[九]深度学习Pytorch-transforms图像增强(剪裁、翻转、旋转)
深度学习Pytorch-transforms图像增强(剪裁、翻转、旋转)
ChatGPT开源平替——OpenChatKit（前OpenAI团队打造）
OpenChatKit是一个由前OpenAI研究员共同打造的开源聊天机器人平台。它包含了训练好的大型语言模型、定制配方和可扩展的检索系统，可以帮助用户快速构建高精度、多功能的聊天机器人应用。其中，最核心的组件是一个经过微调的、具有200亿参数的语言模型——GPT-NeoXT-Chat-Base-20
本手、妙手、俗手？我用AI写2022高考全国作文题，会被看出来？
自然语言处理是人工智能领域的前沿学科和热点方向，本文试着用NLP文章生成模型写了2022年高考作文题，有点意思
Lift-Splat-Shoot算法理解及代码中文注释
对算法Lift-Splat-Shoot的理解以及源代码中文注释
ICRA2022 SLAM进展---激光SLAM
ICRA2022 slam论文简单导读，未完待续
【深度学习】扩散模型（Diffusion Model）详解
【深度学习】扩散模型（Diffusion Model）详解
A2C算法原理及代码实现
A2C算法原理及代码实现
机器学习和深度学习概述
学习笔记
快速了解 GPT 发展三阶段
GPT-1 的预训练模型在 GPT-2 团队看来有一个不足的地方，虽然 GPT-1 构建了一个不错的预训练模型，但是对下游任务还是需要使用有标注的样板来训练新的模型，也就是说需要对具体的下游任务做有监督的微调。同时，GPT-2 还引入了一些新的技术，如动态掩码、自适应的词向量权重、多层次的表示等，以
三分钟认知Softmax和Sigmoid的详细区别
Softmax以及Sigmoid这两者都是神经网络中的激活函数，对应还有其他的激活函数引入激活函数是为了将其输入非线性化，使得神经网络可以逼近任何非线性函数（原本没有引入激活函数，就是多个矩阵进行相乘，无论神经网络多少层都是线性组合，这个概念是感知机）Softmax以及Sigmoid两者都是作为神经
ros(23)：接收rviz中的2D Nav Goal、2D Pose Estimate消息
即设置二维导航目标，并使用“goal”这个话题进行通讯（结合rviz的其他教程，话题名也可能是“/move_base_simple/goal”）其消息类型为：geometry_msgs/PoseStamped1.2 2D Pose Estimate即设置二维初始位姿并使用“initialpose”进
【机器学习】支持向量回归
支持向量回归 SVR 回归模型 支持向量机 管道 惩罚 拉格朗日 KKT 对偶 互补松弛 支持向量 几何意义 间隔 边界 超平面
各种生成模型：VAE、GAN、flow、DDPM、autoregressive models
各种生成模型：VAE、GAN、flow、DDPM、autoregressive models
图解自注意力机制
写在最前边这个文章是《图解GPT-2 | The Illustrated GPT-2 (Visualizing Transformer Language Models)》的一部分，因为篇幅太长我就单独拿出来了。当然如果你只想了解自注意力机制也可以看看本文章的前半部分，这篇文章属算是入门科普读物了，不
R语言|plot和par函数绘图详解，绘图区域设置 颜色设置 绘图后修改及图像输出
如果bty的值为”o”（默认值）、”l”、”7”、”c”、”u”或者”]”中的任意一个，对应的边框类型就和该字母的形状相似，如果bty的值为”n”，表示无边框。R语言绘图讲解
GNSS及其定位原理，差分GNSS技术分析
根据后方交会定位原理，要实现 GNSS定位，需要解决两个问题:一是观测瞬间卫星的 空间位置；二是观测站点和卫星之间的距离，即卫星在某坐标系中的坐标。为此首先要建 立适当的坐标系来表征卫星的参考位置[8]，而坐标又往往与时间联系在一起[9]，因此， GNSS定位是基于坐标系统和时间系统进行的。...
【KDD20】多变量时间序列异常检测算法之USAD：对抗性训练AE
前言KDD20的paper链接：https://dl.acm.org/doi/pdf/10.1145/3394486.3403392代码链接：https://github.com/manigalati/usad一、摘要在摘要中主要指出了本文的难题引出本文的方法。原因出自Orange公司的IT系统的自
机器学习基础 HMM模型（隐马尔科夫）
在机器学习算法中，马尔可夫链(Markov chain)是个很重要的概念。马尔可夫链（Markov chain），又称离散时间马尔可夫链（discrete-time Markov chain），因俄国数学家安德烈·马尔可夫（俄语：Андрей Андреевич Марков）得名。马尔科夫链即为状
【机器学习】线性回归（超详细）
机器学习之线性回归，看懂这一篇就够了(超详细)。
SE(Squeeze and Excitation)模块的理解以及代码实现
SEBlock并非一个完整的网络，而且一个子结构，可以嵌在其他分类或检测模型中。SEBlock的核心思想是通过网络根据loss去学习特征权重，使得有效的featuremap权重更大，无效或效果小的featuremap权重更小的方式去训练模型已达到更好的结果。当然，SEblock嵌在原有的一些分类网络
