注意力机制（含pytorch代码及各函数详解）
目录注意力机制非参注意力汇聚概述（不需要学习参数）参数化注意力机制概述正式系统学习1.平均汇聚（池化）2.非参数注意力汇聚（池化）3.带参数注意力汇聚注意力机制不随意线索：不需要有想法，一眼就看到的东西随意线索：想看书，所以去找了一本书1.卷积、全连接、池化层都只考虑不随意线索2.注意力机制则显示的
注册claude AI账号 slack工作区账号
注册claude和slack账号一一介绍互联网人工智能系统的注册和使用，注册claude账号简单，且不需要科学上网，配合slack，让你的会议和教学轻松单间。
10倍效能不是梦：“软件工程3.0”之下软件研发
我已经感受到GPT-4 蕴藏的神奇力量，本文从六大方面探索其神奇的力量。
毕业设计-基于 Python 的天气预测系统
毕业设计-基于 Python 的天气预测系统：天气预测与生产生活的各个领域息息相关，在社会发展中发挥着重要作用。天气预测是指综合使用现代科学技术对某一地区未来一 段时间的温度、湿度、风力、风向、天气状况等进行预测。 在当今社会，天气预测对人们的生产生活有着举足轻重的影 响，与日常出行、农业生产、自然
Win11基于WSL2安装CUDA、cuDNN和TensorRT（2023-03-01）
之前我写了一篇博客：[Win11安装WSL2和Nvidia驱动](https://blog.csdn.net/Apple_Coco/article/details/128374634)，记录了在WSL2里安装CUDA，当时我选择了第二种安装方式，即用WSL2里的MiniConda去安装的PyTorc
Nerf_studio 使用记录
Nerf_studio安装和使用记录
如何根据企业自身文化定向训练chatgpt及示例源码
需要注意的是，这里使用的是OpenAI的GPT-2模型，需要根据实际情况选择相应的模型和超参数。总之，根据企业自身文化定向训练ChatGPT，需要充分挖掘和利用与公司文化相关的数据，建立合适的数据集，训练和优化模型，最终让ChatGPT符合公司文化，提升企业形象和用户体验。建立数据集：将清洗后的数据
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)
2. 基于上述分析，建立数学模型，对附件预测数据（predict_sku1.csv）中给出的产品，预测未来3月（即2019年1月、2月、3月）的月需求量，将预测结果按照表3的格式保存为文件result1.xlsx，与论文一起提交。（2） 产品所在区域对需求量的影响，以及不同区域的产品需求量有何特性；
pyton\yolov8安装和基础使用，训练和预测
到这里yolov8就安装好了，我这是cpu的版本，GPU本人也在摸索中，就不献丑了，如果不想在终端验证也可以到ultralytics-main\ultralytics\yolo\v8\detect\predict.py 这个python文件里把图片的路径修改然后运行就好了，图片路径和上面一样的。（这
类ChatGPT逐行代码解读(1/2)：从零起步实现Transformer、ChatGLM-6B
transformer强大到什么程度呢，基本是17年之后绝大部分有影响力模型的基础架构都基于的transformer(比如，有200来个，包括且不限于基于decode的GPT、基于encode的BERT、基于encode-decode的T5等等)通过博客内的这篇文章《》，我们已经详细了解了trans
ros中SLAM的EVO、APE测评——SLAM精度测评（一）
用于处理、评估和比较里程计和SLAM算法的轨迹输出。支持的轨迹格式：“TUM”轨迹文件“KITTI”姿态文件“EuRoC MAV”（.csv groundtruth和TUM轨迹文件）ROS和ROS2 BAG文件，带有几何图形/PoseStamped、几何图形/TransformStamped、几何图
GPT4和ChatGPT的区别，太让人震撼
全面对比chatgpt与gpt4的区别，差距太大了
Python Module — OpenAI ChatGPT API
与 ChatGPT 进行 C/S 交互，返回 AI 模型生成的对话文本。注意，该接口是 Stateless 的，每次调用都不包含对话的上下文。这意味着需要客户端应用程序自己维护 “聊天记录“。OpenAI Python SDK 用于开发与 OpenAI RESTful API 进行交互的客户端应用程
Yolov8训练自己的数据集
用yolov8训练自己的数据集，熟悉yolov8整个流程，便于下一步魔改网络等
RKNN模型部署（3）—— 模型转换与测试
将pth模型转换成rknn模型，然后调用rknn模型进行测试
Pytorch优化器全总结（三）牛顿法、BFGS、L-BFGS 含代码
这篇文章是优化器系列的第三篇，主要介绍牛顿法、BFGS和L-BFGS，其中BFGS是拟牛顿法的一种，而L-BFGS是对BFGS的优化，那么事情还要从牛顿法开始说起。L-BFGS即Limited-memory BFGS。 L-BFGS的基本思想就是通过存储前m次迭代的少量数据来替代前一次的矩阵，从而大
【ChatGPT】ChatGPT还能保持多久的神话？
经过对多篇博客和文章的阅读后，对chatGPT未来发展趋势的个人预测。
ConvNeXt V2学习笔记
在改进的架构和更好的表示学习框架的推动下，视觉识别领域在21世纪20年代初实现了快速现代化和性能提升。例如，以ConvNeXt[52]为代表的现代ConvNets在各种场景中都表现出了强大的性能。虽然这些模型最初是为使用ImageNet标签的监督学习而设计的，但它们也可能受益于自监督学习技术，如蒙面
详解Pytorch中的torch.nn.MSELoss函，包括对每个参数的分析！
详解Pytorch中的torch.nn.MSELoss函数，包括对每个参数的分析！
深度卷积神经网络（AlexNet）
在LeNet提出后，卷积神经网络在计算机视觉和机器学习领域中很有名气。但卷积神经网络并没有主导这些领域。这是因为虽然LeNet在小数据集上取得了很好的效果，但是在更大、更真实的数据集上训练卷积神经网络的性能和可行性还有待研究。事实上，在上世纪90年代初到2012年之间的大部分时间里，神经网络往往被其
