AI：250-YOLOv8结合ShuffleNetV2的轻量级优化与实战指南（附代码+修改教程）
ShuffleNetV2是一种通过分组卷积（Group Convolution）和通道洗牌（Channel Shuffle）技术来减少计算量和内存访问成本的轻量级网络。分组卷积：通过减少卷积核的计算量来降低整体的计算复杂度。通道洗牌：通过交换不同分组中的通道来促进信息流动，提升模型的表达能力。Shu
【全能型AI“草莓”来袭】探索未来AI市场的多元化与边界
总之，全能型AI“草莓”的推出，无疑是AI技术发展史上的一个重要里程碑。它展现了AI技术的无限可能性和广阔应用前景。然而，面对未来的挑战和机遇，我们仍需保持清醒的头脑，不断探索和创新，以实现AI技术的可持续发展和广泛应用。
腾讯云AI代码助手：智能编程的新篇章，大家的代码开发伙伴
随着人工智能技术的飞速发展，其在各个领域的应用也日益广泛。编程作为技术领域的核心，自然也迎来了AI的助力。陆陆续续的AI代码助手已向我们走来，像 github（也就是微软）发布github copilot，通义千问以及腾讯推出的腾讯云AI代码助手在帮助程序员进行代码开发方面都已取得了较大的成功。其中
【AI大模型】时代，周鸿祎回应360儿童手表问答不当，想了想，我是这么做的
使用七牛和美数（Meisu）来实现图片的合规审核，可以分为两步：首先将图片上传到七牛云，然后使用美数的内容审核服务对图片进行合规性检测
透明性和解释性AI：概念与应用
透明性AI指的是AI系统的操作过程、决策机制、数据流动和模型行为是可理解和可追踪的。换句话说，透明性AI使得人们可以清楚地看到AI系统是如何做出决策的，这一过程包括输入数据的处理方式、模型的内部计算过程、以及最终决策的产生机制。解释性AI是指AI系统不仅能够给出决策结果，还能够提供关于该决策如何产生
滴滴不再设总裁岗；央视网发文批“AI女友”；理想大裁员；OpenAI CEO：将取消“封口协议”
Mark Gurman评论说，苹果公司面对在人工智能领域的落后情况，最终必须摆脱合作方式，建立自己的聊天机器人，并将其深度集成到公司的产品中。火山引擎强调通过大规模使用量来不断优化模型，其大模型自上线以来，每天处理的token数量高达1200亿，生成图片3000万张，并在50多个场景中进行实践和验证
HookNet- 用于病理全切片图像的多分辨率语义分割模型｜顶刊精析·24-08-08
今天分享的这篇文章是关于一种名为HookNet的新型语义分割模型，它专为病理学全切片图像设计，于2021年发表于《Med Image Anal》，目前IF=10.7。HookNet结合了编码器-解码器卷积神经网络的多个分支，通过不同分辨率的同心区域来捕获上下文信息和细节。这种模型通过一种称为“钩连”
Datawhale X 魔搭 AI夏令营第四期 | AIGC文生图——可图Kolors-LoRA风格故事 Task1笔记
Hi，大家好，我是半亩花海。最近在尝试学习AIGC的内容，并报名参加了Datawhale举办的2024年AI第四期夏令营，主要学习内容是从零入门AI生图原理和实践。本次活动基于魔搭社区“可图Kolors-LoRA风格故事挑战赛”进而开展的项目实践学习，很适合像我这样的想入门并实践AIGC文生图的初学
AI大模型原理（通俗易懂版）——大语言模型
AI大模型原理——大语言模型
LLaVA 简介：一种多模式 AI 模型
LLaVA 是一个端到端训练的大型多模态模型，旨在根据视觉输入（图像）和文本指令理解和生成内容。它结合了视觉编码器和语言模型的功能来处理和响应多模态输入。图 1：LLaVA 工作原理的示例。
Comfyui简直就是低配置机器的福音，1080显卡上也能轻松玩转SD绘图、AI图片换脸、视频换脸，让图片动起来等等
文生图，图生图，图生视频，AI换脸、老照片修复、AI试装，等等等等，ComfyUI，玩起来~~~
100万人在用的一键式AI论文生成工具，超详细教你怎么用！
锐智AI论文写作平台是当前非常热门的AI论文平台，具备选题、文献检索、写作助手等多项实用功能，涵盖了所有学科科目标签，支持OpenAI 4.0生成论文，5分钟3万字，附带ppt，开题报告，40篇真实中英文知网参考文献，生成的论文也十分专业，知网查重超过15%退费！从23年开始到现在，AI写论文已经成
机器学习/人工智能中的学习证明
在进行任何数学发展之前，我们必须首先了解学习的基础以及它如何与错误的概念密切相关。关于代价函数，它的工作原理是梯度下降原理。本文将回顾梯度下降原理。
CMU 10423 Generative AI：lec1
该文件是卡内基梅隆大学机器学习系的 “10-423/10-623 Generative AI” 课程第一讲的概述。生成式AI的定义和目标：介绍了生成式人工智能（GenAI）的基本概念，并讨论了其在人工智能（AI）的不同子目标（如感知、推理、控制、规划、通信、创造力和学习）中的应用。生成模型的多种形式
【数值模拟】参数化基本概念和参数化建模
介绍了参数化的概念，举例介绍了参数化建模流程，归纳了机器学习模型在参数化建模中的应用
Datawhale AI 夏令营 第五期-CV方向-Task1
基本概念：计算机视觉是研究如何让计算机能够像人类那样“看”的技术。基本流程：输入数据 —> 图像预处理 —> 进一步处理 —> 图像分析与理解主要CV技术：图像分类（Image Classification）、目标定位（Object Localization）、目标检测（Object Detecti
扩散模型理论与公式推导——详细过程速览与理解加深
推荐在简单了解扩散模型原理后再来看本篇文章，加深对理论的理解，本篇只叙述有关扩散模型公式理论的推导~
COLMAP进化版：Global Structure-from-Motion Revisited论文粗读（更新中）
从图像中恢复 3D 结构和相机运动一直是计算机视觉研究的长期焦点，被称为运动结构 （SfM）。这个问题的解决方案分为渐进式和全局式两种。到目前为止，最受欢迎的系统由于其卓越的准确性和鲁棒性而遵循增量范式，而全局方法的可扩展性和效率大大提高。在这项工作中，我们重新审视了全局 SfM 的问题，并提出 G
探秘AI动漫人物识别：MoeFlow
探秘AI动漫人物识别：MoeFlow MoeFlowRepository for anime characters recognition website, powered by TensorFlow项目地址:https://gitcode.com/gh_mirrors/mo/MoeFlow Moe
Transformer模型解析（附案例应用代码）
自注意力机制是Transformer模型的核心，它允许模型在编码每个单词时同时关注序列中的其他单词，从而捕捉到单词之间的依赖关系。位置编码的生成使用了正弦和余弦函数的不同频率，以确保编码在不同维度上具有不同的模式，从而使模型能够区分不同位置的单词。这样，每个头可以学习到序列的不同方面，最终的输出是所
