如何使用Python轻松解决TSP问题（遗传算法）
临时接到一个分支任务，那就是解决TSP问题，来作为人工智能课程的期中测试。是的这不时巧了嘛，我Hou（第三声）恰好略懂一二。那么今天的话，咱们就用好几个方案来解决这个问题吧，首先是咱们的遗传算法，之后是咱的PSO算法，最后是咱们的一个衍生想法，就是使用强化学习来做（这里选取的是DQN，我们采用3个网
「模型即服务AI」1分钟调用SOTA人脸检测，同时搭建时光相册小应用
本文介绍如何快速调用AI能力，并快速创建AI应用服务，跟随本文只需1分钟就能完成上述任务。现如今结合模型即服务AI热潮，相应AI应用搭建将会越来越方便，大把的精力可以集中放到AI技术与应用的普及和相应创新上了。
Python中的魔法方法
python中的魔法方法是一些可以让你对类添加“魔法”的特殊方法,它们经常是两个下划线包围来命名的
基于机器学习的电影票房分析与预测系统
本项目利用 boxoffice mojo数据集（by IMDBpro）构建票房预测模型，首先将影响电影票房的因素如电影类型、上映档期、导演、演员等量化处理并进行可视化分析。采用多元线性回归模型、决策树回归模型、Ridge regression 岭回归模型、Lasso regression 岭回归模型
【机器学习笔记】吴恩达机器学习，带你入门人工智能的世界
📚专栏简介：在这个专栏，我将整理吴恩达机器学习视频的所有内容的笔记，方便大家参考学习。📣专栏定位：为学习吴恩达机器学习视频的同学提供的随堂笔记。
目标检测，使用最新的yolov7训练自己的数据集，从零开始的手把手教程
一、获取大佬的yolov7源码二、配置深度学习环境三、准备数据集四、用yolo v7训练自己的数据集五、用训练好的模型测试六、用训练好的模型预测
用python写一个图像文字识别OCR工具
含文本区域检测+文字识别。
用Python来开发安卓程序：(1)BeeWare安卓开发环境的搭建
用Python来开发安卓程序不是最好的选择，但一定是一个可以偷懒的选择，我们这里采用BeeWare来完成这个工作。
python数据分析绘图
火山图（Volcano plots）是散点图的一种，根据变化幅度（FC，Fold Change）和变化幅度的显著性（P value）进行绘制，其中标准化后的FC值作为横坐标，P值作为纵坐标，可直观的反应高变的数据点，常用于基因组学分析（转录组学、代谢组学等）。从右上角到左下角，随着阈值的逐渐减小，越
12月编程语言排行榜公布啦~
2022年迎来了最后一个月，我们可以看到，在这一年中编程语言起起伏伏，有的语言始终炙手可热，而有的语言却逐渐“没落”......日前，全球知名TIOBE编程语言社区发布了12月编程语言排行榜，有哪些新变化？下面一起来看看吧！
yolov5训练并生成rknn模型以及3588平台部署
瑞芯微RK3588上yolov5目标检测的部署。
【实战 01】心脏病二分类数据集
1. 获取数据集2. 数据集介绍3. 数据预处理4. 构建随机森林分类模型5. 预测测试集数据6. 构建混淆矩阵7. 计算查全率、召回率、调和平均值8. ROC曲线、AUC曲线
YOLO系列 --- YOLOV7算法（二）：YOLO V7算法detect.py代码解析
YOLO V7算法detect.py代码解析
基于pytorch的图像识别基础完整教程
基于pytorch的深度学习图像识别基础完整教程以常见盆栽植物的图像识别示例来驱动学习，通过这个教程，你可以学会深度学习中的图像识别的完整操作并且可以通过这个示例训练出其他的图像识别模型。
GPU版本安装Pytorch教程最新方法
GPU版本安装Pytorch最新，windows11
【计算机视觉】基于Python—OpenCV的手势识别详解（一）
【计算机视觉】基于Python—OpenCV的手势识别详解（一）
one-hot编码
one-hot编码，又称独热编码、一位有效编码。one hot在特征提取上属于词袋模型(bag of words)优缺点分析优点：- 一是解决了分类器不好处理离散数据的问题- 二是在一定程度上也起到了扩充特征的作用(上面样本特征数从3扩展到了9)缺点：- 它是一个词袋模型，不考虑词与词之间的顺序-
机器学习05|一万五字：SVM支持向量机02 【jupyter代码详解篇】
支持向量机(SVM)在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。本资料包含了SVM的完整解析及全部实现代码。从DataSet.txt中导入数据一直讲到SVM的线性非线性实现。
Pytorch:手把手教你搭建简单的全连接网络
利用pytorch搭建简单全连接网络的步骤，适合初学者快速上手
10个实用的数据可视化的图表总结
可视化是一种方便的观察数据的方式，可以一目了然地了解数据块。我们经常使用柱状图、直方图、饼图、箱图、热图、散点图、线状图等。这些典型的图对于数据可视化是必不可少的
