基于科大讯飞开放平台、腾讯AI开放平台、百度智能云以及阿里云的语音转文字+文本翻译API调用
基于科大讯飞开放平台、腾讯AI开放平台、百度智能云以及阿里云的语音转文字+文本翻译API调用
使用PyTorch开发AI大模型
1.背景介绍在过去的几年里，人工智能(AI)技术的发展迅速，尤其是深度学习(Deep Learning)技术，它已经成为解决许多复杂问题的关键技术之一。PyTorch是一个流行的深度学习框架，它提供了易于使用的API，使得开发人员可以快速地构建和训练AI大模型。在本文中，我们将讨论如何使用PyTor
【AI Agent系列】【MetaGPT】8. 一句话订阅专属信息 - 订阅智能体进阶，实现一个更通用的订阅智能体
用户只需一句话，自然语言，就可以订阅专属于自己的信息。本文将实现订阅智能体进阶，实现一个更通用的订阅智能体。让大模型自己编程，自己实现用户需求。
使用MICE进行缺失值的填充处理
MICE（Multiple Imputation by Chained Equations）是一种常用的填充缺失数据的技术。它通过将待填充的数据集中的每个缺失值视为一个待估计的参数，然后使用其他观察到的变量进行预测。
如何使用ChatGPT4完成Python数据分析与可视化、人工智能建模及论文高效撰写
1、传统信息检索方法与技巧总结（Google Scholar、ResearchGate、Sci-Hub、GitHub、关键词检索+同行检索、文献订阅）2、利用ChatGPT4 及插件实现联网检索文献3、利用ChatGPT4及插件总结分析文献内容（三句话摘要、子弹式要点摘要、QA摘要、表格摘要、关键词
【AI的未来 - AI Agent系列】【MetaGPT】2. 实现自己的第一个Agent
以MetaGPT入门课程的Task3 作业为例，来看下使用MetaGPT 实现Agent的思路。内附完整代码和细节注释。
使用PyOD进行异常值检测
异常值检测各个领域的关键任务之一。PyOD是Python Outlier Detection的缩写，可以简化多变量数据集中识别异常值的过程。在本文中，我们将介绍PyOD包，并通过实际给出详细的代码示例
python使用PaddleOCR实现《命名实体识别项目》OCR（已实现）（ai领域必看，简单易用）
PaddleOCR是飞桨（PaddlePaddle）推出的一个端到端的光学字符识别开源工具集，支持中文、英文、数字以及特殊符号等各种类型的文字检测、识别和词语整体识别。该工具集使用PaddlePaddle深度学习框架技术，提供了多种OCR模型和算法，包括基于CNN+CTC、DenseNet+CTC等
如何用Python调用智谱AI的API进行智能问答
随机人工智能技术的不断演进，以ChatGPT为首的智能聊天机器人如：文心一言、通义千问、智谱AI等受到越来越多人的喜欢。这些智能引擎不仅有网页版，而且开放了免费的api接口，并给出了样例代码。这样，我们可以非常方便地用Python调用这些引擎，省去了登陆网页、输入账号、来回切换的麻烦。今天，我们就要
YOLOv8 从环境搭建到推理训练
yolov8从环境搭建到推理训练（超级详细）
从模型到前端，你应该知道的LLM生态系统指南
本文通过介绍这个生态系统的核心组成部分，来详细整理LLM的发展。
Python进行AI声音克隆的端到端指南
人工智能语音克隆是一种捕捉声音的独特特征，然后准确性复制它的技术。
python_数据可视化_pandas_导入CSV数据
但是如果报错了就需要加一个参数engine，把默认值C改为Python就可以了。nrows在excel中也可以使用。usecols依然只能用列表。用Pycharm是没有问题的。也可以指定其他类型的分隔符。导入时要指定编码格式。
【AI】Pytorch 系列：学习率设置
lr_lambda(function or list)- 一个计算学习率调整倍数的函数，输入通常为 step，当有多个参数组时，设为 list。
Windows下深度学习环境配置(超详细跟李沐学Ai)
安装的软件有miniconda，CUDA，Pycharm，需要安装的包有Pytorch，jupyter，d2l
游戏开发丨基于Pygame的AI版贪吃蛇小游戏
本期内容：基于pygame的AI版贪吃蛇小游戏。
CSDN 年度总结｜知识改变命运，学习成就未来
回顾 2023 恒川的编程之旅一、这一年的日常内容1. 每天坚持做一道力扣2. 每天传码云3. 每天坚持背单词4. 坚持写博客5. 坚持跑步锻炼二、这一年的学习历程23年1月到4月23年5月到6月23年7月23年8月23年9月23年10月23年11月23年12月三、这一年取得的成就四、关于编程的新年
解释性人工智能（XAI）
同样，在金融领域，决策树或神经网络等模型的输出结果可能会影响到人们的投资和贷款等决策，如果这些决策不能被理解或解释，就难以建立起用户对AI系统的信任和依赖。而XAI技术可以提高AI系统的可解释性，帮助用户理解AI系统的决策和行为，增加对AI系统的信任度和透明度。例如，在司法系统中使用AI进行罪犯判定
GitHub：HairCLIP AI换发型 项目部署
通过文本和参考图像设计你的头发(CVPR2022)
SHAP（一）：具有 Shapley 值的可解释 AI 简介
这是用 Shapley 值解释机器学习模型的介绍。沙普利值是合作博弈论中广泛使用的方法，具有理想的特性。本教程旨在帮助您深入了解如何计算和解释基于 Shapley 的机器学习模型解释。我们将采取实用的实践方法，使用“shap”Python 包来逐步解释更复杂的模型。这是一个动态文档，作为“shap”
