CLIP：语言-图像表示之间的桥梁
然而CLIP的多模态架构通过在相同的潜在空间中学习语言和视觉表现在二者之间建立了桥梁。因此，CLIP允许我们利用其他架构，使用它的“语言-图像表示”进行下游任务。
人工智能大模型之ChatGPT原理解析
当前阶段ChatGPT已经大大的降低了很多行业的门槛，可以辅助专业人士大大提高效率，它很有可能成为改变世界的一项技术我们每个人都应该学习ChatGPT，它的解决问题方式完全符合大数据思维，生活在当今的信息社会，有了大数据思维会让我们如虎添翼。
PyTorch深度学习实战 | 自然语言处理与强化学习
PyTorch是当前主流深度学习框架之一，其设计追求最少的封装、最直观的设计，其简洁优美的特性使得PyTorch代码更易理解，对新手非常友好。本文主要介绍深度学习领域中自然语言处理与强化学习部分。
人工智能前沿知识
人工智能（Artificial Intelligence, AI）是指通过模拟、延伸和扩展人类智能的理论、方法、技术和应用系统，使机器能够感知环境、理解自然语言、分析数据、学习知识、做出决策和行动，从而实现智能化的机器系统。通常包括知识表示、推理与规划、机器学习、计算机视觉、自然语言处理、智能控制、
GPT-4 和ChatGPT API的定价分析
OpenAI发布了他们的ChatGPT新机器学习模型GPT-4。GPT-4是GPT-3的一大进步，GPT-3是当前ChatGPT免费版本(GPT 3.5 Turbo)所运行的模型的基础，今天我们也来凑个热点，研究一下它们的定价
YOLO v5加入注意力机制、swin-head、解耦头部（回归源码）
YOLO v5 加入注意力机制、解耦头部和swin-head
yolov5ds-断点训练、继续训练、先终止训练并调整最终epoch（yolov5同样适用）
训练完原有epoch后，但还继续训练，比如设置epoch为200，已经训练完了，但是没有收敛等原因想使用训练了200epoch的权重继续训练100个epoch，总共就是300个epoch。断电、或者什么原因中断了，比如设定epoch为200，但是在90这里中断了，想从断点这里。这两处修改是为了断点训
利用openpose提取自建数据集骨骼点训练st-gcn，复现st-gcn
利用openpose提取自建数据集骨骼点搭建st-gcn
SDG,ADAM,LookAhead,Lion等优化器的对比介绍
本文将介绍了最先进的深度学习优化方法，帮助神经网络训练得更快，表现得更好。有很多个不同形式的优化器，这里我们只找最基础、最常用、最有效和最新的来介绍。
用Pytorch构建第一个神经网络模型（附案例实战）
PyTorch是一个基于python的科学计算包，主要针对两类人群：作为NumPy的替代品，可以利用GPU的性能进行计算作为一个高灵活性、速度快的深度学习平台在PyTorch中搭建神经网络并使用真实的天气信息预测明天是否会下雨。预处理 CSV 文件并将数据转换为张量使用 PyTorch 构建神经网络
人工智能|计算机视觉|深度学习CV岗面试经典问题总结
马上又到了金三银四的面试季啦。对于人工智能这个非常**卷**的行业来说，想找到一份好的实习或者工作还是很有难度的。下面总结一下**计算机视觉**方向常见的面试题目，赶快收藏，背起来吧！
残差网络(Residual Network,ResNet)原理与结构概述
残差网络(Residual Network)简介、概述与基本结构。
Pytorch DataLoader中的num_workers (选择最合适的num_workers值)
Pytorch DataLoader中的num_workers (选择最合适的num_workers值)
图神经网络的数学原理总结
图深度学习(Graph Deep Learning) 多年来一直在加速发展。本文将流行的图神经网络及其数学细微差别的进行详细的梳理和解释
少样本学习综述：技术、算法和模型
少样本学习(FSL)是机器学习的一个子领域，它解决了只用少量标记示例学习新任务的问题。
YOLOV5训练自己的数据集（超详细，小白必看）
教你最方便的了解如何使用yolov5训练自己的数据集（最全面，最简单易懂）
【Yolov5】Yolov5添加ASFF, 网络改进优化
Yolov5添加ASFF模块，有完整的使用说明，实验可行，可以提高模型性能
unet模型及代码解析
什么是unet一个U型网络结构，2015年在图像分割领域大放异彩，unet被大量应用在分割领域。它是在FCN的基础上构建，它的U型结构解决了FCN无法上下文的信息和位置信息的弊端（下文细说）Unet网络结构主干结构解析左边为特征提取网络，右边为特征融合网络特征提取网络由两个3x3的卷积层（RELU）
YOLOV8-gradcam 热力图可视化 即插即用 不需要对源码做任何修改!
yolov8-gradcam热力图可视化，即插即用，不需要对源码做任何修改。代码仓库还有yolov5和yolov7的热力图可视化代码，也是不需要对源码做任何修改喔！
使用ControlNet 控制 Stable Diffusion
本文将要介绍整合HuggingFace的diffusers 包和ControlNet调节生成文本到图像，可以更好地控制文本到图像的生成
