Datawhale X 魔搭 AI夏令营夏令营第四期 Task1：从零入门AI生图原理与实践
提示词prompt在大模型不断发展的当下，要想最大化利用AI的能力，学会提示词的书写尤为重要。如果想学习prompt书写，在这里推荐大佬吴恩达的prompt engineering视频。链接如下：https://www.bilibili.com/video/BV1Z14y1Z7LJ?在AI生成图中，
新来个技术总监，把AI大模型接入的那叫一个优雅，佩服！
目前 AllTools 仅支持流式 SSE 输出，也就是大家看到的消息一点一点在对话框中显示的效果，后台打印的信息其实是这样的，也是一点一点的从智谱 AI 那里得到响应。周一，公司空降一名逼里巴巴的技术总监老王，我很不服气，就给他出了道难题，限时 30 分钟把最新大模型 GLM-4-AllTools
Deep-Live-Cam实时AI换脸
Deep-Live-Cam 是一个基于AI技术的实时人脸替换和动画工具，该项目结合了深度学习算法，能够实时地将一个选定的人脸替换到目标视频或图片中，支持多种平台和执行环境。
基于人工智能与区块链的果蔬分拣与仓储监控系统(毕业论文)
开机之后手动输入果蔬产地，然后开始检测果蔬分级，去除不满足条件的果蔬，将满足条件的果蔬放入对应的容器，并开始记录放入容器的水果数量。因此，本研究旨在结合人工智能与区块链技术，开发一种新型的果蔬分拣与仓储监控系统。通过实现果蔬的自动分拣、智能仓储和食品安全追溯，不仅可以提高果蔬供应链的效率和质量，还可
利用“2+1链动模式小程序AI智能名片S2B2C商城源码”优化企业参与外部社群策略
在当今数字化时代，企业参与外部社群已成为其市场扩张、品牌塑造及用户增长不可或缺的一环。然而，面对浩如烟海的社群类型，包括行业论坛、地区性论坛、特定兴趣爱好的论坛以及短视频网站等，如何精准选择并有效介入这些社群，成为了企业面临的重要挑战。本文深入探讨了如何通过融合“2+1链动模式小程序”、“AI智能名
向李宏毅学深度学习(进阶)#task01#Datawhale X 李宏毅苹果书 AI夏令营
根据基于李宏毅老师机器学习课程编著的《深度学习详解》一书，结合自己的思考，阐释了深度学习中全局最优值、局部极值、鞍点等关键概念，以及批量（banch）和动量法
CVPR 2024最佳论文分享┆EventPS: 基于事件相机的实时光度立体视觉
本文介绍了CVPR 2024的最佳论文提名，该论文利用事件相机的独特属性，实现了实时光度立体视觉。该算法在传统和深度学习领域均取得成功。配合高速转台数据采集和GPU优化，算法实现了每秒超30帧的实时表面法线重建。
为什么说RAG是AI 2.0时代的“杀手级”应用？
随着 AI 2.0 时代的来临，我们正站在一个技术革新和行业变革的交汇点。大语言模型虽然在多个领域取得了突破，但在特定领域的应用仍面临挑战。而 RAG 技术以其独特的能力，通过整合外部知识库与文档，显著提升了模型的专业性能和回答精度，成为大模型应用的重要技术方向。
AI：238-提升YOLOv8的检测性能 | Slim-Neck特征融合层的轻量化与精度双重突破（保姆级涨点）
从基础到实践，深入学习。无论你是初学者还是经验丰富的老手，对于本专栏案例和项目实践都有参考学习意义。每一个案例都附带关键代码，详细讲解供大家学习，希望可以帮到大家。正在不断更新中~
20240825 每日AI必读资讯
新部门成立于3月，目的是加强微软在消费者AI战略方面的布局，涵盖副驾驶 AI聊天机器人和Bing搜索引擎等项目，由DeepMind联合创始人Mustafa Suleyman领导。- 新成立的AI部门的软件工程师平均总薪酬高达377611美元（约合269.3万元人民币），至少比其他部门的平均水平高出1
为什么多模态大模型中使用Q-Former的工作变少了？附Q-Former结构简介
面试中遇到的问题，自己在实践中注意到了却没有深究原因，没有回答好，特此记录和探讨这个问题。多模态大模型中需要一个输入投影模块，将视觉特征投射到LLM能理解的语言特征维度，这里就可以选择各种不同的模块。LLaVA最初用了简单的线性投射，然而作者提到这么做是为了做实验更快一点，使用复杂的模块可能会有更好
最全面NVIDIA 全系GPU规格及特性对比（含应用场景）
本文主要整理了NVIDIA全系GPU&显卡规格参数及特性对比，应用场景等
上海交大洪亮教授：AI 真要突破工程领域，一定要做到现有人类专家做不到的工程成果
与自然界相比，序列相似度全部低于 65%，最低的为 49%，换言之，研究团队对 700 多个氨基酸序列中的 300 多个进行了改造，其中有 23 个有活性，2/3 比野生活性高，最高的野生型达 8.6 倍。在没有数据的情况下，则通过物理模拟器产生精度略低的大量假数据来做预训练，再用真实珍贵的数据进行
LSTM模型
LSTM（长短期记忆）是一种用于处理和预测时间序列数据的递归神经网络（RNN）架构旨在解决传统RNN在处理长序列数据时存在的梯度消失和梯度爆炸问题。LSTM的关键在于其特殊的单元结构，每个单元包含三个门：输入门、遗忘门和输出门。这些门通过控制信息的流动，允许LSTM在更长时间范围内保持和更新记忆。输
【优选赛事】2024年iCAN大赛AI视觉检测设计挑战赛
iCAN大学生创新创业大赛(以下简称“iCAN大赛”")是一个无固定限制、鼓励原始创新的赛事，自2007年发起至今，得到了广大青年学生的热爱。2010年，iCAN大赛获批《教育部、财政部关于批准2010年度大学生竞赛资助项目的通知》大学生竞赛资助项目。2023年,iCAN大赛入选《全国普通高校大学生
视觉 注意力机制——通道注意力、空间注意力、自注意力、交叉注意力
在计算机视觉领域，注意力机制（Attention Mechanism）已成为提升模型性能的关键技术之一。注意力机制通过模拟人类视觉的选择性注意力，能够在海量数据中自动聚焦于最相关的信息，从而提高模型的效率和准确性。下面将介绍通道注意力、空间注意力、自注意力和交叉注意力四种类型。
ChatTTS文本转语音本地Windows环境部署与远程生成AI音频实战流程
本篇文章主要介绍如何快速地在Windows系统电脑中本地部署ChatTTS开源文本转语音项目，并且我们还可以结合Cpolar内网穿透工具创建公网地址，随时随地远程访问本地搭建的ChatTTS AI语音合成模型。最像人声的AI来了！语音开源天花板ChatTTS火速出圈，一周就斩获20k，目前githu
自动控制：前馈控制
抗扰前馈控制器（Disturbance Rejection Feedforward Controller）主要用于抑制系统中的扰动。这种控制器在检测到扰动后，通过计算并施加一个与扰动相反的控制输入，来抵消扰动对系统的影响。扰动检测：实时检测系统中的扰动源。扰动补偿计算：根据系统模型计算出所需的补偿量
Claude模型将接入亚马逊Alexa；ChatGPT周活跃用户超过2亿 | AI头条
该机器人身高约 1 米 65，体重 30 公斤，步行速度 1.12 m/s，跑步速度 3.35 m/s，可承重 20 公斤，运行时间 2 到 4 小时。Qwen2-VL 相比 Qwen-VL 有诸多特点，在 MathVista、DocVQA、RealWorldQA、MTVQA 等视觉理解基准测试中表
Datawhale AI 夏令营 CV Task 1 笔记
使用F1score、MOTA指标来评估模型预测结果。对每个json文件得到两个指标的加权求和，最终得分为所有文件得分取均值。12其中，F1 Score是 Precision（精度）和 Recall（召回率）的调和平均值，专注于检测模型的准确性和完整性。
