《大数据导论》之数据生命周期和数据使用
《大数据导论》之数据生命周期和数据使用
ParC-Net 论文详解
ECCV 2022 || ParC-Net 一种超越MobileViT的pure ConvNet
【Pytorch深度学习实战】（10）生成对抗网络（GAN）
第一步我们训练D，D是希望V(G, D)越大越好，所以是加上梯度(ascending)。第二步训练G时，V(G, D)越小越好，所以是减去梯度(descending)。假设我们有两个网络，G（Generator）和D（Discriminator）。G可以生成足以“以假乱真”的图片G(z)。对于D来说
联邦学习开山之作代码解读与收获
详细阅读FL代码
VS配置永久OpenCV（小萌轻松操作）：超细致
VS配置永久OpenCV（小萌轻松操作）：超细致一、 下载安装Visual Studio20221.进入：Visual Studio2022的官网，点击Community2022进行下载。2.双击运行VS2022安装包，点击继续，等待几分钟安装程序下载安装验证完毕，将会提示进入这个界面选择C++的桌
YOLOv7 Backbone| 原文源码详解
YOLOv7Backbone原文源码解读
gnss、gps、imu、rtk、ins区分及含义
1、GPS（全球卫星定位系统）是由美国国防部研制建立的一种具有全方位、全天候、全时段、高精度的卫星导航系统；能为全球用户提供低成本、高精度的三维位置、速度和精确定时等导航信息。
2023年各大学网络教育统考大学英语B统考题库及时间
各学校当次统考仅有一次答题机会，考试时间为90分钟，各科目满分均为100分，60分为合格，部分高校规定，大学英语B取得相应的成绩可免考学位英语考试（基本均需要80、85或90以上才可免考学位英语考试），在部分统考院校当中，比如江南大学和对外经济贸易大学等，如学生已报名本次考试，但无故缺考的，将做停考
stata回归？固定效应模型（组内变换OR LSDV最小二乘法）
通过在命令中加入选项“robust”可以获得White稳健标准误，可以解决异方差的问题。在命令中加入选项“cluster”可以获得Rogers标准误或聚类稳健的标准误，可以同时解决异方差和自相关两大问题。使用命令xtscc可以同时解决三大问题，提供Driscoll-Kraay标准误。
使用Python Seaborn绘制热力图（heatmap）的时候怎么改变配色
【代码】使用Python Seaborn绘制热力图（heatmap）的时候怎么改变配色。
7个角度，用 ChatGPT 玩转机器学习
大家好，我是机器学习科普创作者章北海mlpy，探索更高效的学习方法是我一直等追求。现在的初学者太幸福了，可以利用ChatGPT来帮助你学习机器学习的各个方面。请记住，ChatGPT虽然是一个非常有用的工具，但它不是万能的，也可能存在不准确或过时的信息。：询问ChatGPT关于学习机器学习的推荐资源，
computers & security投稿教程
3、需要上传这四个文件，Cover Letter：即是写给编辑的信，发表sci论文需要撰写cover letter(投稿附言)，主要是写关于稿件的说明，可以理解为是推荐自己的稿件，是展现科研成果的绝佳时刻，让期刊的编辑对论文有一个好的印象。Biographical Sketch：小传，对作者的介绍，
相机标定-张正友棋盘格标定法
(X，Y，Z)为在世界坐标系下一点的物理坐标 ( u , v ) 为该点对应的在像素坐标系下的像素坐标 引入齐次坐标的原因：引入齐次坐标的目的是为了升维，将坐标从二维坐标变为三维坐标。2.相机成像过程 相机成像系统中，共包含四个坐标系：世界坐标系、相机坐标系、图像坐标系、像素坐标系。（1）世
将时间序列转成图像——马尔可夫转移场方法 Matlab实现
马尔可夫转移场（Markov Transition Field, MTF）是基于马尔可夫转移矩阵的一种时间序列图像编码方法。该方法将时间序列的时间推移看成是一个马尔可夫过程，即：在已知目前状态的条件下，它未来的演变不依赖于它以往的演变，由此构造马尔可夫转移矩阵，进而拓展为马尔可夫转移场，实现图像编码
Yolov5_v6.2训练数据集进行预测
Yolov5_v6.2环境部署，并在云端训练自己的数据集
快速制作自己的VOC语义分割数据集
PASCAL VOC2012是语义分割任务极为重要的官方数据集，大量优秀的语义分割模型都会刷一下这个数据集，因此我们在使用别人的开源代码时，如果能将自己的数据集整理成官方数据集的格式，则可快速验证模型性能，减少自身工作量。
自然语言处理概述 NLP基本流程
自然语言处理(Natural Language Processing，NLP)是指利用计算机对自然语言的形、音、义等信息进行处理，即对字、词、句、篇章的输人、输出、识别、分析、理解、生成等进行操作和加工的过程。
跟着AI学AI(1): 线性回归模型
在线性回归中，我们的目标是找到一条直线，使得所有数据点到该直线的距离之和最小。因此，我们的目标是最小化平方误差。具体来说，我们计算损失函数对w和b的偏导数，然后将其乘以学习率并从当前w和b的值中减去。在线性回归模型中，我们使用梯度下降来找到最小化平方误差的最佳拟合直线。具体来说，我们计算损失函数对每
YOLOv5 CPU和GPU环境搭建（道路识别）
YOLOv5 CPU和GPU环境搭建（道路识别）
足球与读书——《深度学习入门：基于Python的理论与实现》读后感
日拱一卒，功不唐捐
