机器学习-KNN算法（鸢尾花分类实战）
“近朱者赤近墨者黑"，所谓的K近邻，也就是根据样本相邻最近的K个数据来进行判断，看K个邻居中所属类别最多的是哪一类，则将该样本分为这一类。
Pytorch实现GAT(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。
yolov7训练自己的数据集
yolov7训练自己的数据集并使用labellmg标注工具的安装和使用
transformer学习笔记：Positional Encoding（位置编码）
对于任何一门语言，单词在句子中的位置以及排列顺序是非常重要的，它们不仅是一个句子的语法结构的组成部分，更是表达语义的重要概念。
【翻译】为深度学习购买哪种GPU: 我在深度学习中使用GPU的经验和建议
这篇博文的结构如下。首先，我将解释是什么让GPU变得快速。我将讨论CPU与GPU、Tensor Cores、内存带宽和GPU的内存层次，以及这些与深度学习性能的关系。这些解释可能会帮助你对在GPU中寻找什么有一个更直观的感觉。我讨论了新的NVIDIA RTX 40安培GPU系列的独特功能，如果你购买
计算机视觉项目-文档扫描OCR识别
我们在日常生活或者办公中，可能都使用过万能扫描王这个软件，或者qq中的照片文字扫描功能，然后直接利用扒下来的文档直接复制粘贴直接使用，那么他这个原理是什么呢？又是怎么用OpenCV来实现的呢。我们这次博客就来全面介绍一下这个整体流程。并进行真实案例操作。我们要完成对于文档图片的扫描工作。大致流程主要
Ai实现FPS游戏自动瞄准 yolov5fps自瞄
大家好 我是毕加锁 (锁!)今天来分享一个Yolov5 FPS跟枪的源码解析和原理讲解。代码比较粗糙 各位有什么优化的方式可以留言指出，可以一起交流学习。 需要了解的东西和可能会遇到的问题1.xy坐标点与当前鼠标的xy坐标点距离计算2.获取窗口句柄，本文使用的是根据窗口名称获取句柄3.推理方式：本文
【yolov5s中加入DCNv2（可变形卷积v2）】
在yolov5s中加入DCNv2进行实验
Pandas 2.0正式版发布： Pandas 1.5，Polars，Pandas 2.0 速度对比测试
这里我们将对比下 Pandas 1.5，Polars，Pandas 2.0 。看看在速度上 Pandas 2.0有没有优势。
梯度下降算法(Gradient descent)
人工智能基础算法 梯度下降算法Gradient descent
Python基于改进YOLOv5的烟叶病害检测系统（附带源码）
Python基于改进YOLOv5的烟叶病害检测系统（附带源码）Python、Anacanda、Pycharm、CUDA和cuDNN等基础的环境安装部署可以参考博主的B站视频教程[2022手把手教学版]Python＆Anacanda＆Pycharm安装，虚拟环境配置[CUDA＆cuDNN]炼丹师手把手
Sequential模型、Flatten层、Dense层
顺序模型核心操作是添加layers,有两种方法第一种:通过add()添加第二种;直接添加选择优化器（如rmsprop或adagrad）并指定损失函数（如categorical_crossentropy）来指定反向传播的计算方法调用fit函数将数据提供给模型。这里还可以指定批次大小（batch siz
python配置虚拟环境，并在虚拟环境中安装pytorch教程
超简单，5分钟搞定！python配置虚拟环境，并在虚拟环境中安装pytorch教程！
保姆级官方yolov7的训练自己的数据集以及项目部署
保姆级官方yolov7训练自己数据集的教学，并且可以直接嵌入到项目开发中用于检测
OpenAI GPT-4震撼发布：多模态大模型
🏠个人主页：以山河作礼。📝📝:本文章是帮助大家更加了解GPT4，一起见证Al的成长！🎈🎈欢迎大家一起学习，一起成长！！3 月 14 日晚间，OpenAI 宣布发布 GPT-4。“我们创建了 GPT-4，这是 OpenAI 努力扩展深度学习的最新里程碑。GPT-4 是一个大型多模态模型（接
数学建模--30+种常用算法模型
数学建模常用算法模型：线性规划模型 ，非线性规划模型，整数规划模型，动态规划模型，图论模型，最优化模型，离散模型，随机模型，时空分析模型，统计模型，回归模型，插值模型，预测模型.分类模型.聚类模型.决策树模型.神经网络模型.支持向量机模型.遗传算法模型.蚁群算法模型.粒子群算法模型.模拟退火算法模型
【玩转Scikit-learn】机器学习工程师的浅入深出保姆级学习成长指南+变强规划+入门教程~
《玩转Scikit-learn》，让你早日实现人工智能自由！
深度学习修炼（三）——自动求导机制
自动求导机制以及线性回归的初体验
GPU服务器之Colab配置及使用教程
最方便的一点是，在复现其他研究者的工作时，如果dataset通过Google Drive链接分享，我们可以将一键转存到我们的Google Drive中，避免长时间的大文件下载和上传。在进行深度学习过程中，不可避免需要进行炼丹的操作，而博主的电脑本身性能就很拉跨，一旦再运行其他的应用便是寸步难行，最好
pytorch安装（离线下载）——众多踩坑教训后终于学会
经过各种方法尝试安装pytorch，不是因为下载的pytoch版本和cuda不匹配，就是因为网络超时，pip下载失败，最后成功进行离线下载，本篇记录一下自己踩过的各种坑和经验。
