Pandas DataFrame 数据存储格式比较
Pandas 支持多种存储格式，在本文中将对不同类型存储格式下的Pandas Dataframe的读取速度、写入速度和大小的进行测试对比。
【机器学习】人工智能概述（文末送书）
机器学习和人工智能，深度学习的关系人工智能（AI）：人工智能是一门研究如何使计算机能够模拟、理解和执行人类智能任务的学科。它的目标是让计算机具备类似于人类的智能水平，可以进行推理、学习、感知和决策。机器学习：机器学习是人工智能的一个重要分支，它是让计算机通过从数据中学习和提取模式，自动改进执行特定任
多模态推荐系统综述
多模态推荐综述
faiss的简单使用
全称(Facebook AI Similarity Search)是Facebook AI团队开源的针对聚类和相似性搜索库，为稠密向量提供高效相似度搜索和聚类，支持十亿级别向量的搜索，是目前较成熟的近似近邻搜索库。它包含多种搜索任意大小向量集（备注：向量集大小由RAM内存决定）的算法，以及用于算法评
15个基本且常用Pandas代码片段
以上这15个Pandas代码片段是我们日常最常用的数据操作和分析操作。熟练的掌握它，并将它们合并到工作流程中，可以提高处理和探索数据集的效率和效果。
20用于深度学习训练和研究的数据集
本文将整理常用且有效的20个数据集。
Pandas 2.1发布了
2023年3月1日，Pandas 发布了2.0版本。6个月后（8月30日），更新了新的2.1版。让我们看看他有什么重要的更新。
是否在业务中使用大语言模型？
但LLM究竟是什么，它们如何使你的企业受益?它只是一种炒作，还是会长期存在?
机器学习基础11-算法比较（基于印第安糖尿病Pima Indians 数据集）
比较不同算法的准确度，选择合适的算法，在处理机器学习的问题时是非常重要的。本节将介绍一种模式，在scikit-learn中可以利用它比较不同的算法，并选择合适的算法。你可以将这种模式作为自己的模板，来处理机器学习的问题；也可以通过对其他不同算法的比较，改进这个模板。
k210部署自行训练的口罩识别模型
自己训练了一个口罩识别模型，踩了不少坑
交叉熵简介
交叉熵（Cross Entropy）是用来衡量两个概率分布之间的差异性的一种方法。在机器学习和深度学习中，交叉熵常常被用作损失函数，用来衡量模型预测的结果与真实结果之间的差距。Hpq−i1∑npilogqi其中，pi表示真实分布中第i个事件发生的概率，qi表示模型预测分布中第i个事件发生的
AI时代,程序员需要焦虑吗?
ChatGPT 横空出世后，“AI 即将取代程序员” 的观点一度引发热议，至今尚未完全冷却。ChatGPT 是一种基于人工智能技术的对话生成系统，其受欢迎的程度在一定程度上说明了人们对于人工智能技术的兴趣和追求。但是，从目前的实际情况来看，人工智能技术还没有达到完全替代程序员的程度。首先，AI 技术
人工智能在机器学习中的八大应用领域
本文将介绍人工智能在机器学习中的八大应用领域，并通过适当的代码示例加深理解。人工智能在机器学习中的八大应用领域为我们带来了无限的创新和可能性。从自然语言处理到智能分析，从医疗诊断到环境保护，机器学习已经渗透到了各个领域，并持续推动着技术和社会的发展。随着技术的不断进步，人工智能和机器学习在各个领域的
Dynamic ReLU：根据输入动态确定的ReLU
这是我最近才看到的一篇论文，它提出了动态ReLU (Dynamic ReLU, DY-ReLU)，可以将全局上下文编码为超函数，并相应地调整分段线性激活函数
CLIP：一种基于视觉和语言相互关联的图像分类模型
近年来，计算机视觉领域的发展非常迅速，其中图像分类是一项非常重要的任务。然而，传统的图像分类模型在面对大规模图像分类任务时存在很多局限性，例如需要大量标注数据、难以泛化到新的图像类别等问题。为了解决这些问题，近年来出现了一种新的图像分类模型——CLIP（Contrastive Language-Im
torch安装找不到版本报错
torch安装找不到版本报错的4种解决办法，可按顺序来
统计数据集中目标大、中、小个数【需要用到yolo的txt标注文件数据，其他格式数据不一定适用】
统计数据集中目标大、中、小个数
理解图傅里叶变换和图卷积
图神经网络（GNN）代表了一类强大的深度神经网络架构。本文将介绍图卷积的理论基础。深入研究图傅立叶变换的复杂性及其与图卷积的联系
扩散模型原理+DDPM案例代码解析
扩散模型 DDPM 代码实现 从数学公式到代码一步步理解
ClearML入门：简化机器学习解决方案的开发和管理
ClearML 是一个开源平台（之前叫TRAINS），可为全球数千个数据科学团队自动化并简化机器学习解决方案的开发和管理。它被设计为端到端的MLOps套件，允许您专注于开发ML代码和自动化，而ClearML确保您的工作可重复和可扩展。仅用 2 行代码跟踪和上传指标和模型创建一个机器人，每当模型的准确
