深度学习visio作图技巧
不显示跨线：设计→连接线，取消显示 跨线的勾选。
图卷积神经网络GCN及其Pytorch实现
ICLR作为机器学习方向的顶会，最近看了ICLR2023 Openreview的论文投稿分析，通过2022和2023年论文关键词、标题高频词等信息的可视化比较。根据前十的关键词频率排名频率来看，基本上和去年保持一致，大火的领域依旧大火。但是可以明显看到前五名关键词的频率差距逐渐减少。有意思的是这一关
[机器学习、Spark]Spark MLlib分类
线性支持向量机在机器学习领域中是一种常见的判别方法，是一一个有监督学习模型,通常用来进行模式识别，分类以及回归分析。通过找到支持向量从而获得分类平面的方法，称为支持向量机。可以非常成功地处理回归（时间序列分析）和模式识别（分类问题、判别分析）等诸多问题，并可推广到预测和综合评价等领域，因此可应用于理
最新CUDA/cuDNN与Pytorch保姆级图文安装教程(速查字典版)
最新CUDA/cuDNN与Pytorch保姆级图文安装教程：CUDA下载、安装、多版本切换、卸载；解析CUDA、cuDNN、NVIDIA驱动、Pytorch间的版本对应关系
【自然语言处理（NLP）】基于FNN网络的电影评论情感分析
【自然语言处理（NLP）】基于FNN网络的电影评论情感分析，基于百度飞桨开发，参考于《自然语言处理实践》所作。
opencv训练自己的模型，实现特定物体的识别
opencv安装包中有训练好的分类器文件，可以实现人脸的识别。当然，我们也可以训练自己的分类器文件，实现对特定物体的识别。本文章就详细介绍下如何训练自己的分类器文件。
Bishop 模式识别与机器学习读书笔记_ch1.1 机器学习概述
Bishop著作 《Pattern Recognition and Machine Learning》 读书笔记
数字图像处理——基本运算
相邻像素(对于像素p(m,n))像素邻接：像素的相邻仅说明了两个像素在位置上的关系，若再加上取值相同或相近，则称两个像素邻接。
【自然语言处理（NLP）】基于PaddleNLP的短文本相似度计算
【自然语言处理（NLP）】基于PaddleNLP的短文本相似度计算，基于百度飞桨开发，参考于《自然语言处理实践》所作。
AI：ModelScope(一站式开源的模型即服务共享平台)的简介、安装、使用方法之详细攻略
ModelScope旨在打造下一代开源的模型即服务共享平台，汇集了行业领先的预训练模型，减少了开发者的重复研发成本。个人认为，相比于AI公司经常卖一款软件产品或者卖一个算法需求，而ModelScope更偏向于某种功能(model端到端)实现，初级AI从业者也能很容易实现大模型，有点低代码的感觉。当前
打破AI算力成本困局 趋动科技即将重磅发布全球首个AI算力池化云服务
打破AI算力成本困局 趋动科技即将重磅发布全球首个AI算力池化云服务
基于Matlab使用激光雷达检测分类跟踪车辆仿真（附源码）
此示例演示如何使用安装在 ego 车辆上的激光雷达传感器捕获的激光雷达点云数据来检测、分类和跟踪车辆。此示例中使用的激光雷达数据是从高速公路驾驶方案中记录的。在此示例中，对点云数据进行分段，以确定使用网络的对象类别。具有交互式多模型滤波器的联合概率数据关联（JPDA）跟踪器用于跟踪检测到的车辆。一、
AI 杀疯了，NovelAI开源教程
NovelAI杀疯了，安装教程安排！
数据挖掘-数据的预处理（三）
准备数据:如何处理出完整、干净的数据?原始的数据本身也存在着各种各样的问题：如不够准确、格式多样、部分特征缺失、标准不统一、特殊数据、错误数据等。
人工智能基础：机器学习常见的算法介绍
监督学习是机器学习当中非常常见的一种机器学习类型，就是在已知输入输出的情况下训练出一个模型，并且将输入映射输出。特点：给出了学习目标（比如实际值、标注等等）。监督学习根据目标结果是离散还是连续，又可以把监督学习划分为分类和回归。
人工智能基础：人工智能云服务（Alaas）介绍
人工智能云服务（AI as a Service ）是目前主流的人工智能平台的服务方式，它会把几个常见的人工智能服务进行准确划分，并通过云端提供单独或者打包的服务。模式类似于WordPress中的博客有很多在线的插件，用户可以根据自己的需要免费或者付费的方式下载并安装自己需要的博客插件。国内常见的案例
最适合新手的100个深度学习实战项目
本专栏整理了《PyTorch深度学习项目实战100例》，内包含了各种不同的深度学习项目，包含项目原理以及源码，每一个项目实例都附带有完整的代码+数据集。
算法是什么，为什么需要算法
数据结构是程序的骨架，算法是程序的灵魂。
基于opencv的人脸检测
这篇文章，让你用短短的16行代码基于opencv检测一张图片上的人脸，很有意思，快快学起来吧！
改进YOLOv5 | GSConv+Slim-neck 减轻模型的复杂度同时提升精度 | 附4套改进方式模板
GSConv+Slim-Neck助力YOLOv5涨点
