游程编码（Run Length Coding）
游程编码（Run Length Coding）
ChatGPT Plus使用指南：解锁人工智能模型的强大功能
ChatGPT普通版使用的是GPT3.5模型，而Plus版使用的是GPT4。在语义理解和回答的组织上，GPT4有更高的推理及一致性，相比3.5有着明显的优势。因此，对于商业应用或工作中需要提高效率的人来说，使用ChatGPT Plus版是最佳选择。
笔记--Ubuntu20.04安装Nvidia驱动、CUDA Toolkit和CUDA CuDNN
注：选择合适的版本进行安装，确保 CUDA Toolkit 的版本低于 Nvidia 驱动的版本！时，表明 pytorch 安装成功，pytorch 可以使用 Cuda 进行加速，Nvidia驱动、CUDA Toolkit 和 CUDA CuDNN 等均安装成功！末尾添加以下两条路径：（由于博主安装
OpenCV图像特征提取学习四，SIFT特征检测算法
SIFT特征检测算法原理
ChatGPT国内怎么使用-ChatGPT是什么
尽管 GPT-3 的源代码尚未发布，但StackExchange网站上的一篇帖子表明 GPT-3 是用“与 GPT-2 相同的模型和架构”编写的。它以书籍、文章和网站的文本形式在有偏见和无偏见的数据上进行了良好的训练。一旦它对语言有了足够的了解，它就可以根据给定的提示或主题生成自己的文本。对于从事各
基于深度神经网络的中药材识别
近年来,受到我国国民经济发展与社会财富积累增速加快的影响,人们对自己的身体健康也越来越重视,很多的人都选择在服用中草药来治疗疾病、改善体质,因此,我国的中药材行业在这一段时间内也迎来了蓬勃的发展。人们对中医健康养生越来越重视,而中药材是中医健康养生体系的重要组成部分。中药材种类纷繁复杂,普通人对中药
如何将pytorch模型部署到安卓
这篇文章演示如何将训练好的pytorch模型部署到安卓设备上。我也是刚开始学安卓，代码写的简单。环境：pytorch版本：1.10.0pytorch_android支持的模型是.pt模型，我们训练出来的模型是.pth。所以需要转化才可以用。先看官网上给的转化方式：这个模型在安卓对应的包：注:pyto
编码器-解码器架构
编码器-解码器架构
论文推荐：DCSAU-Net，更深更紧凑注意力U-Net
这是一篇23年发布的新论文，论文提出了一种更深、更紧凑的分裂注意力的U-Net，该网络基于主特征守恒和紧凑分裂注意力模块，有效地利用了底层和高层语义信息。
马上要面试了，还有八股文没理解？让ChatGPT来给你讲讲吧——如何更好使用ChatGPT？
总结一下，我感觉 ChatGPT 是一个新型搜索引擎，在某些场景下能够提供比传统搜索引擎更强大更高效的搜索效率。完全依靠 ChatGPT 去做一些稍微复杂的任务，目前来看还是不现实的。比如让 ChatGPT 写代码，目前它的水平只能写一写简单的 demo，而且经常需要手工修复一些细节错误。但是让它作
1DCNN原理详解
一维卷积神经网络（1DCNN）前向计算原理详解
SPSS：主成分分析确定不同指标权重
SPSS实现主成分分析确定指标权重
AI未来十年新范式，生成式人工智能的挑战与机遇
2023年3月18日，CSIG图像图形企业行活动拉开帷幕，介绍AI未来十年发展新范式...
逻辑回归（LogisticRegression）中的参数（详解）
LogisticRegression(penalty='l2', dual=False, tol=0.0001, C=1.0, fit_intercept=True, intercept_scaling=1, class_weight=None, random_state=None, solver=
yolov7开源代码讲解--训练代码
以前看CNN训练代码的时候，往往代码比较易懂，基本很快就能知道各个模块功能，但到了后面很多出来的网络中，由于加入了大量的trick，导致很多人看不懂代码，代码下载以后无从下手。训练参数和利用yaml定义网络详细过程可以看我另外的文章，都有写清楚。其实不管什么网络，训练部分大体都分几个部分：1.网络的
（学习笔记）图像处理——高斯滤波、高斯模糊、高斯锐化
一种根据高斯函数的形状来选择权值的线性平滑滤波器，适用于高斯噪声的滤除，在图像处理中应用广泛。高斯滤波是指用高斯函数作为滤波函数，如果高斯低通则是高斯模糊，如果高通则是高斯锐化。
各CCFA类核心期刊的信息汇总与评价总结(科技领域）
主要包括：自动化学报，计算机学报，计算机研究与发展，电子学报，软件学报 ，计算机辅助设计与图形学学报，中国科学:信息科学
迁移学习-如何使用预训练权重，冻结部分层权重训练
迁移学习在计算机视觉领域中是一种很流行的方法，因为它可以建立精确的模型，耗时更短。利用迁移学习，不是从零开始学习，而是从之前解决各种问题时学到的模式开始。这样，我们就可以利用以前的学习成果。
超参数调优框架optuna（可配合pytorch）
全自动超参数调优框架——optuna
YOLOv5改进之添加注意力机制
本文主要给大家讲解一下，如何在yolov5中添加注意力机制，这里提供SE通道注意力的改进方法，其他注意力的添加方法，大同小异首先找到SE注意力机制的pytorch代码class SELayer(nn.Module): def __init__(self, c1, r=16): s
