
计算机视觉中的注意力机制
注意力机制（Attention Mechanism）源于对人类视觉的研究。 在认知科学中，由于信息处理的瓶颈，人类会选择性地关注所有信息的一部分，同时忽略其他可见的信息。 上述机制通常被称为注意力机制。 人类视网膜不同的部位具有不同程度的信息处理能力，即敏锐度（Acuity），只有视网膜中央凹部位具
Python图像识别-Opencv05 色彩
本文阐述了图像色彩的部分基础理论，并且如何使用Opencv包进行简单的色彩空间转换
【全国一等奖】F题：智能送药小车，2021年全国大学生电子设竞赛
01前 言大家好，我是张巧龙，今天给大家带来关于21年F题的分享：智能送药小车，出了这个题目之后，咋一看，好像比较简单。不过大家慢慢做，越往后做越发现，坑越来越多。第一个问题：数字识别率...
Python-实战：基于白鲸BWO算法的VMD超参数优化
其灵感来源于白鲸的群体觅食行为，具有3个阶段，分别是：探索、开发、鲸落，如下。当分解数K较小时，可能导致信号分解不足，趋势项中混入其他干扰项，导致包络熵值变大。因此，将分解出的IMF中的最小的那个熵（局部包络熵）最小化时，VMD分解为最佳。因此，应用VMD对信号进行分解后，计算每个子序列的包络值，包
【跟着ChatGPT学深度学习】ChatGPT带我学情感分析
情感分析是一种自然语言处理技术，旨在识别、提取和量化文本中的情感信息。它可以帮助人们了解一段文本的情感倾向，例如积极、消极或中性。情感分析可以用于分析社交媒体上的评论、产品评论、新闻文章、客户反馈等各种文本数据，以便企业和个人了解他们的客户和受众的情感状态和反应。在情感分析中，通常会使用一些机器学习
