【达摩院OpenVI】开源体验AI云台，去视频抖动
本文介绍AI开源能力对抖动的视频进行稳像，达到清晰稳定的效果。在ModelScope魔搭平台上开源了DUT-RAFT视频稳像算法，几行代码即可调用，无需复杂的操作，也无需复杂的输入。鼠标一点即可畅快体验让视频变稳定的AI“魔法”。
BERTopic：NLP主题模型的未来！
文| ZenMoore编| 小轶以前我一直以为，主题建模(提取文档的主题词)这种机器学习时代就开始研究的基础工具，现在肯定已经到头了，虽然...有时效果可能不是那么让人满意。但突然看到一则推文：“彻底疯了！不需要预先清洗数据，就能够快速拿到质量难以置信的主题！” “NLP 主题模型的未来！”好家伙！
优化GPU显存不足，提高GPU利用率
1 常用GPU显存不足时的各种Trick1)监控GPU2）估计模型显存3）显存不足时的Trick4）提高GPU内存利用率2 数据处理及算法角度改善（以医学图像分割算法为例）1 常用GPU显存不足时的各种Trick1)监控GPU 监控GPU最常用的当然是nvidia-smi，但有一个工具能够更好的
安装mmdetection进行测试不出图片和报错记录
mmdetection安装测试出现warning和结果不出图
D435i相机的标定及VINS-Fusion config文件修改
D435i相机的标定及VINS-Fusion config文件修改
时间序列预测
简单来说，时间序列是按照时间顺序，按照一定的时间间隔取得的一系列观测值，比如我们上边提到的国内生产总值，消费者物价指数，利率，汇率，股票价格等等。时间间隔可以是日，周，月，季度，年等。那么如何进行时间序列分析分析呢？通常来说我们尝试找出序列值在过去所呈现的特征模式，假定这种模式在未来能够持续，进而对
Yolov5 计算访存量MAC与计算量FLOPS
Yolov5 计算访存量MAC与计算量FLOPS
通过百度文心一言大模型作画尝鲜，感受国产ChatGPT的“狂飙”
3月16日下午，百度于北京总部召开新闻发布会，主题围绕新一代大语言模型、生成式AI产品文心一言。百度创始人、董事长兼首席执行官李彦宏，百度首席技术官王海峰出席，并展示了文心一言在文学创作、商业文案创作、数理推算、中文理解、多模态生成五个使用场景中的综合能力。咱们通过代码调用实现AI作画的功能，可以看
用YOLOv8推荐的Roboflow工具来训练自己的数据集
总而言之，Roboflow是一种非常有用的工具，它提供了一种简单的方式来调整训练数据，使其能够更好地适应YOLOv8的要求，帮助我们更轻松地准备YOLO v8所需的训练数据。用验证后的训练集模型预测新数据，需要先收集和我们的数据集相关的同类型图片，做成新的文件夹，图片大小和格式保持与之前的数据集图片
【自然语言处理】【ChatGPT系列】Chain of Thought：从大模型中引导出推理能力
语言模型为自然语言处理带来了革命，而扩大语言模型规模可以提高下游任务效果、样本效率等一系列的好处。然而，单纯扩大语言模型的尺寸并不能够使算术、常识和符号推理获得更好的表现。文本尝试使用简单的方法来解锁大规模语言模型的推理能力，该方法主要来自于两个想法：(1) 算术推理能够从自然语言论据中受益，从
ChatGPT OpenAI 人工智能语言处理工具
ChatGPT是由人工智能研究实验室OpenAI在2022年11月30日发布的全新聊天机器人模型，一款人工智能技术驱动的自然语言处理工具。它能够通过学习和理解人类的语言来进行对话，还能根据聊天的上下文进行互动，真正像人类一样来聊天交流，甚至能完成撰写邮件、视频脚本、文案、翻译、代码等任务。ChatG
使用 Diffusers 通过 DreamBooth来训练 Stable Diffusion
介绍我们的发现和一些小技巧来帮助你在用 DreamBooth 微调 Stable Diffusion 的时候提升结果。
ViT: Vision transformer的cls token作用？
一文普及ViT: Vision transformer的cls token作用？够全面
Python：七段数码管绘制数字详解及问题分析
七段数码管绘制数字详解七段数码管由七段数码管拼接而成，每段有亮或不亮两种情况。这里，先给出程序的全部代码，如下图所示。基本思路步骤1:绘制单个数字对应的数码管步骤2:获得一串数字，绘制对应的数码管步骤3:获得当前系统时间，绘制对应的数码管步骤1:首先，七段数码管有一定顺序-七段数码管由7个七段数码管
踩坑总结！Windows系统安装CUDA、cuDNN
windows系统安装CUDA和cuDNN
【实体识别】深入浅出讲解命名实体识别（介绍、常用算法）
命名实体识别（Named Entity Recognition, 简称NER）（也称为实体识别、实体分块和实体提取）是信息提取的一个子任务，旨在将文本中的命名实体定位并分类为预先定义的类别，如人员、组织、位置、时间表达式、数量、货币值、百分比等。命名实体识别是自然语言处理中的热点研究方向之一， 目的
【YOLO系列】YOLOv5、YOLOX、YOOv6、YOLOv7网络模型结构
YOLOv5、YOLOX、YOLOv6、YOLOv7模型结构图
利用pytorch 模型载入部分权重
本文介绍如何在pytorch中载入模型的部分权重第1个常见的问题: 在分类网络中，当载入的预训练权重的全连接层与我们自己实例化模型的节点个数不一样时，该如何载入？比如在花卉数据集分类时只有5类，所以最后一层全连接层节点个数为5，但是我们载入的预训练权重是针对ImageNet-1k的权重,它的全连接层
Opencv（C++）系列学习---opencv_contrib安装
本文简单介绍了opencv_contrib的作用，已经配置过程。
