torch.einsum() 用法说明
这里，j 是求和下标，i 和 k 是输出下标（有关原因的更多详细信息，请参见下面的部分）。例外情况是，如果对相同的输入操作数重复下标，在这种情况下，此操作数的标有此下标的维度必须在大小上匹配，并且操作数将被其沿这些维度的对角线替换。，它将覆盖下标未覆盖的维度，例如，对于具有 5 维的输入操作数，等式
【AIGC重塑教育】AI大模型驱动的教育变革与实践
例如，在艺术领域，生成式AI已经能够生成令人惊叹的作品，如DALL·E的图像生成、OpenAI的文本生成、Magenta的音乐生成等。在STEM（科学、技术、工程、数学）教育中，AI可以提供更多的模拟和实验场景，让学生可以通过动手操作、探索发现、试错反馈等方式，学习基本的概念和原理。在欧美，或许四分
语音识别与Python编程实践
语音识别是一门复杂的交叉技术学科，通常涉及声学，信号处理，模式识别，语言学，心理学，以及计算机等多个学科领域。语音识别技术的发展可追寻到20世纪50年代，贝尔实验室首次实现Audrey英文数字识别系统（可识别0——9单个数字英文识别），并且准确识别率达到90%以上。普林斯顿大学和麻省理工学院在同一时
探索AI交互：Python与ChatGPT的完美结合！
随着人工智能的迅速发展，AI交互正成为技术领域的一大亮点。在这个过程中，Python编程语言和ChatGPT模型的结合展现出强大的潜力，为创造性、智能的对话系统带来了新的可能性。本文将探讨如何将Python与ChatGPT完美结合，为AI交互带来全新的体验。
机器学习实验 - 朴素贝叶斯分类器
西南交通大学 机器学习实验2 朴素贝叶斯分类器（1）了解朴素贝叶斯与半朴素贝叶斯的区别与联系，掌握高斯分布、多项式分布和伯努利分布的朴素贝叶斯计算方法。（2）编程实现朴素贝叶斯分类器，基于多分类数据集，使用朴素贝叶斯分类器实现多分类预测，通过精确率、召回率和F1值度量模型性能。
【Python】人工智能-机器学习——不调库手撕贝叶斯分类问题
怎么用python手撕一个贝叶斯分类？要求不调用其他核心库如tf，sk等，只用numpy、pandas库？这篇文章会告诉你答案！！
[AI]ChatGPT4 与 ChatGPT3.5 区别有多大
ChatGPT 3.5 注册已经不需要手机了，直接邮箱认证就可以，这可真算是好消息，坏消息是 ChatGPT 4 还是要收费。那么 GPT-3.5 与 GPT-4 区别有多大呢，下面简单测试一下。以从 TDengine 订阅数据为例，TDengine 算是不太小众的数据库，如果连这个都能搞定，说明G
【Python】GDAL基本操作/遥感大图显示
遥感图像往往尺寸较大，无法用默认的图像浏览器加载。GDAL是空间数据处理的开源包，支持多种数据格式的读写。遥感图像是一种带大地坐标的栅格数据，因此，可以借用GDAL对遥感图像进行读写，本文就来记录一些相关操作。
做一件荒谬的事：用AI推理下一次双色球结果 v0.1
使用历史双色球中奖数据去推导下一次中间结果。模型基于LSTM深度学习模型
使用subplot_mosaic创建复杂的子图布局
在本文中，我将介绍matplotlib一个非常有价值的用于管理子图的函数——subplot_mosaic()。如果你想处理多个图的，那么subplot_mosaic()将成为最佳解决方案。我们将用四个不同的图实现不同的布局。
Python利用逻辑回归分类器对乳腺肿瘤进行良性/恶性预测实战（超详细 附源码）
Python利用逻辑回归分类器对乳腺肿瘤进行良性/恶性预测实战（超详细 附源码）
pytorch训练可视化包visdom的使用
Visdom是一个基于Python的可视化工具包，可以用于PyTorch等深度学习框架中的实时数据可视化。它提供了一个Web界面，可以方便地创建图表、散点图和直方图等可视化元素。相比具有更轻量、更便捷、更丰富、更快速等特点。visdom的github主页visdom的中文参考文档visdom的优秀教
Pytorch学习笔记（5）：torch.nn---网络层介绍（卷积层、池化层、线性层、激活函数层）
Pytorch学习笔记（5）：torch.nn---网络层介绍（卷积层、池化层、线性层、激活函数层）
模式识别 第7、8章 特征的选择和提取
特征→ 特征空间：每一个特征对应特征空间的一个维度 ；特征越多，特征空间的维度越高原则：在保证分类效果的前提下用尽量少的特征来完成分类基本概念（1）特征形成：由仪器直接测量出来的数值，或者是根据仪器的数据进行计算后的结果（2）特征选择：用计算的方法从一组给定的特征中选择一部分特征进行分类（3）特征提
Python制作AI贪吃蛇，很多很多细节、思路都写下来了！
（蛇每走一步，就更新snake距离food的board距离，涉及 board_rest (更新每个非snake元素距离food的距离)和 board_refresh （本文这里采用BFS算法）），寻找到best_move，然后让蛇移动即可。熟悉Curses中相关指令后基本就没什么了， 保证按的下一个
机器学习-基于朴素贝叶斯的垃圾邮件分类
概率论是许多机器学习算法的基础，此篇博客会给出一些使用概率论进行分类的方法。首先从一个最简单的概率分类器开始，然后给出一些假设来学习朴素贝叶斯分类器。我们称之为“朴素”，是因为整个形式化过程只做最原始、最简单的假设。我们还将构建另一个分类器，观察其在真实的垃圾邮件数据集中的过滤效果。
量化交易与人工智能：Python库的应用与效用
量化交易是一种利用计算机算法执行交易策略的交易方法，它依赖于严格定义的规则和数学模型，而非人的主观判断。这种交易方式借助大量的金融数据和技术分析工具来执行交易，以期获得更好的交易结果。为什么量化交易越来越受欢迎？量化交易利用计算机执行交易，消除了人为因素和情绪对交易决策的影响，同时能在瞬息万变的市场
深度学习模型的参数、计算量和推理速度统计
在没有过拟合的情况下，相同模型结构下，一般模型的参数量和计算量与最终的性能成正比，在比较不同模型性能时，最好能保持模型参数量和计算量在相同水平下，因此相应参数的统计很重要。这里只进行理论计算，最终的效果（内存和速度）还和网络结构，代码实现方式、应用的平台性能等条件有关系，例如使用GEMM实现CNN时
AI实战，用Python玩个自动驾驶！
相比于模拟器CARLA，highway-env环境包明显更加抽象化，用类似游戏的表示方式，使得算法可以在一个理想的虚拟环境中得到训练，而不用考虑数据获取方式、传感器精度、运算时长等现实问题。由于state数据量较小（5辆车*7个特征），可以不考虑使用CNN，直接把二维数据的size[5,7]转成[1
人工智能教程（三）：更多有用的 Python 库
在本系列的上一篇人工智能教程（二）：人工智能的历史以及再探矩阵中，我们回顾了人工智能的历史，然后详细地讨论了矩阵。在本系列的第三篇文章中，我们将了解更多的矩阵操作，同时再介绍几个人工智能 Python 库。
