超实用的7种 pytorch 网络可视化方法，进来收藏一波
引导前言1. torchsummary2. graphviz + torchviz3. Jupyter Notebook + tensorwatch4. tensorboardX5. netron6. hiddenlayer7. PlotNeuralNet结语前言网络可视化的目的一般是检查网络结构的
YOLOv8项目推理从CPU到GPU
YOLOv8项目推理从CPU到GPU；YOLOv8；从CPU到GPU。
最详细的YOLO-V5模型配置文件yaml结构理解
YOLO-V5模型配置文件yaml结构详解
Google Earth Engine（GEE）农作物种植结构提取
前段时间因为考研的原因一直没能更新，已经完成了农作物种植结构的提取，现在给大家分享一下。主要也是结合前面写过的Google Earth Engine（GEE）使用土地利用数据（modis）上采样Landsat数据提取农田范围，将以上结果作为研究的基础，结合物候特征，光谱特征，地形特征，选择随机森林算
【双目视觉】 SGBM算法应用（Python版）
我们可以通过cv.remap()函数来将img2映射到img1对应位置上并合成。：重映射，即把一幅图像内的像素点放置到另外一幅图像内的指定位置，俗称“拼接”四种模式，它们的精度和速度呈反比，可根据情况来选择不同的模式.自制的标定数据集，必须用自己相机拍摄照片制作数据集。函数为opencv集成的算法；
学会开发自己的Python AI应用【OpenAI API篇】
最近 OpenAI 宣布 ChatGPT 将很快推出他们的 API。虽然我们不知道这需要多长时间，但这之前我们可以熟悉下OpenAI API，快速开发自己的AI应用！通过今天学习 OpenAI API，你将能够访问 OpenAI 的强大模型，例如用于自然语言的 GPT-3、用于将自然语言翻译为代码的
使用SimpleITK读取、保存、处理nii文件
目录前言nii格式读取nii成numpy格式将numpy格式保存成nii什么是origin、Direction、Spacing，以及如何设置它们示例重采样前言nii.gz格式是保存医学图像非常重要一种格式，下面来介绍一下如何使用SimpleITK这个包来处理nii文件。我们首先会介绍最简单的读取、保
yolo v5 环境配置（gpu版本）
yolo v5 缺陷检测项目环境创建
CLIP模型
利用文本的监督信号训练一个迁移能力强的视觉模型!这个模型有什么用呢？想象我们有一个图像分类的任务训练1000个类别，预测一张图片是这1000个类别中的哪一类现在如果加入50个新的类别的图像，试想会发生什么呢？传统的图像分类模型无法对类别进行拓展，想要保证准确率只能从头开始训练，费时费力。CLIP模型
【今日分享】官方实例用python调用OpenAI tahcTPG的APIkey生成智能问答
分享python 技术 调用APIKEY的过程，基于python接入wei微那个的信经验。
【数学模型】灰色关联分析
数学模型-灰色关联分析
【安装教程】Windows10/11安装detectron2教程
由于Facebook的detectron2没有对windows平台做官方支持，所以在安装的时候发生了很多问题，于是有了这篇问题记录的贴子。截至2022.11.28GitHub上detectron2的版本为0.6。如果文章对你有帮助请给我一个小小的赞。
YOLOv5输出端损失函数
YOLOv5输出端
使用YOLOv5训练自己的数据集
使用YOLOv5训练自己的数据集
（pytorch）LSTM自编码器在西储数据的异常检测
别睡啦，起来搞学习！学pytorch！
基于Pytorch实现的声音分类
前言本章我们来介绍如何使用Pytorch训练一个区分不同音频的分类模型，例如你有这样一个需求，需要根据不同的鸟叫声识别是什么种类的鸟，这时你就可以使用这个方法来实现你的需求了。源码地址：https://github.com/yeyupiaoling/AudioClassification-Pytor
最新CUDA环境配置教程(ubuntu 20.04 + cuda 11.7 + cuDNN 8.4)
ubuntu 20.04 CUDA 11.7 cuDNN 8.4 环境配置教程 ubuntu 20.04 CUDA 11.7 cuDNN 8.4 环境配置教程1.查看是否有合适的GPU2.查看系统版本,我用的是ubuntu 20.04:3.验证系统GCC版本:4.通过下面的地址下载安装包:这里奉劝各
Anaconda更改虚拟环境安装路径+创建虚拟环境
Anaconda更改虚拟环境安装路径+创建虚拟环境
基于AI分词模型，构建一个简陋的Web应用
内容纯属个人经验，若有不当或错误之处，还请见谅，欢迎指出。文中大致介绍了，如何快捷地使用PaddleHub服务化部署一个简单的AI模型，并简单包装成一个Web应用的过程。主要工具Flask（python的Web框架）PaddleHub（飞桨的预训练模型库）
利用yolov5进行目标检测，并将检测到的目标裁剪出来
写在前面：关于yolov5的调试运行在这里不做过多赘述，有关yolov5的调试运行请看：本文章主要讲解的是裁剪。需求：识别图片中的人物并将其裁剪出来如果只需识别人物的话，那么只需在yolov5中设定参数即可，例如使用命令行运行时：即为将参数设置为只识别人。此外需要将检测到的目标裁剪出来还需要目标的中
