最新CUDA/cuDNN与Pytorch保姆级图文安装教程(速查字典版)
最新CUDA/cuDNN与Pytorch保姆级图文安装教程：CUDA下载、安装、多版本切换、卸载；解析CUDA、cuDNN、NVIDIA驱动、Pytorch间的版本对应关系
RoboCom机器人大赛使用yolov5抽取20个随机图片进行人群识别
YOLOv5是一个在COCO数据集上预训练的物体检测架构和模型系列，它代表了Ultralytics对未来视觉AI方法的开源研究，其中包含了经过数千小时的研究和开发而形成的经验教训和最佳实践。YOLOv5是一种单阶段目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使得其速度与精度都得
Bishop 模式识别与机器学习读书笔记_ch1.1 机器学习概述
Bishop著作 《Pattern Recognition and Machine Learning》 读书笔记
【自然语言处理（NLP）】基于PaddleNLP的短文本相似度计算
【自然语言处理（NLP）】基于PaddleNLP的短文本相似度计算，基于百度飞桨开发，参考于《自然语言处理实践》所作。
AI：ModelScope(一站式开源的模型即服务共享平台)的简介、安装、使用方法之详细攻略
ModelScope旨在打造下一代开源的模型即服务共享平台，汇集了行业领先的预训练模型，减少了开发者的重复研发成本。个人认为，相比于AI公司经常卖一款软件产品或者卖一个算法需求，而ModelScope更偏向于某种功能(model端到端)实现，初级AI从业者也能很容易实现大模型，有点低代码的感觉。当前
AI 杀疯了，NovelAI开源教程
NovelAI杀疯了，安装教程安排！
谷歌AudioLM :通过歌曲片段生成后续的音乐
AudioLM 是 Google 的新模型，能够生成与提示风格相同的音乐。该模型还能够生成复杂的声音，例如钢琴音乐或人的对话。结果是它似乎与原版没有区别，这是十分让人惊讶的。
持续学习常用6种方法总结：使ML模型适应新数据的同时保持旧数据的性能
持续学习是指在不忘记从前面的任务中获得的知识的情况下，按顺序学习大量任务的模型。
最适合新手的100个深度学习实战项目
本专栏整理了《PyTorch深度学习项目实战100例》，内包含了各种不同的深度学习项目，包含项目原理以及源码，每一个项目实例都附带有完整的代码+数据集。
训练深度学习神经网络的常用5个损失函数
损失函数的选择与神经网络模型从示例中学习的特定预测建模问题（例如分类或回归）有关。在本文中我们将介绍常用的一些损失函数
改进YOLOv5 | GSConv+Slim-neck 减轻模型的复杂度同时提升精度 | 附4套改进方式模板
GSConv+Slim-Neck助力YOLOv5涨点
基于粒子群优化深度置信网络的分类预测
基于粒子群优化深度置信网络的分类预测
使用基于注意力的编码器-解码器实现医学图像描述
使用计算机视觉和自然语言处理来为X 射线的图像生成文本描述。
自然语言处理之入门必学案例100例
自然语言处理之入门必学案例100例nlp自然语言处理之入门必学案例100例nlp自然语言处理之入门必学案例100例
Pytorch实战 | 第4天：猴痘病识别
本文为内部限免文章参考本文所写记录性文章，请在文章开头注明以下内容，复制粘贴即可本周的代码相对于上周增加指定图片预测与保存并加载模型这个两个模块，在学习这个两知识点后，时间有余的同学请自由探索更佳的模型结构以提升模型是识别准确率，模型的搭建是深度学习程度的重点。DL+45。
4K Star , Github上照片转漫画最强项目
AnimeGANv2 是一个基于 tensorflow 使用 python 开发的一款开源图片转漫画的一个项目，目前已累积到了4K star，是个很不错的项目。
CSDN独家 | 全网首发 | 《计算机视觉基础知识蓝皮书》目录
本专栏将系统性地讲解计算机视觉基础知识、包含第1篇机器学习基础、第2篇深度学习基础、第3篇卷积神经网络、第4篇经典热门网络结构、第5篇目标检测基础、第6篇网络搭建及训练、第7篇模型优化方法及思路、第8篇模型超参数调整策略、第9篇模型改进技巧、第10篇模型部署基础等，全栏文章字数10万+，篇篇精品，让
[推荐系统] 1. 深度学习与推荐系统
推荐系统
Keras深度学习实战——使用长短时记忆网络构建情感分析模型
我们已经学习了如何使用循环神经网络 (Recurrent neural networks, RNN) 构建情感分析模型，为了将循环神经网络与长短时记忆网络 (Long Short Term Memory, LSTM) 的性能进行对比，同时也为了加深对 LSTM 的了解，在节中，我们将使用 LSTM
自注意力中的不同的掩码介绍以及他们是如何工作的?
注意力掩码本质上是一种阻止模型看我们不想让它看的信息的方法。这不是一种非常复杂的方法，但是它却非常有效。我希望这篇文章能让你更好地理解掩码在自注意力中的作用
