10月发布的5篇人工智能论文推荐
10月发布的5篇人工智能论文推荐
Tensorflow实现训练数据的加载—模型搭建训练保存—模型调用和加载全流程
在Tensorflow深度学习框架下，实现从模型训练数据的加载—模型训练保存—模型调用和加载。
深入了解 Hugging Face 中的生成工具：Generate方法
自然语言生成是自然语言处理领域的一个热门研究方向。Hugging Face 是当前最为流行的自然语言处理库之一，其在自然语言生成领域也提供了一系列实用的工具，以便开发者能够更方便地构建、训练和部署自然语言生成模型。本文将深入介绍 Hugging Face 中的生成工具，涵盖其原理、实现细节以及如何使
卷积核的尺寸、数量、通道数
torch.squeeze() 这个函数主要对数据的维度进行压缩，去掉维数为1的的维度，比如是一行或者一列这种，一个一行三列（1,3）的数去掉第一个维数为一的维度之后就变成（3）行。还有一种形式就是b=torch.squeeze(a，N) a就是在a中指定位置N加上一个维数为1的维度。给指定位置加上
Pytorch版Mask-RCNN图像分割实战（自定义数据集）
Mask R-CNN是一种广泛应用于目标检测和图像分割任务的深度学习模型，它是由Faster R-CNN（一种快速目标检测模型）和Mask R-CNN（一种实例分割模型）组成的。Mask R-CNN将Faster R-CNN中的RPN和RoI Pooling层替换成了RPN和RoI Align层，以
pytorch中nn.ModuleList()使用方法
我们可以将我们需要的层放入到一个集合中，然后将这个集合作为参数传入nn.ModuleList中，但是这个子类并不可以直接使用，因为这个子类并没有实现forward函数，所以要使用还需要放在继承了nn.Module的模型中进行使用。
深度学习——残差网络(ResNet)
残差的思想都是去掉相同的主体部分，从而突出微小的变化。
AutoGen完整教程和加载本地LLM示例
Autogen是一个卓越的人工智能系统，它可以创建多个人工智能代理，这些代理能够协作完成任务，包括自动生成代码，并有效地执行任务。
【深度学习】使用ffmpg及gstreamer进行视频拉流及编解码（一）：ffmpg
GStreamer：一款功能强大的多媒体框架，可以用于音视频的采集、编码、解码、处理和传输。FFmpeg：一个开源的音视频处理工具，可以用于音视频的采集、编码、解码、转码、处理等。FFmpeg和GStreamer都是流媒体处理框架，它们在音视频编解码、转码、过滤、采集等方面都有广泛的应用。FFmpe
如何在kaggle上保存、加载文件，同时在output上删除已经保存的文件。
在kaggle的notebook下操作output,用torch对文件进行操作
使用Llama index构建多代理 RAG
检索增强生成(RAG)已成为增强大型语言模型(LLM)能力的一种强大技术。通过从知识来源中检索相关信息并将其纳入提示，RAG为LLM提供了有用的上下文，以产生基于事实的输出。
最简单Anaconda+PyTorch深度学习环境配置教程
Anaconda，中文大蟒蛇，是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。安装它可以方便我们后续进行conda环境管理器下的命令生成和跑各自深度学习模型。CUDA（Compute Unified Device Architecture），是显卡厂商
卷积神经网络CNN的经典模型
主要介绍卷积神经网络CNN的发展史，并详细剖析了经典网络模型的架构。
【人工智能】大模型的发展历史
2012年以后的深度学习热潮：2012年，AlexNet横空出世，以卷积神经网络（CNN）为代表的深度学习模型在计算机视觉任务中取得了巨大突破，吸引了越来越多的计算机科学家和工程师投入深度学习研究和应用。：2018年，Google推出了基于Transformer的预训练模型BERT，通过大量无标签文
【深度学习】自监督学习详解（self-supervised learning）
详解！自监督学习：对比学习和生成学习。
使用Panda-Gym的机器臂模拟进行Deep Q-learning强化学习
强化学习(RL)是一种机器学习方法，它允许代理通过试错来学习如何在环境中表现。行为主体因采取行动导致预期结果而获得奖励，因采取行动导致预期结果而受到惩罚。随着时间的推移，代理学会采取行动，使其预期回报最大化。
CTC-Loss
CTC-Loss
使用FastAPI部署Ultralytics YOLOv5模型
在本文中，我们将介绍如何使用FastAPI的集成YOLOv5，这样我们可以将YOLOv5做为API对外提供服务。
基于ChatGPT实现AI软件研发 | 神经网络 | 数据
这是一本讲解以ChatGPT/GPT-4为代表的大模型如何为软件研发全生命周期赋能的实战性著作。它以软件研发全生命周期为主线，详细讲解了ChatGPT/GPT-4在软件产品的需求分析、架构设计、技术栈选择、高层设计、数据库设计、UI/UX 设计、后端应用开发、Web 前端开发、软件测试、系统运维、技
深度学习中训练时经常碰到的train、val、test有啥区别？
train是训练集，val是训练过程中的测试集，是为了让你在边训练边看到训练的结果，及时判断学习状态。test就是训练模型结束后，用于评价模型结果的测试集。只有train就可以训练，val不是必须的，比例也可以设置很小。test对于model训练也不是必须的，但是一般都要预留一些用来检测，通常推荐比
