什么是ChatGPT？
ChatGPT就是聊天机器人。
ChatGPT技术介绍
ChatGPT 技术使用了大量的训练数据和高效的训练算法，来训练模型，从而生成高质量的自然语言文本和回答各种问题。ChatGPT 技术是一种基于深度学习的自然语言处理技术，它基于大规模的语料库和神经网络模型，能够生成高质量的自然语言文本和回答各种问题。它使用大规模的语料库和神经网络模型，通过对大量语
【CV】Latent diffusion model 扩散模型体验
稳定扩散模型则基于传统的数学模型，具有较好的稳定性和可解释性。不需要大量的训练数据和计算资源，可以从少量的数据中学习并进行预测。稳定扩散模型还可以通过调整模型参数来控制模型的灵敏度和鲁棒性，以适应不同的数据分布和噪声情况。稳定扩散模型在计算机视觉领域具有一定的优势，可以用于物体和目标识别、跟踪和预测
Batchsize的大小怎样设置？Batchsize过大和过小有什么影响
Batchsize的大小怎样设置？Batchsize过大和过小有什么影响。batch_size：表示单次传递给程序用以训练的数据（样本）个数。如果我们的数据集钟含有的样本总数为12800个样本，batch_size=128，那么就需要10个batch才能够训练完一个epoch。
云GPU（恒源云【不推荐】）训练的具体操作流程
主要介绍一下如何使用云服务器平台训练网络，包括pycharm配置、数据传输、服务器如何使用等
基于Python实现的机器人自动走迷宫
机器人自动走迷宫一 题目背景1.1 实验题目在本实验中，要求分别使用基础搜索算法和 Deep QLearning 算法，完成机器人自动走迷宫。图1 地图（size10）如上图所示，左上角的红色椭圆既是起点也是机器人的初始位置，右下角的绿色方块是出口。游戏规则为：从起点开始，通过错综复杂的迷宫，到达目
PyTorch深度学习实战 | 神经网络的优化难题
即使我们可以利用反向传播来进行优化，但是训练过程中仍然会出现一系列的问题，比如鞍点、病态条件、梯度消失和梯度爆炸，对此我们首先提出了小批量随机梯度下降，并且基于批量随机梯度下降的不稳定的特点，继续对其做出方向和学习率上的优化。
PyTorch使用多GPU并行训练及其原理和注意事项
PyTorch使用多GPU并行训练及其原理和注意事项
从0开始搭建深度学习环境-Pytorch-GPU
深度学习环境搭建Anaconda-Python3.9——开源的Python 发行...Anaconda的安装Conda——包含在Anaconda中CUDA和CUDNN——GPU复杂计算架构和DNN...对CUDN和CUDNN的理解CUDA的安装CUDNN的安装Pytorch深度学习框架(模型库/积木
机器学习中的数学原理——精确率与召回率
详解精确率和召回率，通过这篇博客，你将清晰的明白什么是精确率、召回率。这个专栏名为白话机器学习中数学学习笔记，主要是用来分享一下我在 机器学习中的学习笔记及一些感悟，也希望对你的学习有帮助哦！感兴趣的小伙伴欢迎私信或者评论区留言！这一篇就更新一下《 白话机器学习中的数学——精确率与召回率》
BP神经网络的诊断分类（初学者+matlab代码实现）
初学者推荐，bp神经网络的实现
Grad-CAM源码保姆级讲解（pytorch）
Grad-CAM源码保姆级详解。
3DCNN概述及3DCNN与2DCNN的区别
对3DCNN有关知识进行了解和梳理。这篇博客主要介绍了3DCNN的概念、3DCNN工作原理以及3DCNN与2DCNN的区别。
Linux的虚拟环境下安装GPU版本的torch、torchaudio、torchvision详细过程
如何在ubuntu上新建虚拟环境，以及如何安装对应版本的GPU的torch、tochvision、torchaudio
【深度学习】模型过拟合的原因以及解决办法
不要过度训练，提前结束训练early-stopping：训练时间足够长，模型就会把一些噪声隐含的规律学习到，这个时候降低模型的性能是显而易见的。第3组模型过拟合：模型复杂度过高，抽象出的数学公式非常复杂，很完美的拟合训练集的每个数据，但过度强调拟合原始数据。第1组模型欠拟合：模型复杂度过低，抽象出的
深度学习可视化工具visdom使用
#11.1 vidsom介绍visdom的github主页：https://github.com/fossasia/visdomvisdom中文文档参考：https://ptorch.com/news/77.htmlVisdom是一个灵活的工具，用于创建，组织和共享实时丰富数据的可视化，支持：Tor
【光流估计】无监督学习的LOSS
无监督光流估计中损失函数的相关内容与个人理解
惯性导航定位技术
惯性导航系统是一种不依赖于外部信息，也不向外部辐射能量的自主式导航系统[15]。其主要由惯性测量单元、信号预处理和机械力学编排3个模块组成，如图3-7所示。一个惯性测量单元包括3个相互正交的单轴加速度计(Accelerometer)和3个相互正交的单轴陀螺仪(Gyroscopes)。惯性测量单元结构
ConvNeXt-教你如何改模型
ConvNeXt的出现证明，并不一定需要Transformer那么复杂的结构，只对原有CNN的技术和参数优化也能达到SOTA，未来CV领域，CNN和Transformer谁主沉浮？太阳花的小绿豆。
YOLOv7训练记录——权重使用问题
YOLOv7于2022.07发布，一经发布，很多人应该有共同的想法——v7的效果是否和论文一致？v7的效果跟v5相比如何?此贴记录自己YOLOv7的训练过程。
