CodeFormer一款既能人脸修复、还能视频去码的AI软件，附下载使用教程
它可以处理视频中的各种问题，如模糊、抖动、颜色失真等，从而提供更清晰、更稳定的视频观看体验。CodeFormer通过分析视频的每一帧，对图像进行逐一修复，使得修复后的视频在细节和色彩上都更接近原始状态。由于其专为处理人脸设计，CodeFormer在人脸修复方面表现尤其出色，它可以处理各种复杂的人脸图
YOLOv8 从环境搭建到推理训练
yolov8从环境搭建到推理训练（超级详细）
人工智能、机器学习与深度学习之间的关系
在我们深入研究机器学习和深度学习之前，让我们快速浏览一下它们所属的分支：人工智能(AI)。简而言之，人工智能是一个将计算机科学与大量数据相结合以帮助解决问题的领域。人工智能有许多不同的用例。图像识别，图像分类，自然语言处理，语音识别，面部识别等。人工智能主要有两种类型：弱人工智能和强人工智能。弱人工
AI：124-基于深度学习的人体遮挡物体重建技术
随着人工智能技术的不断发展，深度学习在计算机视觉领域取得了显著的突破。其中，基于深度学习的人体遮挡物体重建技术成为了近年来备受关注的研究方向之一。本文将介绍这一领域的背景、挑战和最新的研究成果，同时提供一个简单的代码实例，以便读者深入了解这一引人注目的技术。在日常生活中，人体遮挡物体的情况屡见不鲜。
2024年应该关注的十大人工智能创新
今年是大年初一，我们将探讨2024年可能出现的十大人工智能创新，拥抱这些即将到来的人工智能创新，可以为一个充满激动和变革的未来做好准备。
深度学习的革命：解锁人工智能的潜力
1.背景介绍深度学习(Deep Learning)是一种人工智能(Artificial Intelligence, AI)技术，它旨在模拟人类大脑中的神经网络，以解决复杂的问题。深度学习的革命性在于它的能力，可以自动学习和提取数据中的特征，从而实现高度自动化和智能化的目标。深度学习的诞生可以追溯到2
从模型到前端，你应该知道的LLM生态系统指南
本文通过介绍这个生态系统的核心组成部分，来详细整理LLM的发展。
与AI对话：编写高效Prompt的指南
在提问前，对关键词进行明确的定义或描述，以便准确传达其意义和范围。
2023年美赛论文写作方法——题目与摘要篇
首先，解决探测器单元距离的问题（①简述问题），介质厚度的理论值是根据几何关系公式确定的，基于此建立单一的基础 目标优化模型， 目标函数是相邻接收信息理论比与实际比之间的最小误差平方和，从辐射到介质边缘的距离，决策变量是探测器单元的距离（②建模思路）。本文针对中小微企业的信贷决策，(①研究问题的背景或
Python进行AI声音克隆的端到端指南
人工智能语音克隆是一种捕捉声音的独特特征，然后准确性复制它的技术。
海思SD3403,SS928/926,hi3519dv500,hi3516dv500移植yolov7,yolov8（7）
第一个和第二个值分别对应 阈值设置nms_threshold，IOU_score_threshold，具体值与模型本身有关，如果叠框明显就调高IOU值，如果误报很多就调高NMS值。初始化时还需要配置一下IOU与NMS的阈值，在模型导出时其实在代码里已经有默认值，但是在这里初始化过程中会更新对应的阈值
MoE-LLaVA:具有高效缩放和多模态专业知识的大型视觉语言模型
MoE-LLaVA利用了“专家混合”策略融合视觉和语言数据，实现对多媒体内容的复杂理解和交互。
CUDA与PyTorch版本对应关系
CUDA与PyTorch版本对应关系
Windows下深度学习环境配置(超详细跟李沐学Ai)
安装的软件有miniconda，CUDA，Pycharm，需要安装的包有Pytorch，jupyter，d2l
【人工智能概论】 自注意力机制（Self-Attention）
自注意力机制（Self-Attention）
第四章：AI大模型的主流框架 4.4 MXNet
1.背景介绍1. 背景介绍MXNet是一个开源的深度学习框架，由亚马逊和Apache软件基金会共同维护。MXNet的设计目标是提供高性能、高效率和高度灵活的深度学习框架。MXNet支持多种编程语言，包括Python、R、Scala、Julia和MATLAB等，并且可以在多种计算平台上运行，如CPU、
PyTorch的10个基本张量操作
本文将介绍一些Pytorch的基本张量操作。
AI之DL：人工智能领域—深度学习的发展历程之深度学习爆发的三大因素、探究DL为什么耗算力
针对梯度消失等问题，算法进行了优化。，比如深度神经网络的梯度消失问题，神经网络长期以来存在的问题是梯度消失，即在反向传播过程中，每一层都乘以激活函数的导数值，如果这个导数的绝对值小于1，经过多次乘法后梯度很快趋近于零，导致前面的层无法得到有效的更新。：如图是基于TensorFlow 的分布式学习的效
AI：122-基于深度学习的电影场景生成与特效应用
随着人工智能技术的不断发展，深度学习作为其中的重要分支在各个领域展现出了强大的应用潜力。电影制作是一个富有创造性和技术挑战的领域，近年来，基于深度学习的电影场景生成与特效应用正逐渐成为行业的热点之一。本文将深入探讨深度学习在电影制作中的应用，特别是在电影场景生成和特效方面的创新。
机器学习期末复习
机器学习期末复习
