语义分割系列15-UPerNet（pytorch实现）
本文介绍了UPerNet论文思想，介绍了UPerNet作者如何创建Multi-task数据集以及如何设计UPerNet网络和检测头来解决Multi-task任务。本文对于UPerNet语义分割部分的模型进行单独复现，所有代码基于pytorch框架，并在Camvid数据集上进行训练和测试。......
chatgpt免费获取KEY-chatgpt免费版生成文本
chatgpt有免费版本吗？此外，在访问和使用ChatGPT等服务时，需要注意保护自己的隐私和数据安全，控制数据的流向和使用范围，避免数据被滥用或不适当的使用造成不必要的风险。利用ChatGPT生成文本：使用ChatGPT的key可以调用OpenAI的预训练模型，生成与特定主题和风格相关的文本内容，
【花雕学AI】真是太多了：汇总国内免费在线使用ChatGPT的完整镜像站列表大全（1000+）
ChatGPT是由一个叫OpenAI的机构开发的，它使用了一种叫做GPT的技术，这种技术可以让它从互联网上学习大量的文字信息，然后根据文字之间的关联性来生成新的文字。ChatGPT有很多用途，比如帮助你写作、学习、娱乐等，但它也有一些局限性，比如它可能会生成不准确或不合适的答案，因为它没有真正理解语
Python实现逻辑回归(Logistic Regression)
逻辑回归是一种经典机器学习分类算法，它被广泛应用于二元分类问题中，该算法的目的是预测二元输出变量（比如0和1），逻辑回归算法有很多应用，比如预测股票市场、客户购买行为、疾病诊断等等。它被广泛应用于医学、金融、社交网络、搜索引擎等各个领域。
【大唐杯备考】——自动驾驶与车联网发展现状与产业趋势（学习笔记）
本期介绍自动驾驶与车联网发展现状与产业趋势。
字节跳动CVPR 2023论文精选来啦（内含一批图像生成新研究）
计算机视觉领域三大顶会之一的 CVPR 今年已经开奖啦。今年的 CVPR 将于六月在加拿大温哥华举办，和往年一样，字节跳动技术团队的同学们收获了不少中选论文，覆盖文本生成图像、语义分割、目标检测、自监督学习等多个领域，其中不少成果在所属领域达到了 SOTA（当前最高水平）。一起来看看这些成果吧~
手把手教你搭建自己本地的ChatGLM
如果能够本地自己搭建一个ChatGPT的话，训练一个属于自己知识库体系的人工智能AI对话系统，那么能够高效的处理应对所属领域的专业知识，甚至加入职业思维的意识，训练出能够结合行业领域知识高效产出的AI。这必定是十分高效的生产力工具，且本地部署能够保护个人数据隐私，能够内网搭建办公使用也十分的方便。而
Transformers回顾 ：从BERT到GPT4
在本文中，我们将研究革命性的Transformers架构以及它如何改变NLP，我们还将全面回顾从BERT到Alpaca的Transformers模型，重点介绍每种模型的主要特征及其潜在应用。
RealSense D435i深度相机介绍
D435i硬件结构及各个组件原理详解
最速下降法—python实现
最速下降法python实现
pytorch ssim计算
在PyTorch中，可以使用 torchvision 库中的 SSIM 函数来计算结构相似性指数 (SSIM)。其中，参数的含义如下：data_range：输入数据的范围，通常为1.0或255.0。win_size：滑动窗口的大小。win_sigma：滑动窗口的高斯核标准差。k1、k2：SSIM计算
OpenCV图像处理学习十，图像的形态学操作——膨胀腐蚀
图像的形态学操作——膨胀腐蚀
使用LSTM预测结果为一条直线原因总结
使用LSTM预测结果为一条直线原因总结
不必依赖ChatGPT，这几款AI工具同样好用
近期，随着人工智能（AI）技术的普及和应用，在各个行业中AI的应用也越来越广泛。这一局面显然类似军备竞赛，各家企业纷纷入场，准备展现其AI技术的强大。然而，我们所看到的只是企业对外发布的结果，背后的测试阶段可能会很长。虽然现在有很多强大的AI ChatBot，例如ChatGPT，但是还需开设账号并进
深入浅出Pytorch函数——torch.ones
torch.ones
yolov7目标检测：基于自定义数据集完成检测、训练、测试
主要分三步：（1）环境配置与文件配置（2）检测（3）训练。其中，检测和训练都是可以独立进行的。检测是依赖于权重文件即可运行，而训练是基于自定义训练数据集和超参数生成权重文件。
代码不熟没关系，让AI替你写
程序员早已不是一个陌生的群体，但程序、代码相对普通人而言，看着还是比较深奥难懂，但自从有了ChatGPT，不少对此有兴趣的外行人士，也能轻松写出代码了，比如让ChatGPT写一个贪吃蛇游戏，按它给出的提示逐步操作，有时候还真的能运行起来一个小游戏，这是有多大的成就感。ChatGPThttps://c
基于SadTalker的AI主播，Stable Diffusion也可用
基于之前的AI主播的的学习基础和，这次尝试一下VideoRetalking生成效果。总体来说，面部处理效果要好于Wav2Lip，而且速度相对于Wav2Lip+GFPGAN也提升很多，也支持自由旋转角度，但是如果不修改源码的情况下，视频的部分截取稍微有点问题。这个训练图片还好，如果是做视频的话还是比较
COCO数据集的介绍和使用
这篇文章是我研究生阶段入学期间学习所记，主要供自己使用，结合了论文原作，中间借鉴的一些b站的视频以及他人博客的解释，会在文章末尾贴出链接。目录COCO数据集的介绍COCO数据集标注格式COCO数据集的介绍COCO数据集是微软公司出资标注的数据集，主要用于目标检测、分割和图像描述。根据官网的介绍，它主
开源模型：小羊驼（Vicuna-13B），可达chatGPT九成效果。
以 Meta 开源 LLaMA（直译为「大羊驼」）系列模型为起点，研究人员逐渐研发出基于LLaMA的Alpaca（羊驼）、Alpaca-Lora、Luotuo（骆驼）等轻量级类 ChatGPT 模型并开源。近日，研究者们又提出了一个新的模型：Vicuna（小羊驼）。该模型基于LLaMA，参数量13B
