【自然语言处理（NLP）】基于序列到序列的中-英机器翻译
【自然语言处理（NLP）】基于序列到序列的中-英机器翻译，基于百度飞桨开发，参考于《自然语言处理实践》所作。
你就想这样一辈子躺平，还是改变这个世界？
武林高手将自己毕生绝学刻在山洞里，几百年后，一个年轻人路过，学了山洞里的绝学，横空出世成为武林中一位高手。绝顶聪明的商人自己写一本书，将自己毕生的智慧和经验都总结在书里面。通过出版社将书卖到全世界，每个购买书的年轻人，看了那本书都有不少收获。其中还有不少人受到启发，总结成自己一套体系理论，横空出世成
OpenCV实战案例——车道线识别
方法：在图像中，黑色表示0，白色为1，那么要保留矩形内的白色线，就使用逻辑与，当然前提是图像矩形外也是0，那么就采用创建一个全0图像，然后在矩形内全1，之后与之前的canny图像进行与操作，即可得到需要的车道线边缘。TIPs:使用霍夫变换需要将图像先二值化。
自然语言处理之入门必学案例100例
自然语言处理之入门必学案例100例nlp自然语言处理之入门必学案例100例nlp自然语言处理之入门必学案例100例
微信版大语言模型来了：跨时空对话李白、教你高情商说话，API在线试玩全都有...
鱼羊 梦晨 发自 凹非寺量子位 | 公众号 QbitAI大规模语言模型，微信版，来了！并且甫一登场，就没藏着掖着：论文、API接口、在线试玩网站……一条龙全都齐备。续写文本、阅读理解等常规任务就不说了，这个名叫WeLM的AI，竟然直接让我和李白跨时空聊起了杜甫：我：现在有一首关于你的歌，其中一句歌词
22下半年：来长沙建第二支团队，与所读的30本书(含20本哲学书单/笔记)
自从之前写了这三篇文章：《我的求学十年(00至10)》、《我的十年青春(10至20)》、《20 21九死一生、22上半年读20本书》之后，我便决心每隔半年便把过程中的创业历程与读书笔记记录下来，一为不断反思，二 也为自己的人生做个见证，见证自己始终在不断的创造价值、造福社会、推动社会，也算不枉此生。
利用yolov5进行目标检测，并将检测到的目标裁剪出来
写在前面：关于yolov5的调试运行在这里不做过多赘述，有关yolov5的调试运行请看：本文章主要讲解的是裁剪。需求：识别图片中的人物并将其裁剪出来如果只需识别人物的话，那么只需在yolov5中设定参数即可，例如使用命令行运行时：即为将参数设置为只识别人。此外需要将检测到的目标裁剪出来还需要目标的中
一个算法模型搞定千万种场景，人工智能领域出现一匹黑马
明敏 发自 凹非寺量子位 | 公众号 QbitAI不知不觉，AI技术的渗透，已经开始超出人们的想象。去医院照个CT，都有AI作为双重保障，通过视频画面动作识别，确定病人在进入机器前已经得到有效保护。还有流水线产品是否有瑕疵，公共场所人们是否戴了口罩，工人是否佩戴安全帽、后厨是否达到“明厨亮灶”、应急
【网站】分享几组政府金融网站清单，收藏关注一波后期用到不用愁
网站地址集合，搜索查找
关于生产报表工具—行列视（RCV）的答疑
行列视（RCV）生产数据应用系统是由青岛国瑞信息技术有限公司自主研发的一套以实时数据库+人工填报数据为主要数据来源的自助式、自动化、智能化、可视化生产数据应用系统。
pytorch 实现逻辑回归
简单说明一下任务，想在一个正方形的区域内生成若干点，然后手工设计label，最后通过神经网络的训练，画出决策边界假设：正方形的边长是2，左下角的坐标为（0，0），右上角的坐标为（2，2）然后我们手工定义分界线 y = x ，在分界线的上方定义为蓝色，下方定义为红色。
微信推出自研NLP大规模语言模型WeLM，现已开放API推动应用落地
NLP大模型迎来新选手，微信推出自研NLP大规模语言模型WeLM
做研究，我们为什么要读综述？
关注公众号，发现CV技术之美以论文《Video Transformers: A Survey》（综述Transformer技术在视频领域的发展）为例。综述论文是一段故事，让你知道技术的发展脉络：综述论文是一份入门指南，从基础知识讲起：宏观上让你把握技术轮廓：综述是解牛的“庖丁”，带你拆解算法内部的“
CSDN独家 | 全网首发 | 《计算机视觉基础知识蓝皮书》目录
本专栏将系统性地讲解计算机视觉基础知识、包含第1篇机器学习基础、第2篇深度学习基础、第3篇卷积神经网络、第4篇经典热门网络结构、第5篇目标检测基础、第6篇网络搭建及训练、第7篇模型优化方法及思路、第8篇模型超参数调整策略、第9篇模型改进技巧、第10篇模型部署基础等，全栏文章字数10万+，篇篇精品，让
[推荐系统] 1. 深度学习与推荐系统
推荐系统
经典图像去噪算法概述
基于梯度先验去噪方法的重点是局部特征，而忽略图像的全局结构。上面问题可以由Y的奇异值分解解决，由于奇异值分解的能量压缩性质，信息的主要能量都集中在少数几个较大的奇异值上，而较小的奇异值对应于噪声子空间，将它们设置为零可以得到去噪后的低秩矩阵，问题的关键是如何确定阈值来区分信号与噪声，太大的阈值会使图
在线薅 达摩院-人工智能训练师（高级）证书
人工智能训练师（高级）
【计算机视觉】图像分割与特征提取——频域增强（低通滤波&高通滤波）
主要介绍图像频域的概念以及低通滤波以及高通滤波的相关概念
时间序列分析中最值得推荐的10个 Python 库
Python中有许多可用的时间序列预测库(比我们在这里介绍的更多)。每个库都有自己的优缺点，因此根据自己的需要选择合适的是很重要的。如果你有什么更好的推荐，请留言告诉我们。
搞AI开发，你不得不会的PyCharm技术
PyCharm在AI项目开发提供了优秀的代码编辑、调试、远程连接和同步能力，在开发者中广受欢迎。
