InternImage实战：使用InternImage实现图像分类任务（一）
论文翻译：https://wanghao.blog.csdn.net/article/details/129379410官方源码： https://github.com/OpenGVLab/InternImage他来了！他来了！他带着氩弧焊的光芒过来了！作为CV的大模型，InternImage的光芒
PyTorch学习笔记（八）-------------- 多模态融合
多模态指的是由不同信息源提供的多种信息表示方式。这些信息表示方式可以是文本、图像、声音、视频等。多模态信息的处理是许多人工智能应用的关键。例如，在视频分类任务中，我们可能希望利用视频的音频和视频轨道信息来判断视频的内容。在文本分类任务中，我们可能希望利用文本的语言、句法、语义信息来判断文本的类别。在
计算机视觉之姿态识别（原理+代码实操）
计算机视觉中的姿态识别原理+模型介绍，同时通过代码实操简单的演示基于mediapipe的单人姿态识别。
Win10 下编译 OpenCV 4.7.0详细全过程，包含xfeatures2d
在Win10下编译 OpenCV 4.7.0过程中，踩了几个坑，这里记录下来，供大家参考。
基于pyecharts的中医药知识图谱可视化
数据可视化是一种直观展示数据结果和变化情况的方法，可视化有助于知识发现与应用。Neo4j数据库对于知识图谱的展示形式过于单调。因此，本文基于pyecharts对当前处理的中药知识图谱数据进行分析与可视化。以利用图形传递和表达更清晰的中药知识图谱信息，发掘有潜在价值的内容。......
智能优化算法：白鲸优化算法-附代码
白鲸优化算法([Beluga whale optimization，BWO)是由是由 Changting Zhong 等于2022 年提出的一种群体智能优化算法。其灵感来源于白鲸的群体觅食行为。
Tensorflow1 搭建Cuda11
Tensorflow1中默认支持cuda10及以下的，最高的版本Tensorflow1.15默认使用cuda10；但是一些高性能的显卡，比如A100、3090等，它们只支持Cuda11的，这就不太友善了，毕竟不少项目依赖Tensorflow1搭建的。本文整理2种方法，一种是基于Conda搭建的，一种
Pytorch对预训练好的VGG16模型进行微调
对于一个复杂的卷积神经网络来说，通常网络的层数非常大，网络的深度非常深、网络的参数非常多，单单设计一个卷积网络就需要颇费心思，何况网络还需要大量的数据集进行漫长时间的训练，若没有一个好的算力平台也很难迅速训练出模型。可见，从头到尾搭建一个中等规模的卷积神经网络对于我们来说绝非易事。幸运的是PyTor
基于PyTorch+CNN一维卷积实现短期电力负荷预测
本项目使用了一种基于一维卷积CNN短期电力负荷预测方法，该方法将历史负荷数据作为输入，将输入向量构造为时间序列形式作为 Conv1D 网络的输入，建模学习特征内部动态变化规律，最后完成短期负荷预测。
BERT模型基本理念、工作原理、配置讲解（图文解释）
BERT模型基本理念、工作原理、配置讲解（图文解释）
XGBOOST算法Python实现（保姆级）
本文基于XGBOOST算法，从数据预处理、算法原理、算法实现、敏感性分析和算法应用都做了具体的分析，可适用于大部分机器学习算法初学者。
从零开始，三分钟内用Python快速自建一个私有化 ChatGpt 聊天机器人网站
用 Python 构建由 gpt-3.5-turbo API 支持的聊天机器人网站自2023年3月1日发布“ChatGPT API”以来，已经开发出了数千个基于该API的应用程序，为企业和个人开启了新的可能性时代。借助GPT-3.5的自然语言处理能力，用户可以创建能够无缝与人交互的聊天机器人，以回答
【记录】ChatGPT使用记录
ChatGPT使用记录
KL散度和交叉熵的对比介绍
KL散度（Kullback-Leibler Divergence）和交叉熵（Cross Entropy）是在机器学习中广泛使用的概念。这两者都用于比较两个概率分布之间的相似性，但在一些方面，它们也有所不同。本文将对KL散度和交叉熵的详细解释和比较。
【YOLO】P1 YOLO简介
YOLO简介，YOLO的相关介绍视频推荐~~
【数字图像处理】直方图均衡化与规定化
灰度级范围[0,L-1]的数字图像，在实际使用中，用哥灰度级的像素总数除以MN的整幅图像的像素数量，归一化到规律中进行计算，这样可以解除面积对哥灰度级在所有橡树中分布的影响，仅仅靠概率进行分析个灰度级的分布。在较暗的图像中，直方图的分量集中在灰度级的低段。低对比度图像具有较窄的直方图，且都集中于[0
合宙AIR32F103CBT6刷回CMSIS-DAP固件和DAP升级固件以及刷ST-LINK V2-1固件方法
合宙AIR32F103CBT6刷回CMSIS DAP固件以及刷ST-LINK固件方法
优化器SGD、Adam和AdamW的区别和联系
优化器是用来更新和计算影响模型训练和模型输出的网络参数，使其逼近或达到最优值，从而最小化(或最大化)损失函数。
语音增强——基本谱减法及其python实现
语音增强——基本谱减法及其python实现
ResNet 训练CIFAR10数据集，并做图片分类
超深的网络结构，可以突破1000层提出residual 模块使用Batch Normalization 抑制过拟合，丢弃Dropout方法针对第一点，我们知道加深网络层对于提升网络性能至关重要。然而实际情况中，网络层的加深会导致学习无法进行，性能会更差。因为网络的深度会导致梯度消失或者梯度爆炸的问题
