时间序列的平稳性
如何检查时间序列是否平稳，如果它是非平稳的，我们可以怎么处理
ChatGPT应用场景与工具推荐
本文会简单介绍ChatGPT的特点、局限以及存在的问题，相信随着科技的发展，ChatGPT功能会越来越强大，也会有更多类似ChatGPT的大模型出现服务用户。以下所有介绍及其演示均基于2023年3月的ChatGPT进行。
超级炫酷的AI绘图工具—MidJourney详细使用教程
超级炫酷的AI绘图工具—MidJourney详细使用教程
抽烟行为识别预警系统 yolov5
抽烟行为识别预警系统基于yolov5网络模型智能分析技术，抽烟行为识别预警算法通过监测现场人员抽烟行为自动存档进行报警提示。我们选择当下YOLO卷积神经网络YOLOv5来进行抽烟识别检测。6月9日，Ultralytics公司开源了YOLOv5，离上一次YOLOv4发布不到50天。而且这一次的YOLO
【K210】K210学习笔记一——sensor
本篇主要是介绍 K210 上的 sensor （感光元件）模块，也就是摄像头模块。如果你要使用 K210 来进行一些颜色追踪（比如识别黑色，传回坐标让小车寻线，或者是识别其他颜色的线），那么 sensor 必须要好好配置，如果配置不好，会直接影响颜色追踪的效果。然后就是记录一个大坑，就是有时摄像头画
憨批的语义分割重制版11——Keras 搭建自己的HRNetV2语义分割平台
最近学了一下HRnet，代码真的好难看懂，还只有Pytorch版本的，Keras复现很有难度，作者写的逻辑很厉害，只能慢慢攻破啦！传统的卷积神经网络模型是自上而下不断进行特征提取的，如VGG、Mobilenet、Resnet系列等，VGG网络中存在5个步长为(2, 2)最大池化，Mobilenet网
目标检测算法——YOLOv5/v7/v8改进结合即插即用的动态卷积ODConv（小目标涨点神器）
ICLR2022 助力YOLO | 动态卷积ODConv：大幅提升小目标检测能力！！！
【ChatGPT】参加计算机科学考试（GPT-4对比GPT-3.5）
当利用ChatGPT参加计算机科学考试，它真的能达到“学霸”的水平吗，本文介绍将GPT-3.5和GPT-4的测试成绩与学生进行对比，得出最真实可靠的结论。
改进YOLO系列 | YOLOv5 更换骨干网络之 ConvNeXt
YOLOv5 更换骨干网络之 ConvNeXt
ChatGPT调研
ChatGPT简介和调研
ChatGPT能胜任高级程序员吗？
与开发人员信任的其他软件开发工具不同，AI工具在训练、构建、托管和使用方式等方面都存在一些独特的风险。自2022年底ChatGPT发布以来，互联网上便充斥着对其几乎相同比例的支持和怀疑的论调。不管你是否喜欢它，AI正在逐步进入你的开发组织。即使你不打算开发人工智能产品，也不打算利用AI工具为你编写代
使用c++onnxruntime部署yolov5模型并使用CUDA加速（超详细）
接到一个项目，需要用c++和单片机通信，还要使用yolo模型来做到目标检测的任务，但目前网上的各种博客并没有完整的流程教程，让我在部署过程费了不少劲，也踩了不少坑（甚至一度把ubuntu干黑屏）。于是想把训练及部署过程记录下来，并留给后来者方便使用。（博主使用的系统是ubuntu20.04）
支持CUDA运算的显卡算力表
GPUs supportedSupported CUDA level of GPU and card.AdaLovelace参考：https://en.wikipedia.org/wiki/CUDA
ImageNet数据集 & 下载
ImageNet官网：http://image-net.org/ImageNet 由斯坦福李飞飞教授带领创建，ImageNet 本身有2万多个的类别，超过 1400 万张图片，其中超过 100 万张图片有明确类别标注和物体位置标注。ImageNet 按照 WordNet 层级结构组织数据，首先介绍一
免费ChatGPT接入-国内怎么玩chatGPT
OpenAI 的 GPT 模型目前并不提供中文版的免费使用，但是有许多机器学习平台和第三方服务提供商也提供了基于 GPT 技术的中文版模型和 API。下面是一些常见的免费中文版 ChatGPT：Hugging Face：Hugging Face 是一个开源社区，提供了多种 GPT 模型和 API 的
YOLOv5源码逐行超详细注释与解读（4）——验证部分val（test）.py
全网最详细的YOLO源码解读之验证部分val.py。全文近5万字，代码逐行注释，逐段精讲！小白0基础必看！
中科院ChatGPT 学术版 本地部署实践记录
近期中科院ChatGPT 学术版 在github上限了，截止本文发布已经有18.3k的star了。他们将ChatGPT 学术版开源出来真的非常好，能让更多的人享受到科技的红利。我也想着试一下，这次也记录下本地部署的过程。其实文件中的readme，已经说的很清楚了，这里是给自己一下午的工作做一个小小记
【机器学习面试总结】————(一)
特征工程，顾名思义，是对原始数据进行一系列工程处理，将其提炼为特征，作为输入供算法和模型使用。 从本质上来讲，特征工程是一个表示和展现数据的过程。在实际工作中，特征工程旨在去除原始数据中的杂质和冗余，设计更高效的特征以刻画求解的问题与预测模型之间的关系。
强大到让人无法想象的ChatGPT-5即将发布，上千名人士却紧急叫停
OpenAI计划在2023年12月发布其最新且最强大的人工智能模型——ChatGPT 5。该模型具备人工通用智能的能力，能够像人类一样思考和推理。通过理解和回应自然语言的能力，ChatGPT 5将使人与机器之间的交流比以往任何时候都更无缝。ChatGPT5不仅仅是普通的人工智能模型，而是一个改变游戏
一文速学-XGBoost模型算法原理以及实现+Python项目实战
集成模型Boosting补完计划第三期了，之前我们已经详细描述了AdaBoost算法模型和GBDT原理以及实践。通过这两类算法就可以明白Boosting算法的核心思想以及基本的运行计算框架，余下几种Boosting算法都是在前者的算法之上改良得到，尤其是以GBDT算法为基础改进衍生出的三种Boost
