自动控制原理的100+道简答题
饱和特性、回环特性、死区特性、继电器特性既有前项通道，又有反馈通道，输出信号对输入信号有影响，存在系统稳定性问题。高阶系统中距离虚轴最近的极点，其附近没有零点，它的实部比其它极点的实部的1/5还小，称其为主导极点。（2分）将高阶系统的主导极点分析出来，利用主导极点来分析系统，相当于降低了系统的阶数，
pytorch中使用TensorBoard进行可视化Loss及特征图
pytorch中使用TensorBoard进行可视化安装导入TensorBoard安装TensorBoardpip install tensorboard导入TensorBoardfrom torch.utils.tensorboard import SummaryWriter实例化TensorBo
使用指定GPU训练模型：os.environ[‘CUDA_VISIBLE_DEVICES‘]设置无效问题解决——随笔
使用指定GPU训练模型之os.environ[‘CUDA_VISIBLE_DEVICES‘]设置无效问题解决
WIN10安装配置TensorRT详解
Windows10 安装TensorRT详解
曲折的tensorflow安装过程（Tensorflow 安装问题的解决）
这周接到一个任务，需要在python中安装tensorflow，跑一下数据。TensorFlow是一个基于数据流编程（dataflowprogramming）的符号数学系统，被广泛应用于各类机器学习（machinelearning）算法的编程实现，其前身是谷歌的神经网络算法库DistBelief。原
入门opencv，欢笑快乐每一天
从入门opencv，到对opencv更加感兴趣。
这个ChatGPT插件可以远程运行代码，还生成图表
插件系统的确让ChatGPT变得有趣:“Code Interpreter”不仅可以让远程运行代码，而且还使数据科学简单，高效。
数据预处理的方法有哪些？
数据处理的工作时间占据了整个数据分析项目的70%以上。因此，数据的质量直接决定了分析模型的准确性。那么，数据预处理的方法有哪些呢？比如数据清洗、数据集成、数据规约、数据变换等，其中最常用到的是数据清洗与数据集成，下面小编将来详细介绍一下这2种方法。数据清洗是通过填补缺失值，平滑或删除离群点，纠正数据
Boundary Loss 原理与代码解析
在医学图像分割中任务中通常存在严重的类别不平衡问题，目标前景区域的大小常常比背景区域小几个数量级，比如下图中前景区域比背景区域小500倍以上。分割通常采用的交叉熵损失函数，在高度不平衡的问题上存在着众所周知的缺点即它假设所有样本和类别的重要性相同，这通常会导致训练的不稳定，并导致决策边界偏向于数量多
手把手教你完成一个Python与OpenCV人脸识别项目（对图片、视频、摄像头人脸的检测）超详细保姆级记录！
彩色图像中的每个像素颜色由R、G、B三个分量来决定，而每个分量的取值范围都在0-255之间，这样对计算机来说，彩色图像的一个像素点就会有256*256*256=16777216种颜色的变化范围！在下图的路径中，我们可以看到需要xml文件，这些都是OpenCV中自带的分类器，根据文件名我们可以看到有识
Visual chatgpt多模态大模型的前菜
visual chat将会是多模态大模型一个过渡态，Gpt4以及他的后代一定会用集成电路的模式取代这个分立元器件组成的通用多模态模式。但是它的很多思路是值得我们学习的。
用Python实现地理信息出图(含比例尺、指北针、图例)
最近用GIS在批量出图，发现一张一张出图真的麻烦（那个累啊！！！）于是便有了今天这篇文章，初步教大家如何用Python出那种开起来专业一点点的GIS图。
MFCC语音特征值提取算法
MFCC意为梅尔频率倒谱系数，顾名思义，MFCC语音特征提取包含两个关键步骤；将语音信号转化为梅尔频率，然后进行倒谱分析。梅尔频谱是一个可用来代表短期音频的频谱，梅尔刻度（Mel Scale）则是一种基于人耳对等距的音高变化的感官判断而确定的非线性频率刻度。梅尔频率和正常的频率f之间的关系：当梅尔刻
【问题解决】训练和验证准确率很高，但测试准确率很低
采用ResNet50预训练模型训练自己的图像分类模型。训练和验证阶段准确率很高，但随机输入一张图片时，大多数情况下依旧预测得不准确。
rknn_yolov5执行流程
RV1109上测试rknn_yolov5_demo以及分析
【Python机器学习】KNN进行水果分类和分类器实战（附源码和数据集）
【Python机器学习】KNN进行水果分类和分类器实战（附源码和数据集）
Anaconda 3.6安装教程（详细版本）---可运行Python代码
首先到清华大学镜像网站可以下载相关版本，我选择的是3.6的版本，并且我的电脑是ThinkBook14+，64位，在该网站上对应的是点击下载，32位的话就选择上面不带_64那个。
torch.cat()中dim说明
初次接触众多博客对dim的讲解为，对于两个二维张量作为输入，dim取0结果为两个张量按行拼接，取1结果为按列拼接，但是对于高维来说就有点难以直观想象结果了，我们尝试三维情况进而总结规律。其中初学者最费解的就是dim的选取，dim的取值范围由输入张量的维度决定，输入为n维张量，dim取值在[0,n-1
BP神经网络
1.概念： BP（back propagation）即为反向传播，意为反向传播神经网络。
基于深度学习的轴承寿命预测实践，开发CNN、融合LSTM/GRU/ATTENTION
基于深度学习的轴承寿命预测实践，开发CNN、融合LSTM/GRU/ATTENTION
