【AI底层逻辑】——篇章3（上）：数据、信息与知识&香农信息论&信息熵
以上讨论了数据、信息、知识的概念；香农信息三定律；信息价值的度量；信息熵的概念。随后我们还将讨论信息的交换、信息的加密和信息中的噪声等内容！【机器学习】——卷积神经网络【AI底层逻辑】——篇章1&2：统计学与概率论&数据“陷阱”S/N%29%24。
人工智能(pytorch)搭建模型11-pytorch搭建DCGAN模型，一种生成对抗网络GAN的变体实际应用
大家好，我是微学AI，今天给大家介绍一下人工智能(pytorch)搭建模型11-pytorch搭建DCGAN模型，一种生成对抗网络GAN的变体实际应用，本文将具体介绍DCGAN模型的原理，并使用PyTorch搭建一个简单的DCGAN模型。我们将提供模型代码，并使用一些数据样例进行训练和测试。最后，我
很火的AI换脸怎么做的？方法其实非常简单
将自己的脸部特征换到名人照片中，可以让我们看到自己和名人的组合效果如何，还可以将自己的脸部特征换到历史人物的照片中，看看自己是否有历史人物的气质，这种操作也非常有趣。值得注意的是，在使用这种技术时，要尊重他人的隐私和肖像权，不要进行不当的操作和传播。2、照片添加进来后，可以看到页面的右上角有图片换脸
ChatGPT调用API攻略
随着ChatGPT的问世，交互型人工智能技术得到了进一步的发展，各大互联网巨头也争相研发类似于ChatGPT的产品，例如百度的文心一言，CSDN的chitgpt等等。相比较而言，ChatGPT的相较于其他而言还是略胜一筹，在这里我们就不过多叙述各个工具的优缺点，我们针对ChatGPT的应用主要是其a
torch.sigmoid()、torch.softmax()、sum
torch.sigmoid()、torch.softmax()、sum
openCV安装教程
安装openCV
RuntimeError: expected scalar type float but found __int64
时传入了int类型整数，但是函数的输入参数要求传入float类型数据，所以修改下类型即可。
五子棋游戏AI智能算法设计
五子棋游戏C语言AI智能算法设计近来发现编制五子棋游戏很有趣，尤其是AI智能算法很烧脑。网上介绍有什么贪心算法，剪枝算法，博弈树算法等等，不一而足。对于人机对战的电脑智能应子算法，参阅很多五子棋书籍棋谱和五子棋竞赛的对抗棋谱。我感到白棋的后手防御算法很难取胜，棋界有黑棋高手先手必胜一说。算法么想了很
AI数字人：基于VITS模型的中文语音生成训练
VITS（Variational Inference with adversarial learning for end-to-end Text-to-Speech）是一种结合变分推理（variational inference）、标准化流（normalizing flows）和对抗训练的高表现力语
使用Arduino实现PID加速减速控制
使用Arduino实现PID加速减速控制
CUDA 的卸载
CUDA 的卸载操作
使用onnxruntime-gpu 模型推理
更新onnxruntime版本，使用onnxruntime-gpu版本来推理
OpenApi接口的一次调用经历(附代码)
OpenApi接口的一次调用经历(附代码)
【精品图书赠送 | 第一期】清华社赞助 | 《人工智能与ChatGPT》
🎯👉人们相信人工智能可以为这个时代的技术带来突破，而 ChatGPT 则使这种希望成为现实。现在，许多人都渴望了解与 ChatGPT 相关的一切，包括技术的历史和背景，其神奇的功能以及如何使用它。虽然 ChatGPT 的使用方法很简单，但它具有无限的潜力。如果不去亲身体验，很难体会到它的强大之处
【智能时代的颠覆】AI让物联网不再是物联网
⭐在当今快速发展的科技领域中，人工智能（AI）和物联网（IoT）成为了关注的焦点。❔什么是物联网呢？🤖通俗来讲，物联网是指通过各种技术和设备将物体与互联网连接起来，使它们能够实时采集数据、互相通信和交换信息。通过物联网，我们可以远程监控和管理各种物体，实现智能化的感知、识别和控制。📹物联网的目标
使用Streamlit和OpenAI API构建视频摘要
本文提供了使用Streamlit和OpenAI创建的视频摘要应用程序的概述。该程序为视频的每个片段创建简洁的摘要，并总结视频的完整内容。
Wilcoxon符号秩检验详解
Wilcoxon符号秩检验是一种常用的非参检验方法，适用于比较两个相关样本之间的差异。它的基本原理是将差值按照绝对值大小排列，并计算秩次之和作为检验统计量。根据假设检验结果，可以判断两个样本的差值分布是否一致。
将时间序列转成图像——递归图方法 Matlab实现
将递归图应用在时间序列上，首先将时间序列的时域空间变换到相空间，从而将时域中的每个点变换成相空间的对应状态；接着计算每两个状态（向量）之间的距离（向量范数）；然后进行阈值二值化，得到递归图中对应两个状态之间的特征。
深入浅出TensorFlow2函数——tf.data.Dataset.from_tensor_slices
from_tensor_slices( tensors, name=None)
Python机器学习：plot_importance()查看特征重要度
lightgmb算法里面的plot_importance()方法支持特征重要度的查看，另外xgboost算法的实现也几乎一样哦。
