【深度强化学习】(8) iPPO 模型解析，附Pytorch完整代码
IPPO（Independent PPO）是一种完全去中心化的算法，此类算法被称为独立学习。由于对于每个智能体使用单智能体算法 PPO 进行训练，所因此这个算法叫作独立 PPO算法。这里使用的 PPO 算法版本为 PPO-截断
基于yolov5的Android版本目标检测app开发（部署安卓手机）
基于yolov5的Android版本目标检测app开发（部署安卓手机）1、开发环境搭建2、数据集准备3、模型训练4、模型转换5、Androidapp开发6、运行检测7、项目开发中遇到的问题总结
Canmv K210开发板训练自己的模型
Canmv开发板在线训练自己的模型
【jupyter使用】指定jupyter notebook 打开路径，超简单，秒会
将目标中双引号内的%USERPROFILE%，替换成你的目标路径。
如何将xml格式转换为yolov5所需的txt格式
如今，深度学习非常热门，制作数据集是深度学习很重要的一环。制作数据集就离不开打标签，我们打出来的标签可能是 txt 格式 或者 xml 格式 或者json格式，但是yolo运行的标签格式是txt格式 所以我们要将 xml格式转换为 txt 格式 这个转换代码生成的txt文件是归一化后的，非常便捷
【机器学习】关联规则挖掘算法 + 三大案例实战 + Apriori算法 + Python代码实现
关联规则中的数据集结构一般如下所示：{ 牛奶 } 是 1-项集{ 牛奶，果冻 } 是 2-项集；{ 啤酒，面包，牛奶 } 是 3-项集X和Y是项集X称为规则前项Y称为规则后项事务：即样本，一个样本称为一个事务。事务仅包含其涉及到的项目，而不包含项目的具体信息在超级市场的关联规则挖掘问题中事务是顾客一
deeplab v3+ 源码详解
deeplab v3+默认使用voc数据集和cityspace数据集，图片预处理部分仅仅读取图片和对应的标签，同时对图片进行随机翻转、随机裁剪等常见图片预处理方式。
基础的强化学习(RL)算法及代码详细demo
基础的强化学习算法及代码详细demo
余弦相似度算法进行客户流失分类预测
余弦相似性是一种用于计算两个向量之间相似度的方法，常被用于文本分类和信息检索领域。
跟我学Python图像处理丨带你入门OpenGL
介绍Python和OpenGL的入门知识，包括安装、语法、基本图形绘制等。
【人体姿态估计综述（2D、3D）】
人体姿态估计综述 2D 3D
YOLOV7训练自己的数据集以及训练结果分析(手把手教你)
YOLOV7训练自己的数据集以及训练结果分析(手把手教你)
调用OpenAI API创作及遇到的问题
2. 《java核心技术 卷Ⅰ：基础知识（第9版）》：是一本最新的Java技术入门教程，主要介绍Java的基础知识和范例，内容涵盖了Java语言的基本概念、基本技术、面向对象编程、类、构造器、接口、内部类、包和异常处理等。3. 《Java 8实战（第2版）》：是一本介绍Java 8新特性的书籍，大量
Pytorch实现GCN(基于PyTorch实现)
本专栏整理了《图神经网络代码实战》，内包含了不同图神经网络的相关代码实现（PyG以及自实现），理论与实践相结合，如GCN、GAT、GraphSAGE等经典图网络，每一个代码实例都附带有完整的代码。
反射填充详解ReflectionPad2d(padding)
这种填充方式是以输入向量的边界为对称轴，以设定的padding大小为步长，将输入向量的边界内padding大小的元素，对称填充。1）当padding=(2,2,1,1)时，表示向量以左、右、上、下边界为对称轴，左、右、上、下分别填充宽度为2,2,1,1的元素。1）当padding=(1,2)时，表示
【数据挖掘竞赛】零基础入门数据挖掘-二手汽车价格预测
数据预处理时首先可以对偏度比较大的数据用log1p函数进行转化，使其更加服从高斯分布，此步处理可能会使我们后续的分类结果得到一个好的结果.notRepairedDamage 中存在空缺值，但空缺值用“-”表示，所以数据查看发现不了空缺值，将“-”替换成NaN。图中可以看出，seller,offerT
使用Statsmodel进行假设检验和线性回归
在本文中，我们将介绍 statsmodel 库的基础知识、如何使用它以及它的好处。
学习笔记3 | 高维数据处理——Xarray
高维数据处理笔记包括：Xarray数据结构、数据读取、索引、坐标系统、统计、可视化和掩膜
零基础用一百行代码完成动态的人脸识别（opencv+python）
用opencv来进行动态的人脸识别
【代码实验】CNN实验——利用Imagenet子集训练分类网络（AlexNet/ResNet）
Imagenet是计算机视觉的经典分类比赛，但是Imagenet数据集本身太大了，我们穷学生没有这么大的算力，2016年google DeepMind团队从Imagnet数据集中抽取的一小部分（大小约3GB）制作了Mini-Imagenet数据集（也就是Imagenet的子集），共有100个类别，每
