Pytorch深度学习基础 实战天气图片识别（基于ResNet50预训练模型，超详细）
🔥本项目使用Pytroch，并基于ResNet50模型，实现了对天气图片的识别，过程详细，十分适合基础阶段的同学阅读。项目目录结构核心步骤数据处理准备配置文件构建自定义DataSet及Dataloader构建模型训练模型编写预测模块效果展示。
【深度学习、工程实践】关系抽取Casrel实现(Pytorch版)
CASREL 分为两个步骤1.识别出句子中的subject2.根据subject识别出所有可能的relation和object其中模型分为三个部分1.BERT-based encoder module:编码2.subject tagging module：目的是识别出句子中的 subject。3.r
当下火爆出圈的 ChatGPT ，你了解多少？
什么是 ChatGPT？ChatGPT 的特点、用途以及初体验。
关于通过matlab实现Canny边缘处理的一些笔记
最近看了一些神经网络处理图像的视频，受到卷积核的启发，通过matlab实现了Canny边缘处理。左图为基本边缘处理，右图为Canny算法处理，本文记录了matlab实现Canny边缘检测时遇到的一些问题以及过程中的处理原理，各参数对结果造成的影响，并附有matlab代码即演示。
去除马赛克，有办法了 附运行教程
消除马赛克秒变高清人像，将模糊的照片秒变清晰。ai技术是越来越强悍了。但现在的ai技术，真的可以完全消除马赛克，百分百还原照片吗？其实，消除马赛克的算法 PULSE，在2年前就已经发布了。通过算法脑补出打码的地方，帮助我们还原照片。甚至脸上的毛孔、头发都能复原。发展到现在，消除马赛克的技术已经趋于成
【计算机视觉·OpenCV】使用Haar+Cascade实现人脸检测
人脸检测的目标是找出图像中所有的人脸对应的位置，算法的输出是人脸的外接矩形在图像中的坐标。使用 haar 特征和 cascade 检测器进行人脸检测是一种传统的方式，下面将给出利用 OpenCV 中的 haarcascade 进行人脸检测的代码。
使用自己数据及进行PointNet++分类网络训练
使用自己数据及进行PointNet++分类网络训练
通过ChatGPT实现的ChatPDF，简单的应用落地，让你的文档变成一个智能助手，通过对话的方式快速学习文档内容
首先，添加一些语料，如图下所示，语料优点少，向尝试的可以自行准备相关的语料那么，我现在让他担任一个旅游客服，因为我准备的语料都是关于景点方面的开始问答语料有点少，可以看到，效果还是很强的，我们可以自己准备语料，然后训练属于自己的ai客服。
（文末送18本ChatGPT扫盲书）从一路高歌到遭多国“封杀”，ChatGPT未来将是什么样子？
的问题，梳理了AI及AIGC的发展脉络，描述了ChatGPT的诞生过程，分析了ChatGPT的技术实现原理，讲解了ChatGPT的使用方法、基于API的用例以及在Web3和元宇宙领域的应用，最后对ChatGPT和AI的未来进行了展望。未来，随着计算机硬件技术的不断提高，ChatGPT可以借助更加先进
YOLOv7、YOLOv5改进之打印热力图可视化：适用于自定义模型，丰富实验数据
代码实践｜热力图可视化，丰富实验数据
【2023年第十一届泰迪杯数据挖掘挑战赛】B题：产品订单的数据分析与需求预测 建模及python代码详解 问题一
然后，可以计算出每个节假日的平均需求量，将其与普通日的需求量进行比较，从而分析节假日对产品需求量的影响。例如，如果线上订单需求量的中位数明显高于线下订单需求量的中位数，那么我们可以判断线上销售渠道对产品需求量的贡献较大。从结果中可以看出，不同季节的订单需求量分布存在差异，例如冬季的订单需求量普遍较高
在 Linux 终端上使用 ChatGPT， 轻松提高生产力
随着NFT和元宇宙的流行逐渐消退，人工智能已成为技术领域的新热词。ChatGPT及其替代品在互联网上蓬勃发展，帮助用户轻松完成日常任务。很多文章都介绍了如何开始制作类似ChatGPT的聊天机器人以及如何在任何浏览器中使用Bing AI等指南。但是，如果您是Linux用户，并且想将这个AI聊天机器人的
利用Pytorch实现ResNet网络
ResNet在2015年由微软实验室提出，获得当年ImageNet竞赛中分类任务、目标检测第一名；获得COCO数据集目标检测、图像分割第一名
midjourney AI画图注册使用详细教程
使用 midjourney AI画图超详细教程
毕业设计-基于深度学习的人脸识别方法
毕业设计-基于深度学习的人脸识别方法：人脸识别与虹膜识别、指纹识别、步态识别等其它生物特征识别技术相比，具有自然、便捷、用户体验友好等独特优势，因而受到了学术界和工业界的广泛关注．近年来，在深度学习技术的驱动下，人脸识别技术取得了突破性进展，在面对表情、姿态、光照、遮挡等外在干扰因素时，仍表现出较好
目标检测算法——YOLOv5/YOLOv7改进之结合PP-LCNet（轻量级CPU网络）
PP-LCNet——轻量级且超强悍的CPU级骨干网络！！PP-LCNet 在同样精度的情况下，速度远超当前所有的骨架网络！它应用在比如目标检测、语义分割等任务算法上，也可以使原本的网络有大幅度的性能提升。
yolov5源码解析(10)--损失计算与anchor
本文章基于yolov5-6.2版本。主要讲解的是yolov5在训练过程中是怎么由推理结果和标签来进行损失计算的。损失函数往往可以作为调优的一个切入点，所以我们首先要了解它。
python姿态检测实现多人多姿态识别python行为识别openpose行为骨骼框架检测动作识别动作检测行为动作分类
将待识别视频序列的每帧静态图像输入训练好的空间通道卷积神经网络，对网络参数进行微调后，进行训练和测试，并输出待识别视频序列的每帧静态图像对应的各个类别的概率值；h和w分别是第t帧静态图像的宽度和高度；步骤三、采集待识别视频序列，将待识别视频序列切割为每帧静态图像来作为训练集和测试集数据，对步骤二训练
yolov5篇---官方ultralytics / yolov5代码复现，训练自己的数据集
yolov5篇---官方ultralytics / yolov5代码复现，训练自己的数据集
