ChatGPT｜一文读懂GPT-4！
今天早上一早醒来，发现各大科技圈公众号平台开始刷屏OpenAI发布的新模型GPT4.0，看这个版本号就已经知道又是一大波特性的更新于是立马起来开始学习！GPT-4 发布视频（2023.03.15）v=out…今天发布的强大的识图能力，并根据提问可以进行图片中的内容分析并给出文本描述语义理解能力文字输
Autoware入门到精通
依托Autoware开源无人驾驶系统，带你遨游无人驾驶以下核心模块：建图、定位、感知、规划和运动控制
YOLOv5/v7 引入 RepVGG 重参数化模块
YOLO添加RepVGG教程
chatGPT模型简介
其次，与GPT3等大模型相比，ChatGPT回答更全面，可以多角度全方位进行回答和阐述，相较以往的大模型，知识被“挖掘”得更充分。其中，最主要的问题是隐私和安全。现在的ChatGPT没有实时更新和事实判断能力，而这如果结合WebGPT的自动搜索能力，让ChatGPT学会自己去海量知识库中探索和学习，
Pytorch+PyG实现GraphSAGE
本专栏整理了《图神经网络代码实战》，内包含了不同图神经网络的相关代码实现（PyG以及自实现），理论与实践相结合，如GCN、GAT、GraphSAGE等经典图网络，每一个代码实例都附带有完整的代码。
ChatGPT使用案例之图像生成
到这里我们关于ChatGPT生成图像就已经介绍完了，可以看到的是只是有这个功能，还不够强大，目前只支持下面三种形式基于文本提示从头开始创建图像基于新的文本提示创建对现有图像的编辑创建现有图像的变体如果不满足需求，可以让ChatGPT 生成prompt,然后通过midjourney根据prompt生成
自然语言处理nlp：SnowNLP自主训练情感分析模型
分别提取100条正负样本用于验证，首先用初始的SnowNLP进行情感分析。，该数据集已标注好每条评论的正负情感属性值，共119989条评论。可以看到有些评论出现分类错误的情况，e.g.，将sentiment情感分析的路径作为更改。初始分类结果图，对正面评论的分类效果较差。snownlp中支持情感分析
开源大语言模型(LLM)汇总（持续更新中）
随着ChatGPT的火爆，越来越多人希望在本地运行一个大语言模型。为此我维护了这个开源大语言模型汇总，跟踪每天不发的大语言模型和精调语言模型。
数字图像处理实验（直方图均衡化&规定化）
通常情况下，图像的直方图会呈现不平衡的状态，即图像的某些灰度级出现的次数很多，而其它灰度级出现的次数很少。通常情况下，图像的直方图会呈现不平衡的状态，即图像的某些灰度级出现的次数很多，而其它灰度级出现的次数很少。直方图规定化的具体做法是，首先计算出图像的直方图，然后根据直方图计算出每个灰度级的累计分
YOLOv5源码逐行超详细注释与解读（6）——网络结构（1）yolo.py
全网最详细的YOLOv5源码解读之网络结果yolo.py。全文4万字带你逐行注释，逐段讲解，小白也能看懂！
ChatGPT API 调用教程
ChatGPT是一种基于GPT-3.5架构的大规模自然语言处理模型，可用于文本生成、语言理解、问答等应用。本文将介绍如何使用ChatGPT，帮助您更好地利用这个强大的工具。
window安装Stable-Diffusion-WebUI详细教程
是2022年发布的深度学习文本到图像生成模型。它主要用于根据文本的描述产生详细图像，官方项目其实并不适合新手直接使用，好在有一些基于封装的webui开源项目，可以通过界面交互的方式来使用，极大的降低了使用门槛，我们可以通过本地部署的方式进行访问、使用，但这个对我们的电脑有着较高的要求，具体需要什配置
GoogLeNet详解
目录一、GoogLeNet网络的背景二、GooLeNet网络结构三、GooLeNet的亮点四、GooLeNet代码实现一、GoogLeNet网络的背景想要更好的预测效果，就要从网络深度和网络宽度两个角度出发增加网络的复杂度。但这个思路有两个较为明显的问题：首先，更复杂的网络意味着更多的参数，也很容
2023年泰迪杯数据挖掘挑战赛B题--产品订单数据分析与需求预测（1.数据处理）
本题相对来说比较适合新手，包括针对数据的预处理，数据分析，特征提取以及模型训练等多个步骤，完整的做下来是可以学到很多东西的。
YOLOv5源码逐行超详细注释与解读（7）——网络结构（2）common.py
全网最详细YOLOv5源码详解之网络结构common.py。全文5万多字，带你学透网络结构！小白必备！
吴恩达《深度学习》笔记汇总
第一门课：神经网络和深度学习（第一周）——深度学习引言第一门课：神经网络和深度学习（第二周）——神经网络的编程基础第一门课：神经网络和深度学习（第三周）——浅层神经网络第一门课：神经网络和深度学习（第四周）——深层神经网络第二门课：改善深层神经网络：超参数调试、正则化以及优化（第一周）——深度学习的
搜索神器Phind的详细使用方法(持续更新)
本文主要介绍了搜索神器Phind的详细使用方法，希望对新手有所帮助。需要说明的是，Phind是能够直接使用的，很方便新手和小白上手使用。文章目录1. 为什么要学习Phind？ 1.1 生成式模型的不足之处 1.2 new bing的不足之处 1.3 Perplexity的不足之处2. 详细使用
解析不同种类的StableDiffusion模型Models，再也不用担心该用什么了
Stable Diffusion是一个基于Latent Diffusion Models（潜在扩散模型，LDMs）的文图生成（text-to-image）模型。具体来说，Stable Diffusion在 LAION-5B 的一个子集上训练了一个Latent Diffusion Models，该模型
机器学习强基计划8-2：详细推导多维缩放MDS算法(附Python实现)
多维缩放算法MDS是经典的线性降维技术，其限制样本经过降维映射得到的低维空间中的欧式距离，等价于原始空间。本文详细推导MDS算法，并给出Python实现加深理解
ChatGPT角色扮演
ChatGPT角色扮演
