Transformer模型入门详解及代码实现
本文对Transformer模型的基本原理做了入门级的介绍，意在为读者描述整体思路，而并非拘泥于细微处的原理剖析，并附上了基于PYTORCH实现的Transformer模型代码及详细讲解。
浅谈人工智能时代下的工程伦理问题
人工智能伦理的场景源于道德技术和原则体系，这些技术和原则是为人工智能的发展和负责任地使用而确定的。人工智能代码伦理的结果已经揭示为生活各个领域服务和产品的一个组成部分。人工智能伦理的另一个定义术语是人工智能价值平台;这是一份政策声明，阐述了人工智能参与人类世代发展的过程。该目标道德准则旨在为利益相关
clip预训练模型综述
CLIP是一个预训练模型，就像BERT、GPT、ViT等预训练模型一样。首先使用大量无标签数据训练这些模型，然后训练好的模型就能实现，输入一段文本（或者一张图像），输出文本（图像）的向量表示。CLIP和BERT、GPT、ViT的区别在于，CLIP是多模态的，包含图像处理以及文本处理两个方面内容，而B
基础的强化学习(RL)算法及代码详细demo
基础的强化学习算法及代码详细demo
梯度下降算法(Gradient descent)
人工智能基础算法 梯度下降算法Gradient descent
【关系抽取】深入浅出讲解实体关系抽取（介绍、常用算法）
关系抽取（Relation Extraction，简称RE）的概念是1988年在MUC大会上提出，是信息抽取的基本任务之一，目的是为了识别出文本实体中的目标关系，是构建知识图谱的重要技术环节。知识图谱是语义关联的实体，它将人们对物理世界的认知转化为计算机能够以结构化的方式理解的语义信息。关系抽取通过
yolov5模型压缩之模型剪枝
稀疏剪枝
保姆级Gmapping算法介绍到复现
1.概述本文主要是学习SLAM过程中，记录下我复现Gmapping算法的过程，包括我遇到的各种问题，以便后续自己复习，也希望能对大家有所帮助，在此，也感谢很多CSDN的前辈的文章，给了我很多帮助，在此致谢。2.下载Gmapping源代码安装编译所需要的依赖包sudo apt-get install
AI画师技术又精进了? AI画师三维版试玩——Dreamfields和DreamFusion向文本生成3D模型领域进发
自从文本引导的图像生成模型火了以后，画家群体迅速扩张，不会用画笔的人也能发挥想象力进行艺术创作。那么对于文本生成3D这个新的领域，未来AI用于模型设计辅助的潜力也是值得期待，不仅能帮助画师进行设计，也许还能帮助建模师/设计师进行3D建模、产品设计、学术建模、建筑设计、元宇宙开发等等，潜力无限，为何不
Windows上的实用CMD命令
Windows上的实用CMD命令
如何在自己电脑上配置开发深度学习项目(windows)
进入conda安装目录下的envs --> 选择之前创建的虚拟环境对应的文件夹 --> 选择python.exe。该命令会通过 Conda 的 PyTorch 通道安装兼容 CUDA 的 PyTorch。这里因为我目前需要，用python3.7创建的，没要求的话小括号可以不写。conda是一个类似p
人工智能导论——遗传算法求解TSP问题实验
一、实验目的：熟悉和掌握遗传算法的原理、流程和编码策略，并利用遗传算法求解组合优化问题，理解求解TSP问题的流程并测试主要参数对结果的影响。二、实验原理：旅行商问题，即TSP问题（Traveling Salesman Problem）是数学领域中著名问题之一。假设有一个旅行商人要拜访n个城市，他必须
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。
AI 实战篇 ｜十分钟学会【动物识别】，快去寻找身边的小动物试试看吧【送书】
以前一直觉得一些AI技术非常的高级又复杂，但是到了现在这些技术其实已经早就被日常规范化了。我们只需要借助一些平台封装好的SDK就可以拿来直接使用相应的功能。比如上期写了一篇借助百度AI开放平台 写了一篇关于人脸识别的文章：AI 实战篇 ｜基于 AI开放平台实现 人脸识别对比 功能，超详细教程【附带源
【通信原理】揭开傅里叶级数与傅里叶变换的神秘面纱
傅里叶变换和傅里叶级数是有史以来最伟大的数学发现之一。它们可以帮助我们将函数分解成其基本成分。它们揭示了任何数学函数的基本模块，但是傅里叶分析的公式对于连高数中sin2x的积分都不熟悉的工科白菜来说简直就是连多看它一样的勇气都没有，我想这就是为什么复杂的傅里叶分析成为大学中通信专业的疑难杂症的主要原
YOLOv5改进之七：损失函数改进
前 言：作为当前先进的深度学习目标检测算法YOLOv5，已经集合了大量的trick，但是还是有提高和改进的空间，针对具体应用场景下的检测难点，可以不同的改进方法。此后的系列文章，将重点对YOLOv5的如何改进进行详细的介绍，目的是为了给那些搞科研的同学需要创新点或者搞工程项目的朋友需要达到更好的效
史上最全学习率调整策略lr_scheduler
学习率是深度学习训练中至关重要的参数，很多时候一个合适的学习率才能发挥出模型的较大潜力。所以学习率调整策略同样至关重要，这篇博客介绍一下Pytorch中常见的学习率调整方法。
YOLOV7开源代码讲解--训练参数解释
本文章是对yolov7开源代码中训练部分的参数进行解释，方便在训练中更直观的理解，可以更换的使用各个功能，完成最终的“炼丹”
自注意力机制(Self-Attention)
自注意力机制
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
