python 施密特标准正交化 + 判断矩阵是否正交（亲测！）
python 矩阵/向量组的施密特标准正交化
时间序列分析模型详细讲解
时间序列也称动态序列，是指将某种现象的指标数值按照时间顺序排列而成的数值序列。本文结合SPSS介绍了三种常用的模型 —— 季节分解、指数平滑模型、ARIMA模型，可供数学建模时使用。
【深度学习经典网络架构—8】：注意力机制之SE_Block
😺一、引言类似于人脑的注意力感知，那卷积神经网络能否也能产生注意力效果呢？答案是：**可以！****SE_Block是SENet的子结构**，作者将SE_Block用于ResNeXt中，并在ILSVRC 2017大赛中拿到了分类任务的第一名，在ImageNet数据集上将top-5 error降低到
详解准确率acc、精确率p、准确率acc、F1 score
准确率（Accuracy）、精确率（Precision）、召回率（Recall）、F1 Score
GPT-4——比GPT-3强100倍
ChatGPT的地位可能即将被自家的GPT-4超越。
微软提出AIGC新“玩法”，图灵奖得主Yoshua Bengio也来了！
在AIGC取得举世瞩目成就的背后，基于大模型、多模态的研究范式也在不断地推陈出新。微软研究院作为这一研究领域的佼佼者，与图灵奖得主、深度学习三巨头之一的Yoshua Bengio一起提出了AIGC新范式——Regeneration Learning。这一新范式究竟会带来哪些创新变革？本文作者将带来他
一文详解 ChatGPT：背后的技术，数据，未来发展
LM有基于大量训练数据的天然的迁移学习能力，但要在新域上获得较好的性能，使用Fine-tuning，就要求重新多次训练预训练模型，导致吃内存。ChatGPT 的卓越表现得益于其背后多项核心算法的支持和配合，包括作为其实现基础的 Transformer 模型、激发出其所蕴含知识的 Prompt/Ins
相机标定和双目相机标定标定原理推导及效果展示
参考了一些大佬的文章，整理了一下相机标定和双目标定的原理和推导。
ChatDoctor本地部署应用的实战方案
本文主要介绍了ChatDoctor本地部署应用的实战方案，希望对学习大语言模型的同学们有所帮助。文章目录1. 安装虚拟环境2. 下载文件 2.1 下载源代码 2.2 下载模型依赖文件 2.3 下载模型文件3. 安装依赖库4. 运行ChatDoctor
Stable Diffusion 视频和图片帧互换以及AI动画帧生成
Stable Diffusion 只做AI动画是基于把原有视频按照帧进行提取之后对每一帧的图像进行标准化流程操作，中间可以掺杂Controlnet对人物进行控制，使用关键词对画面进行控制，但是很多小伙伴不太会掌握一些编辑视频软件或者python的操作导致视频转帧，帧转视频会出现一些问题。这里分享2套
代码会说话——pyttsx3简介
目录一、pyttsx3 概述二、pyttsx3的安装三、pyttsx3的运用四、全套代码一、pyttsx3 概述代码会说话：pyttsx3是Python中的文本到语音转换库。二、pyttsx3的安装pipinstallpyttsximage-20220429155835751三、pyttsx3的运用
【深度学习笔记】特征融合concat和add的区别
在网络模型当中，经常要进行不同通道特征图的信息融合相加操作，以整合不同通道的信息，在具体实现方面特征的融合方式一共有两种，一种是 ResNet 和 FPN 等当中采用的 element-wise add ，另一种是 DenseNet 等中采用的 concat。add相当于加了一种prior，当两路输
如何在Android中使用OpenAI API构建一个ChatGPT类的应用程序
通过集成OpenAI API(ChatGPT)来构建一个简单的类似ChatGPT的android应用程序
上手使用百度文心一言
3月16日，在距离新一代的GPT模型GPT-4发布还不足一天的时间内，百度便发布了对标ChatGPT的人工智能产品，名字叫：文心一言。成为国内首页发布该类型产品的公司。那么，我们今天就来试一试百度的文心一言好不好用。
Stable Diffusion复现——基于 Amazon SageMaker 搭建文本生成图像模型
众所周知，Stable Diffusion扩散模型的训练和推理非常消耗显卡资源，我之前也是因为资源原因一直没有复现成功。 而最近我在网上搜索发现，亚马逊云科技最近推出了一个【云上探索实验室】刚好有复现Stable Diffusion的活动，其使用亚马逊AWS提供的Amazon SageMake
pytorch 笔记：torch.distributions 概率分布相关（更新中）
1 包介绍torch.distributions包包含可参数化的概率分布和采样函数。 这允许构建用于优化的随机计算图和随机梯度估计器。不可能通过随机样本直接反向传播。 但是，有两种主要方法可以创建可以反向传播的代理函数。这些是评分函数估计量 score function estimato 似然比估计
Segment Anything Model (SAM)——卷起来了，那个号称分割一切的CV大模型他来了
Segment Anything Model (SAM)——卷起来了，那个号称分割一切的CV大模型他来了
机器学习强基计划8-3：详细推导核化主成分分析KPCA算法(附Python实现)
核主成分分析KPCA核心原理是将样本先投影到高维特征空间，从而通过传统PCA实现降维，同时不破坏本真结构。本文详细推导KPCA算法，并给出Python实现加深理解
深度强化学习DRL训练指南和现存问题（D3QN（Dueling Double DQN））
深度强化学习DRL现存问题和训练指南（D3QN（Dueling Double DQN））
Pytorch深度学习实战3-8：详解数据可视化组件TensorBoard安装与使用
在深度学习领域，人工调试极其困难。Tensorboard则是神经网络的可视化工具，可以记录训练过程的数字、图像、运行图等，观察神经网络训练过程并指导参数优化。
