AI实战：用Transformer建立数值时间序列预测模型开源代码汇总
Transformer做数值时间序列预测
Anaconda安装github上下载的包或者本地包
一 将github上下载的包，解压后 放入anaconda路径下的site-pakages文件夹下我下载的文件名是nda-tools-master我的路径是F:\anaconda_set\envs\tensorflow2\Lib\site-packages\如果anaconda包含Tensorflo
深度学习和日常代码中遇到的报错汇总及解决方案，持续更新中。。。。
深度学习和日常代码中遇到的报错汇总及解决方案，持续更新中。。。。解决方案也大多参考网上的解决方案，有些有用，有些没有效果，本文章中的问题，也仅是本人遇到的问题
ChatGPT 3 与 ChatGPT 4：比较分析
OpenAI 于 2020 年发布的ChatGPT 3改变了 AI 世界的游戏规则。它在理解和生成类人文本方面表现出了非凡的能力。然而，随着研究的继续，ChatGPT 4的开发是为了解决其局限性并改进其前身的性能。让我们比较一下这些模型的主要区别和增强功能。
Pytorch学习笔记（3）：图像的预处理（transforms）
Pytorch学习笔记（3）：图像的预处理（transforms）
GPT2模型详解
一 背景介绍GPT2模型是OpenAI组织在2018年于GPT模型的基础上发布的新预训练模型，其论文原文为 language_models_are_unsupervised_multitask_learnersGPT2模型的预训练语料库为超过40G的近8000万的网页文本数据，GPT2的预训练语料
BiSeNet - 轻量级实时语义分割
在语义分割领域，由于需要对输入图片进行逐像素的分类，运算量很大。通常，为了减少语义分割所产生的计算量，通常而言有两种方式：减小图片大小和降低模型复杂度。减小图片大小可以最直接地减少运算量，但是图像会丢失掉大量的细节从而影响精度。降低模型复杂度则会导致模型的特征提取能力减弱，从而影响分割精度。所以，如
无监督异常检测（MVTec）
（排名第1）Towards Total Recall in Industrial Anomaly Detection （PatchCore）
yolov5使用知识蒸馏
本文介绍的论文《Distilling Object Detectors with Fine-grained Feature Imitation》即是基于 Fine-grained Feature Imitation 技术的目标检测知识蒸馏方法。该方法将 Fine-grained Feature Im
【GPT-4】GPT-4 相关内容总结
GPT-4没开通Plus的用户还没办法体验到GPT-4 是 OpenAI 最先进的系统，可产生更安全、更有用的响应。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（接受图像和文本输入，发出文本输出），虽然在许多现实世界场景中的能力不如人类，
OpenMV：19OpenMV4 Plus训练神经网络进行口罩识别
注意： 只有可以自己训练神经网络，其他版本的性能不够本节讲解如何使用网站来自行训练神经网络模型，进而实现机器学习的功能是一个在线网站，是一个为嵌入式产品非常快速地生成嵌入式上面使用的神经网络的模型，非常地易用且快速，大概只需要5min左右就可以训练出一个OpenMV4 Plus上使用的模型机器学习有
pytorch yolov5的输入图像尺寸为指定尺寸
pytorch yolov5的输入图像尺寸为指定尺寸
torch中如何使用预训练权重
关于torch预训练权重载入的问题
mmsegmentation框架SegFormer训练自己的数据集
使用mmsegmentation中的SegFormer网络训练自己的数据集
ChatGPT新进展GPT-4 模型介绍
虽然在许多现实场景中，GPT-4的能力不如人类，但它在各种专业和学术基准上表现出了人类的水平，包括以大约前10%的成绩通过模拟律师资格考试。GPT-4是一个大型多模态模型(接受图像和文本输入，输出文本输出)，虽然在许多现实场景中不如人类，但在各种专业和学术基准上表现出与人类相当的性能。
NLP（自然语言处理）
目前存在的问题有两个方面：一方面，迄今为止的语法都限于分析一个孤立的句子，上下文关系和谈话环境对本句的约束和影响还缺乏系统的研究，因此分析歧义、词语省略、代词所指、同一句话在不同场合或由不同的人说出来所具有的不同含义等问题，尚无明确规律可循，需要加强语用学的研究才能逐步解决。对大规模文档进行索引。自
YOLOv5用TensorBoard可视化结果解读
TP为正确识别的判例个数，FN为有目标但识别为没有目标的判例个数。FP为没有目标但识别为有目标的判例个数。
传统与深度学习遥感变化监测遥感技术路线与方法
由于遥感算法、数据源质量等原因，遥感变化信息提取一般采用目视解译方式进行，但是目视解译方式费时费力，大区域工作效率很低。而深度学习可以在很短时间内按照模型训练要求，快速全面的进行解译，可以大大提高遥感解译的效效率,因此一般采用传统解译方法与深度学习相结合的方法进行。
校园打架行为识别检测 yolov7
校园打架行为识别检测系统基于python基于yolov7深度学习框架+边缘分析技术，自动对校园、广场等区域进行实时监测，当监测到有人打架斗殴时，系统立即抓拍存档语音提醒，并将打架行为回传给学校后台，提醒及时处理打架情况。YOLOv7 在 5 FPS 到 160 FPS 范围内，速度和精度都超过了所有
【毕业设计】疲劳驾驶检测系统 - python 深度学习
🔥 Hi，大家好，这里是丹成学长的毕设系列文章！🔥 对毕设有任何疑问都可以问学长哦!这两年开始，各个学校对毕设的要求越来越高，难度也越来越大… 毕业设计耗费时间，耗费精力，甚至有些题目即使是专业的老师或者硕士生也需要很长时间，所以一旦发现问题，一定要提前准备，避免到后面措手不及，草草了事。为了
