中草药识别系统Python+深度学习人工智能+TensorFlow+卷积神经网络算法模型
中草药识别系统。本系统基于TensorFlow搭建卷积神经网络算法（ResNet50算法）通过对10中常见的中草药图片数据集（‘丹参’, ‘五味子’, ‘山茱萸’, ‘柴胡’, ‘桔梗’, ‘牡丹皮’, ‘连翘’, ‘金银花’, ‘黄姜’, ‘黄芩’）进行训练，得到一个识别精度较高的H5格式模型文件
利用C++与Python调用千帆免费大模型，构建个性化AI对话系统
利用C++与Python调用千帆免费大模型，构建个性化AI对话系统 千帆大模型已于2024年4月25日正式免费，调用这个免费的模型以实现自己的AI对话功能，遵循以下步骤
【Educoder】— 机器学习（PCA第二关）
PCA的算法流程。
使用PyTorch Profiler进行模型性能分析，改善并加速PyTorch训练
加速机器学习模型训练是所有机器学习工程师想要的一件事。更快的训练等于更快的实验，更快的产品迭代，还有最重要的一点需要更少的资源，也就是更省钱。
Python AI相关库介绍及使用指南
1. NumPy2. Pandas5. PyTorch6. Keras7. NLTK8. spaCy9. OpenCV10. Gensim13. Dask14. Optuna15. Gym17. Fastai总结Python 是人工智能（AI）领域中最受欢迎的编程语言之一，拥有丰富的库和工具，支持从
【AI大模型应用开发】2.1 Function Calling连接外部世界 - 入门与实战（1）
Function Calling是大模型连接外部世界的通道，目前表现形式有Actions、插件、GPTs、Tools工具集等。本文带你看下Funtion Calling是什么，以及如何与大模型进行交互。
【多模态大模型】AI对视频内容解析问答
对视频内容进行AI问答，测试Qween-vl-plus和Moonshot大模型的效果。
屌炸的文本转语音AI——ChatTTS本地部署教程
一周20.2K星! 的文本转语音TTS模型 -- ChatTTS
Python使用百度文心一言AI方法
让python使用ai
如何使用Python从0训练自己的AI模型
本篇博客介绍了如何使用Python从0训练自己的AI模型。以下是本篇博客的主要内容总结：确定问题和数据集：明确要解决的问题，并选择合适的数据集。数据预处理：对数据进行清洗、特征提取和数据转换等预处理步骤。构建模型：选择适合问题的模型架构，并使用Python构建模型。训练模型：定义损失函数和优化算法，
【python】在【机器学习】与【数据挖掘】中的应用：从基础到【AI大模型】
Python在数据挖掘和机器学习中的应用，涵盖了数据预处理、特征工程、监督学习、非监督学习和深度学习。
【飞桨AI实战】人像分割：手把手带你入门PaddleSeg，从模型训练、推理部署到应用开发
本文通过一个计算机视觉领域中最基础的任务之语义分割，带领大家熟悉百度PaddleSeg深度学习框架中的各种组件，覆盖了数据准备、模型训练评估、推理部署的全流程，最后通过应用开发实现了一个简单的前后端分离项目。
OpenCV与AI深度学习 | 实战 | YOLOv8自定义数据集训练实现手势识别 (标注+训练+预测 保姆级教程)
本文将手把手教你用YoloV8训练自己的数据集并实现手势识别。
【猫狗识别系统】图像识别Python+TensorFlow+卷积神经网络算法+人工智能深度学习
本研究中，我们开发了一个基于深度学习的猫狗识别系统，使用了TensorFlow框架下的MobileNetV2轻量级卷积神经网络模型。MobileNetV2模型以其高效的结构和较低的计算成本而闻名，非常适合在移动和嵌入式设备上使用。通过对数千张标记好的猫狗图片进行训练，最终生成了一个准确率较高的模型文
基于Python3.7实现的双时相遥感影像变化检测（PaddlePaddle框架和AI Studio平台）
为了高效的选出最佳的超参数组合方案，采用正交试验方法，通过将不同的因素和水平进行组合，并将其结果用于极差分析，得出对F1-Score影响最大的因素和最优的超参数组合方案，并通过实验证明该方案的结果最优。为了找到最优的超参数组合方案，通过正交试验的方法，通过标准正交表对不同的因素和水平进行组合，将得到
使用X-AnyLabeling进行ai模型标注遇到的问题
到处找解决方案无果，于是选择看源码，不断debug，终于发现是在yolo.py的postprocess函数中process_mask将mask重新upsample到原图大小的操作，cv2.resize函数遇到输入矩阵最后一个维度是1的会将这个维度去掉，也就是说如果输入是[h,w,1]，resize之
【Python实用技能】爬虫升级之路：从专用爬虫到用AI Agent实现通用网络爬虫（适合小白）
本文我们盘点了目前为止我使用过的所有爬虫代码，分析了它们的实现方法。从专用爬虫，到大模型直接提取指定信息的通用爬虫探索，再到最终的利用 AI Agent 实现通用爬虫，逐步递进，总能让你收获点东西。
AI智能体研发之路-模型篇（五）：pytorch vs tensorflow框架DNN网络结构源码级对比
两种框架在定义模型结构时思路基本相同，pytorch基于动态图，更加灵活。tensorflow基于静态图，更加稳定。
2024 年学习 AI 路线图
黑客和程序员学习人工智能的免费课程
人工智能课程设计毕业设计——基于机器学习的贷款违约预测
另外LightGBM通过使用基于直方图的决策树算法，只保存特征离散化之后的值，代替XGBoost使用exact算法中使用的预排序算法（预排序算法既要保存原始特征的值，也要保存这个值所处的顺序索引），减少了内存的使用，并加速的模型的训练速度。Adaboost是一种迭代算法，其核心思想是针对同一个训练集
