【你评论，我送书】Python的爬虫基础知识
本期赠书内容：Python Web 深度学习
行人车辆检测与计数系统（Python+YOLOv5深度学习模型+清新界面）
行人车辆检测与计数系统用于交通路口行人及车辆检测计数，道路人流量、车流量智能监测，方便记录、显示、查看和保存检测结果。本文详细介绍行人车辆检测，在介绍算法原理的同时，给出Python的实现代码、PyQt的UI界面以及训练数据集。在界面中可以选择各种行人车辆图片、视频进行检测识别与计数；可对图像中存在
PyTorch深度学习实战 | 高斯混合模型聚类原理分析
01、问题描述为理解高斯混合模型解决聚类问题的原理，本实例采用三个一元高斯函数混合构成原始数据，再采用GMM来聚类。1) 数据三个一元高斯组件函数可以采用均值和协方差表示如表1所示：▍表1 三个一元高斯组件函数的均值和协方差每个高斯组件函数分配不同的权重，其中1号组件权重为30%, 2号组件权重为
YOLO 模型的评估指标——IOU、Precision、Recall、F1-score、mAP
YOLO是最先进的目标检测模型之一。目标检测问题相比分类问题要更加复杂，因为目标检测不仅要把类别预测正确，还要预测出这个类别具体在哪个位置。我将目标识别的评估指标总结为两部分，一部分为预测框的预测指标，另一部分为分类预测指标。
基于Simswap的视频换脸
最近火遍抖音的视频换脸技术其实就是简单应用了Simswap这个框架，而且4G显存的机器就可以进行操作，简直就是普通人的福音。没有Deepfacelab效果那么好，不过速度很快…… 没有训练过程，如果需要训练可以关注后面的内容。先来看一下效果《无间道》经典场面，我想当一个好人。【我想当一个好人】无间道
YOLOv7如何提高目标检测的速度和精度，基于模型结构提高目标检测速度
目标检测是计算机视觉领域中的一个重要任务，它的主要目标是在图像或视频中准确地定位和识别特定目标。
卷积神经网络（convolutional neural network, CNN）
基本定义卷积神经网络(convolutional neural network, CNN)，是一类包含卷积计算且具有深度结构的前馈神经网络。卷积神经网络是受生物学上感受野（Receptive Field）的机制而提出的。卷积神经网络专门用来处理具有类似网格结构的数据的神经网络。例如，时间序列数据（可
超详细的的PyTorch安装教程，成功率高，适合初学者，亲测可用。
Anaconda安装配置PyTorch深度学习教程，简单好用。
LSTM和双向LSTM讲解及实践
慢慢的将各种双向LSTM全部都将其搞定都行啦的回事与打算。
minigpt4搭建过程记录，简单体验图文识别乐趣
从3月开始，aigc进入了疯狂的开端，正如4月12日无界 AI直播 在《探索 AIGC 与人类合作的无限可能》中关于梳理的时间线一样，aigc的各种产品如雨后春笋般进入了不可逆的态势，里面有句话很形象，人间一日，AIGC十年。这产变革像是有计划性的沧海桑田，让每个参与者亦或者体验者都感觉时过境迁，本
一文教你使用租赁的GPU平台跑yolov5
本篇文章是对笔者前几天学习过程的一个记录，鉴于这类文章较少，写出来方便后来者。本文侧重于yolov5的快速使用，原理部分概括较少，希望你看完本文章后也能成功进行目标检测。GPU租赁平台：https://www.autodl.com/homeyolov5官方代码：https://github.com/
计算GMAC和GFLOPS
GMAC 代表“Giga Multiply-Add Operations per Second”（每秒千兆乘法累加运算），是用于衡量深度学习模型计算效率的指标。它表示每秒在模型中执行的乘法累加运算的数量，以每秒十亿 (giga) 表示。
分割一切？手把手教你部署SAM+LabelStudio实现自动标注
最近Open-mmlab开源了Playground项目，将最近引起CV界轰动的SAM(Segment Anything Model)模型和Open-mmlab多个视觉框架相结合，可实现多种视觉任务的自动标注，本文将采用Open-mmlab的Playground开源项目，使用SAM和LabelStud
手把手教你SAM(segment anything)官方代码本地调用
手把手教你SAM(segment anything)官方代码本地调用
使用PyTorch搭建VGG模型进行图像风格迁移实战（附源码和数据集）
使用PyTorch搭建VGG模型进行图像风格迁移实战（附源码和数据集）
深度学习卷积神经网络CNN之 VGGNet模型主vgg16和vgg19网络模型详解说明（理论篇）
VGGNet模型是大规模视觉识别挑战赛竞赛的第二名，六组实验，对应6个不同的网络模型，这六个网络深度逐渐递增的同时，也有各自的特点。实验表明最后两组，即深度最深的两组16和19层的VGGNet网络模型在分类和定位任务上的效果最好。从VGG背景、VGGNet模型结构、特点（创新、优缺点及新知识点）、各
TimesNet复现结果
复现环境：RTX3090，22312GB显存，torch=1.8.1+cu111；大约71.3%的准确率，比论文里贴出来的差很多（73.6）。没改网络结构和超参数，直接训练。
NLP大模型微调答疑
我理解ChatGLM-6B模型是走完 “预训练-SFT-RLHF” 过程训练后的模型，其SFT阶段已经有上千指令微调任务训练过，现在我们只是新增了一类指令数据，相对大模型而已，微调数据量少和微调任务类型单一，不会对其原有的能力造成大的影响，所以我认为是不会导致灾难性遗忘问题，我自己微调模型也没出现此
毕业设计-基于大数据的股票预测系统-python
毕业设计-基于大数据的股票预测系统-python:随着股票市场的不断发展，产生了大量的股票数据。但这 些历史数据往往被人们所忽略它们的价值或者在对历史数据 进行分析的过程中，难以深层次的挖掘出真正的对人们有用的 价值，信息的利用率较低。并且股票市场向来“阴晴不定”，股价 的高低起伏很大，而股票的价格
AIGC技术周报｜图灵测试不是AGI的智力标准；SegGPT：在上下文中分割一切；ChatGPT能玩好文字游戏吗？
「AIGC技术周报」将为你带来最新的paper、博客等前瞻性研究。
