Dataset之Cityscapes：语义城市景观分割数据集Cityscapes的简介、下载及使用方法详解
Cityscapes 数据集是一个非常重要且广泛使用的数据集，主要用于自动驾驶和计算机视觉研究。通过本文的介绍，你不仅了解了 Cityscapes 数据集的简介，还掌握了安装和使用该数据集的方法。希望这篇博客能帮助你在未来的项目中高效地使用 Cityscapes 数据集。
大模型精细化对齐之step-dpo
如何精细化调教大模型
FunAudioLLM：阿里通义实验室的开源语音大模型项目 - SenseVoice与CosyVoice模型介绍
深入了解FunAudioLLM，阿里巴巴通义实验室开源的先进语音技术项目。SenseVoice和CosyVoice两大模型，以其高精度多语言语音识别、情感辨识和自然语音生成能力，引领语音交互的新时代。本文详细解析了技术原理、社区开发资源，为语音技术爱好者和专业人士提供了指南
颜色传感器 - 从零开始认识各种传感器【二十三期】
颜色传感器（Color Sensor）是一种能够检测和识别颜色的传感器，它广泛应用于工业自动化、机器人技术、智能家居、消费电子等领域。颜色传感器通过测量物体表面反射的光来确定其颜色，通常包含一个或多个光源（如LED）和一个光电探测器。
Spring AI：让ChatGPT成为你的开发助手
在当今快速发展的技术世界中，人工智能（AI）正逐渐成为开发者的得力助手。而ChatGPT作为一种强大的自然语言处理模型，已经被广泛应用于聊天机器人、智能助手、自动回复系统等领域。本文将介绍如何使用Spring AI集成ChatGPT，让它成为你的开发助手。Spring AI是一个基于Spring B
揭秘论文AI率：深度解析检测原理与降率秘籍
论文AI率，简而言之，是指论文中由AI生成内容的比例。随着AI写作工具的普及，学术界对论文原创性的要求愈发严格。因此，了解AI检测的原理并掌握降低AI率的方法，成为每位学者和学生必备的技能。
YOLOv5改进 | 注意力机制 | 二阶注意力网络来进行单图像超分辨率【附网盘完整代码】
yolov5改进，yolov5涨点，yolov5，SOCA
AI：251-YOLOv8轻量化改进 | 基于ShuffleNetV1的主干网络优化与应用实践（附代码+修改教程）
ShuffleNetV1是由Facebook AI Research团队提出的轻量级神经网络。其核心思想是通过分组卷积（Group Convolution）和通道重排（Channel Shuffle）技术来减少模型参数和计算量，同时保持较高的精度。我们首先需要在YOLOv8的代码中定义Shuffle
大模型从入门到精通——基于智谱AI和LangChain实现RAG应用(一)
ZhipuAILLM_call_llm_type通过插入特定的上下文和问题来生成提示，适用于自然语言处理模型。它确保模型生成的回答简洁明确，并在回答结束时添加template = """使用以下上下文来回答最后的问题。如果你不知道答案，就说你不知道，不要试图编造答案。最多使用三句话。尽量使答案简明扼
如何从PyTorch迁移到MindSpore
相信做AI开发的小伙伴，有一大半用的都是PyTorch.我之前也是一直用PyTorch做开发。上个月参加了华为昇思25天打卡营，官方提供了充足的算力支持，几乎是不限时间不限量的那种，也让我体验了一把算力自由，好好感受了一番昇思框架。昇思真的是很好用的国产AI框架，但是因为之前的开发都是基于PyTor
EDA(Easy Decrypt AI) 算法推理工具
了解详情请私 解决你的逆向烦恼
ONNX深入研究（1）：AI模型优化与加速方法
得益于现有的硬件和加速器，深度学习在 2010 年代初开始兴起，在这种支持下，研究人员和工程师提出了更复杂、更大的模型。然而，内存消耗和执行时间等限制仍然是一个挑战。由于计算资源的限制，这些挑战在工程和商业领域变得更加突出。近年来，随着更大、更复杂的模型的普及，优化模型以使其能够以最小的资源消耗输出
Datawhale X 李宏毅苹果书AI夏令营 学习笔记
今天，我继续学习了深度学习中的优化算法，并且着重理解了如何利用。等高级优化器来提高模型训练的效率和效果。2024年8月30日。
KAN2.0来了：符号+连接双驱动下的AI4S
同时，本篇论文KAN 2.0在原始KAN 1.0网络的基础上，引入了一种称为MultKAN的新模型，其核心改进是引入额外的乘法层进行增强，侧面的将Kolmogorov-Arnold表示定理提出的“任何连续高维函数都可以分解为单变量连续函数和加法的有限组合“扩展到了在科学和日常生活中的普遍存在的“乘法
AI：258-YOLOv8改进 | 融合ACmix自注意力与卷积模型提升检测效率与实时性能
在目标检测领域，YOLO系列模型一直以其快速、高效的特性广受欢迎。YOLOv8作为这一系列的最新版本，具备较高的检测速度和较强的识别能力。然而，随着对复杂场景和小目标检测需求的增加，进一步优化模型的特征提取和识别效率成为改进的核心方向。本文将探讨如何通过引入**ACmix（自注意力与卷积混合模型）*
Python AI：构建智能应用的利器
Python AI 为开发者提供了一个构建智能应用的强大平台。凭借其丰富的 AI 库、活跃的社区和不断发展的生态系统，Python 必将在 AI 领域持续发挥重要作用，推动 AI 技术的发展和应用
【技术前沿】Flux.1部署教程入门--Stable Diffusion团队最前沿、免费的开源AI图像生成器
FLUX.1 是一种新的开源图像生成模型。它由 Stable Diffusion 背后的团队 Black Forest Labs 开发。博主碎碎念，可跳过：打算重新做做自己这个老号，高中时候开始做CSDN，那会儿写的是NOIP/NOI相关的算法东西，纯粹是写给自己看的；现在时隔多年，我也在清华站稳了
YOLO v8目标检测（三）模型训练与正负样本匹配
事件包含的信息量大小（事件发生的难度有多大）。小概率事件，它发生的难度比较大，所以有较大的信息量大概率事件，它发生的难度比较小，所以有较小的信息量概率和信息量是负相关的。
AI：256-优化YOLOv8 | 利用SENetV1提升目标检测性能的深入研究（保姆级代码）
SENetV1（Squeeze-and-Excitation Networks）由Jie Hu等人在2017年提出。其核心思想是通过引入SE模块来自适应地重标定通道特征的重要性，从而提升网络的表示能力和性能。
用亚马逊云科技Graviton高性能/低耗能处理器构建AI向量数据库（上篇）
Amazon Graviton 4 处理器由亚马逊云科技定制设计的第四代高性能、低功耗处理器，旨在为 Amazon 计算服务中的工作负载提供最佳性价比，相对于传统计算类工作负载（Graviton2）提供高达40%的性价比提升。与常见的 x86 处理器相比，基于 Graviton 4 的 EC2 实例
