Ubuntu20.04安装NVIDIA显卡驱动+cuda+cudnn配置深度学习环境
1、查看系统显卡型号2、从NVIDIA官网下载相应驱动 https://www.nvidia.com/Download/index.aspx?lang=en-us3、卸载Ubuntu自带的驱动程序4、禁用自带的nouveau nvidia驱动打开/etc/modprobe.d/blacklist.c
AI：152- 利用深度学习进行手势识别与控制
AI：152- 利用深度学习进行手势识别与控制随着人工智能技术的不断发展，深度学习在手势识别与控制领域的应用越来越广泛。本文将介绍深度学习在手势识别与控制中的原理和方法，并提供一个基于深度学习的手势识别与控制的简单代码示例。人工智能技术的快速发展为人们带来了许多新的应用场景，其中之一便是手势识别与控
SiMBA：基于Mamba的跨图像和多元时间序列的预测模型
这是3月26日新发的的论文，微软的研究人员简化的基于mamba的体系结构，并且将其同时应用在图像和时间序列中并且取得了良好的成绩。
复现github深度学习代码产生问题①
因为下载github代码后需要在pycharm上运行，在打开Terminal后需要先进入虚拟环境，出现问题在Pycharm上conda activate进入虚拟环境无效，但在cmd上可以正常进入Pytorch环境，更改pycharm设置如下。在运行requirements文件时下载到一半突然出现这个
Quiet-STaR:让语言模型在“说话”前思考
本文将介绍一篇3月的论文Quiet-STaR：这是一种新的方法，通过鼓励LLM发展一种“内心独白”的形式来解决这一限制，这种基本原理生成有助于LLM通过完成任务或回答问题所涉及的步骤进行推理，最终获得更准确和结构良好的输出。
Livox HAP 一文搞定HAP激光雷达的连接和使用（详细版）
在Ubuntu系统中连接HAP雷达，包含常见问题和步骤详细，录制点云视频，bag转pcd格式
入局AI时代，先从了解AI工具入手（200 个免费的 AI 工具分享）
Clipdrop - AI 驱动的插件程序，帮助你从计算机或移动设备快速剪辑和编辑图像 ,在几分钟内将一流的 AI 集成到您的应用程序中（PS、Figma、IOS、安卓）。Character.io - 一种使用 AI 从用户照片生成自定义头像的工具 （https://characterio.neel
【Transformer系列（1）】encoder（编码器）和decoder（解码器）
一文带你学会encoder-decoder框架
使用MergeKit创建自己的专家混合模型：将多个模型组合成单个MoE
在本文中，我们将详细介绍MoE架构是如何工作的，以及如何创建frankenmoe。最后将用MergeKit制作自己的frankenMoE，并在几个基准上对其进行评估。
详解AI Agent系列｜（1）AI Agent到底是什么
从high-level来简明概括地介绍一下AI Agent
进阶课5——人工智能数据分类
数据类型是指数据在计算机中的存储方式，根据数据的不同特征和表示方式，可以将数据分为不同的类型。在IT领域中，随着数字化信息技术的应用不断扩大，数据的种类和格式也越来越多。从人机交互数据类型的视角来看，人工智能数据主要分为文本数据、语音数据、图像数据和视频数据等几大类别。
colab上利用conda管理环境
colab上的环境管理
如何开始定制你自己的大型语言模型
2023年的大型语言模型领域经历了许多快速的发展和创新，发展出了更大的模型规模并且获得了更好的性能，那么我们普通用户是否可以定制我们需要的大型语言模型呢？
毕业设计：基于深度学习的健身动作(引体向上)识别计数系统 人工智能
毕业设计：基于深度学习的健身动作(引体向上)识别计数系统利用深度学习技术和计算机视觉方法，实现了对健身者进行引体向上动作的实时识别和计数。通过深入研究动作识别的图像特征提取、卷积神经网络模型构建等关键技术，我们的系统能够在不同的环境和条件下，准确识别和计数健身者的引体向上动作。对于计算机专业、软件工
YOLOv8改进 | 图像去雾 | 利用图像去雾网络AOD-PONO-Net网络增改进图像物体检测
官方论文地址：官方论文地址点击即可跳转官方代码地址：官方代码地址点击即可跳转这篇论文提出了一种名为全能去雾网络（AOD-Net）的图像去雾模型，该模型是基于重新制定的大气散射模型并利用卷积神经网络（CNN）构建的。与大多数先前的模型不同，AOD-Net不是分别估计传输矩阵和大气光，而是直接通过一个轻
【图像配准】CVPRW21 - 深度特征匹配 DFM
论文解读《DFM: A Performance Baseline for Deep Feature Matching》，用于图像配准/图像匹配的深度特征匹配方法DFM。模型无需训练，利用预训练模型，采用DNNS和HRA策略即可达到SOTA性能。
奶奶看了都会，AI翻唱，RVC声音模型训练制作教学，附 派蒙模型
AI翻唱，AI模型训练
深度学习与机器学习：互补共进，共绘人工智能宏伟蓝图
深度学习和机器学习是人工智能领域的两个重要分支，它们各自具有独特的优势，并在多个层面紧密相连。深度学习通过深度神经网络结构，展现出强大的数据处理能力，能够自动学习数据的特征提取，适用于语音识别、自然语言处理、计算机视觉等领域。而传统机器学习则更加注重模型的简单性和可解释性，依赖于人工设计的特征和算法
最新！最全！深度学习特征提取主干网络总结（内含基本单元结构代码）
接下来为每个模型提供基本结构的代码，并对其亮点进行简要描述。
