Python机器学习、深度学习库总结（内含大量示例，建议收藏）
目前，随着人工智能的大热，吸引了诸多行业对于人工智能的关注，同时也迎来了一波又一波的人工智能学习的热潮，虽然人工智能背后的原理并不能通过短短一文给予详细介绍，但是向所有学科一样，我们并不需要从头开始”造轮子“，可以通过使用丰富的人工智能框架来快速构建人工智能模型，从而入门人工智能的潮流。为了大家能够
安装tensorflow的GPU版本（详细图文教程）--CUDA11.6的安装
TensorFlow是深度学习领域使用最为广泛的一个Google的开源软件库（最初由Google brain team进行开发的内部库，由于它的易用性Google决定把它开源出来）.采取数据流图，用于数值计算.节点——处理数据线——节点间的输入输出关系数据流图中的数据叫做tensor, 表示张量,
SwinUnet官方代码训练自己数据集（单通道灰度图像的分割）
官方Swin-Unet代码训练自己的数据集
计算机视觉项目实战-驾驶员疲劳检测
上次博客我们讲到了如何定位人脸，并且在人脸上进行关键点定位。其中包括5点定位和68点定位等，在定位之后呢，我们就可以使用定位信息来做一些相关操作，例如闭眼检测，这里就可以应用到驾驶员的疲劳检测上，或者是经常使用电脑的人，不闭眼可能会导致眼睛干涩等。...
Yolov5训练自己的数据集（详细完整版）
新版小白式手把手完整无坑版教程。从安装yolov5、视频转图片、标注图片开始，到详细说明如何训练自己的数据集，训练时间、出现的多种问题说明、训练可视化、检测效果。
CUDA（10.2）＋PyTorch安装加配置 详细完整教程
CUDA安装PyTorch安装
【图像分类数据集】非常全面实用的垃圾分类图片数据集共享
数据集获取不易，听闻国外开源精神非常盛行，那么我开个数据集不过分吧？整体数据集质量非常的不错，放眼全网这么好的数据集恐怕并不多见。
机器学习强基计划1-2：图文详解线性回归与局部加权线性回归+房价预测实例
线性回归是机器学习线性模型中的一种，本文图文详解+一步步推导线性模型的算法原理和数学原理，并用python实现回归模型
Anaconda的虚拟环境的包在哪里？（详细教程）
Anaconda
竞赛：汽车领域多语种迁移学习挑战赛（科大讯飞）
国内车企为提升产品竞争力、更好走向海外市场，提出了海外市场智能交互的需求。但世界各国在“数据安全”上有着严格法律约束，要做好海外智能化交互，本土企业面临的最大挑战是数据缺少。本赛题要求选手通过NLP相关人工智能算法来实现汽车领域多语种迁移学习。.........
多智能体强化学习之MAPPO理论解读
多智能体强化学习之MAPPO算法MAPPO训练过程本文主要是结合文章Joint Optimization of Handover Control and Power Allocation Based on Multi-Agent Deep Reinforcement Learning对MAPPO算法
机器学习强基计划1-4：从协方差的角度详解线性判别分析原理+Python实现
线性判别分析是一种将样本投影到低维空间进行分类的方法，本文从协方差的物理意义出发探索LDA算法的物理意义和算法原理，并给出Python实现
最新CUDA环境配置教程(ubuntu 20.04 + cuda 11.7 + cuDNN 8.4)
ubuntu 20.04 CUDA 11.7 cuDNN 8.4 环境配置教程 ubuntu 20.04 CUDA 11.7 cuDNN 8.4 环境配置教程1.查看是否有合适的GPU2.查看系统版本,我用的是ubuntu 20.04:3.验证系统GCC版本:4.通过下面的地址下载安装包:这里奉劝各
堪称经典，一个非常适合初学者的机器学习实战案例
哈喽，大家好。今天给大家介绍一个非常适合新手入门的机器学习实战案例。这是一个房价预测的案例，来源于 Kaggle 网站，是很多算法初学者的第一道竞赛题目。该案例有着解机器学习问题的完整流程，包含EDA、特征工程、模型训练、模型融合等。房价预测流程下面跟着我，来学习一下该案例。没有啰嗦的文字，没有多余
解决module ‘tensorflow‘ has no attribute ‘...‘系列
针对：TensorFlow版本1到2的代码不同
python+neo4j构建基于知识图谱的电影知识智能问答系统
~~~~~~~~ 最近，课程设计要求做关于知识图谱的调研工作。调研过程中，在网络上发现诸多同学自行构建知识图谱的相关内容，就考虑自己自行搭建一个。经过调研和基于自己技术的考量，最终还是打算做基于知识图谱的电影知识智能问答系统(主要是数据集比较好构建)。虽然比较
【机器学习】9种回归算法及实例总结，建议学习收藏
我相信很多人跟我一样，学习机器学习和数据科学的第一个算法是线性回归，它简单易懂。由于其功能有限，它不太可能成为工作中的最佳选择。大多数情况下，线性回归被用作基线模型来评估和比较研究中的新方法。在处理实际问题时，你应该了解并尝试许多其他回归算法。一方面可以系统学习回归算法，另外一方面在面试中也常用到这
论文阅读笔记：ShuffleNet
背景由于深度学习模型结构越来越复杂，参数量也越来越大，需要大量的算力去做模型的训练和推理。然而随着移动设备的普及，将深度学习模型部署于计算资源有限基于ARM的移动设备成为了研究的热点。ShuffleNet[1]是一种专门为计算资源有限的设备设计的神经网络结构，主要采用了pointwise group
常用归一化/正则化层：InstanceNorm1d、InstanceNorm2d、
批量归一化与实例归一化的最大区别在于计算均值及方差的依据不同，实例归一化是对每个样本沿着通道方向独立对各个通道进行计算，而批量归一化则是对所有样本沿着batch的方向对各个通道分别进行计算。比如：输入特征图形状为：(2,3,256,512)，表示有两个256×512的特征图，特征图通道数为3，假设为
CUDA升级和版本切换方法
输出:/usr/local/cuda-11.1/bin:/usr/local/cuda-10.1/bin:…哪个在前面哪个就是你的CUDA版本如果你的电脑里有多个CUDA，哪个路径在你的系统默认路径，哪个就是你当前在使用的版本如果你遇到提示没有nvcc或版本明显不对（可能执行了/usr/bin/nv
