Adam优化器
简单来说，Adam是带动量的梯度下降算法和RMSProp算法的结合。对梯度的一阶矩估计（First Moment Estimation，即梯度的均值）和二阶矩估计（Second Moment Estimation，即梯度的未中心化的方差）进行综合考虑，计算出更新步长。均方根传播(RMSProp)也维
智能反射面综述2
自用RIS综述
VLAD Diffusion，一个更好用且易于安装的Stable Diffusion Web UI
VLAD Diffusion 是我们前面介绍过的 AUTOMATIC1111/stable-diffusion-webui的一个定制的更新，它主要是为了更频繁发布的更新和错误修复。
为什么 ChatGPT 输出时经常会中断，需要输入“继续” 才可以继续输出？
最近 ChatGPT 非常火爆，使用时经常会中断，需要输入“继续” 才可以继续输出。作为一个技术人，不知道你是否想过为什么？
openAi ChatGPT调用性能优化的一些小妙招
说明一下/v1/completions和v1/chat/completions的区别，/v1/chat/completions是传一个数组messages来完成上下文关联，而/v1/completions传的是一个字符串prompt参数，不过依然可以通过追加的方式，使其回答具有上下文关联性。这个会影
《数据挖掘基础》实验：Weka平台实现关联规则挖掘
Weka平台实现关联规则挖掘：进一步理解关联规则算法（Apriori算法、FP-tree算法），利用weka实现数据集的挖掘处理，学会调整模型参数，读懂挖掘规则，解释规则的含义
基于yolov5的Android版本目标检测app开发（部署安卓手机）
基于yolov5的Android版本目标检测app开发（部署安卓手机）1、开发环境搭建2、数据集准备3、模型训练4、模型转换5、Androidapp开发6、运行检测7、项目开发中遇到的问题总结
使用Pytorch进行多卡训练
当一块GPU不够用时，我们就需要使用多卡进行并行训练。其中多卡并行可分为数据并行和模型并行。具体区别如下图所示： 由于模型并行比较少用，这里只对数据并行进行记录。对于pytorch，有两种方式可以进行数据并行：数据并行(DataParallel, DP)和分布式数据并行(Distributed
决策树的实现及可视化方法总结
本文主要介绍回归树及分类树的实现方法及可视化方法
Canmv K210开发板训练自己的模型
Canmv开发板在线训练自己的模型
【机器学习】SVM支持向量机模型
【老饼讲解-机器学习】本文解说SVM的硬间隔损失函数的定义和思想，以及硬间隔损失函数的推导。
Torch 模型 onnx 文件的导出和调用
OpenNeuralNetworkExchange(ONNX，开放神经网络交换)格式，是一个用于表示深度学习模型的标准，可使模型在不同框架之间进行转移Torch所定义的模型为动态图，其前向传播是由类方法定义和实现的但是Python代码的效率是比较底下的，试想把动态图转化为静态图，模型的推理速度应当有
【jupyter使用】指定jupyter notebook 打开路径，超简单，秒会
将目标中双引号内的%USERPROFILE%，替换成你的目标路径。
【机器学习】求矩阵的-1/2次方的方法
求矩阵的-1/2次方的方法
SORT与DeepSORT简介
DeepSORT作为一个成熟多目标跟踪算法在很多应用中得到使用。本文对多目标跟踪算法SORT与DeepSORT做简要介绍。
如何将xml格式转换为yolov5所需的txt格式
如今，深度学习非常热门，制作数据集是深度学习很重要的一环。制作数据集就离不开打标签，我们打出来的标签可能是 txt 格式 或者 xml 格式 或者json格式，但是yolo运行的标签格式是txt格式 所以我们要将 xml格式转换为 txt 格式 这个转换代码生成的txt文件是归一化后的，非常便捷
CVPR 2023 | 旷视研究院入选论文亮点解读
近日，CVPR 2023 论文接收结果出炉。近年来，CVPR 的投稿数量持续增加，今年收到有效投稿 9155 篇，和 CVPR 2022 相比增加 12%，创历史新高。最终，大会收录论文 2360 篇，接收率为 25.78 %。本次，旷视研究院有 13 篇论文入选，涵盖3D 目标检测、多目标跟踪、模
Webots搭建强化学习二轮避障小车（看看吧 蛮详细的）
此文为使用webots搭建二轮机器人并进行避障设计的全过程，各部分足够详细，对于初学者能起到不少帮助。同时也包含强化学习DQN算法进行避障的尝试。有兴趣可以一看。
真正的ChatGPT平替产品：Claude
总而言之,尽管我和ChatGPT都是人工智能的产物,我们在模型设计和训练方式上存在较大差异。作为Anthropic推出的AI产品,我的重点在于为用户提供安全、可靠和易理解的互动体验。未来人工智能的发展还需要基于不同模型和训练方式的探索,确定最适合各类应用场景的解决方案。我是Anthropic公司开发
Transformer简介
transformer模型简介，包括编码器（encoder）、解码器（decoder）、训练以及模型训练中的tips。
