2022年12月编程语言排行榜，数据来了！
2022年迎来了最后一个月，我们可以看到，在这一年中编程语言起起伏伏，有的语言始终炙手可热，而有的语言却逐渐“没落”......日前，全球知名TIOBE编程语言社区发布了12月编程语言排行榜，有哪些新变化？下面和播妞一起来看看吧！TIOBE 12月Top15编程语言：Python语言TIOBE指数趋
【基于ChatGPT+Python】快速打造前后端分离的OpenAI人工智能聊天机器人
ChatGPT是一款基于GPT-3模型的聊天机器人，它可以模拟人类的聊天方式，让用户可以与聊天机器人进行自然的聊天对话。ChatGPT使用GPT-3模型来生成聊天响应，它可以根据用户输入的上下文来生成准确的聊天响应，并且可以记忆用户的话语，以便更准确地理解用户的话语。ChatGPT还可以学习用户的语
人工智能：分享五个目前最火的ChatGPT开源项目
今天给大家分享五个ChatGPT开源项目，感兴趣的可以来试一试！
pytorch-lightning安装
一般pytorch-lightning 需要torch版本≥1.8.0。在安装pytorch-lightning时一定注意自己的torch是pip安装还是conda安装，两者要保持一致，不然会导致安装pytorch-lightning时会直接卸载掉你的torch，安装cpu版本的torch。http
基于Wav2Lip的AI主播
现在市面上的各种AI主播产品，基本都是基于现有的人物造型，其中包括3D动漫，真人，二次元等等，然后通过对口型的方式进行的，但是这个会有一个问题，对于这种AI主播有个名词叫虚拟数字人，虽然虚拟数字人没有肖像权的问题，但是存在软件著作权的问题，现在都是购买会员免费试用，但是也容易出现很多问题，不如用自己
中国区使用Open AI账号试用Chat GPT指南
ChatGPT使用指南，opernAI
Faster-RCNN详解（个人理解）
这是我在学习Faster-RCNN的原理时做的学习总结，个人感觉还是比较详细的。
Mask R-CNN讲解
Mask R-CNN最全讲解
Diffusion models代码实战：从零搭建自己的扩散模型
这个系列曾经写过三篇文章专门讲代码，分别从数据集、超参数、loss设计、参数计算、Unet结构、正向过程、逆向过程等部分详细介绍了如何搭建DDPM。Diffusion models领域发展神速，最近半年代表作品有OpenAI的GLIDE、DALL-E 2，Google Brain的ImageGen，
图像多尺度特征融合、特征金字塔总结
图像多尺度特征融合、特征金字塔总结
目标检测-＞SSD算法
目标检测算法总体分为：基于区域的算法和基于回归的算法1）基于区域的算法： RCNN, Fast RCNN, Faster RCNN, Mask RCNN 等。整个检测过程分为两个阶段。在第一个阶段，检测器需要找到一些假设的区域 (ROI)；在第二个阶段，检测器需要在这些假设区域上进行分类 (clas
保姆级高通AEC9调试指南（看完可解决80%AE相关问题）
camera 高通 ISP调试 AEC
YOLOv5中的CSP结构
深度学习入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。目录一、背景知识 -- CSPNet二、CSP结构分析1、总括2、CSP1_X结构3、CSP2_X三、源码分析（内含注释分析）一、背景知识 -- CSPNet有关CSPNet的介绍分析可以
【YOLOv7改进轻量化】第一章——引入轻量化骨干网络MobileOne
YOLOv7轻量化之MobileOne，原理+完整代码实现
人工智能能否在翻译中胜过人类？
虽然人工智能一直在帮助人们在世界上导航已有一段时间，但最近，它开始影响翻译行业。几年来，围绕人工智能翻译有很多炒作。谷歌和必应等科技巨头已经证明，仅使用一台计算机就可以以几乎人类水平的准确度翻译多种语言的文本。这是一个重大突破，只有通过新的研究和创新的人工智能工具才能变得更好。换言之，翻译行业正因人
OpenAI ChatGPT 人工智能机器人注册使用，能以中文对答如流的机器人
Open GhatGPT简介，马斯克与ChatGPT，中国大陆如何使用ChatGPT以及注册方法，ChatGPT是否通过了图灵测试，使用ChatGPT过程中的错误以及解决办法
GitHub Copilot最详细教程
GitHub Copilots注册教程，让你体验AI帮你写代码。
计算机视觉框架OpenMMLab开源学习（三）：图像分类实战
本篇主要偏向图像分类实战部分，使用MMclassification工具进行代码应用，熟悉其框架应用，为后续处理不同场景下分类问题提供帮助。
物联网协议概述
CoAP&MQTT 协议概述
PatchCore原理与代码解读
随机下采样会丢失 \(\mathcal{M} \) 中的有用信息，本文使用coreset subsampling方法来减小 \(\mathcal{M} \)，coreset selection旨在找到一个子集 \(\mathcal{S}\subset \mathcal{A}\)，对于通过 \(\m
