Jetson NX系统烧录以及CUDA、cudnn、pytorch等环境的安装
这两步比较简单，所以略了。虚拟机的配置需要注意硬盘空间大一点，至少40G。
torch.nn.Conv3d
torch.nn.Conv3d
【用AI写周报，“卷死”同事】打造一款自动生成周报的微信小程序
在现代企业中，周报是一个重要的沟通和管理工具。然而，手动编写周报是一项繁琐的任务，往往需要花费大量时间和精力。因此，利用人工智能技术来自动化周报生成是一个值得探究的方向。本文将介绍如何通过微信小程序接入ChatGPT，根据前端、后端、设计师、产品、测试和架构师等职位自动生成周报，并提供完整的代码实现
机器视觉系列5：C++部署pytorch模型onnxruntime
环境：visual studio 2019；pytorch1.8；
深度学习零基础学习之路——第四章 UNet-Family中Unet、Unet++和Unet3+的简介
深度学习小白的学习之路，从零开始，一步一步向深度学习大佬靠近。学习使用Unet网络模型，并对其后续提出的Unet++、Unet3+进行对比学习。
“CSDN 丨CDC领航者之夜”启航 AIGC 时代，助力技术管理者打造高效能研发团队
3月25日晚，由CSDN、上海CDC和阿里云联合举办的“CDC城市领航者之夜”活动成功举办。本次活动主题是“AIGC时代，技术管理者如何打造高效能研发团队”，吸引了近三十位上海本地企业的CTO、技术负责人和创作者等技术精英参会。本次活动是上海站“CDC城市领航者之夜”系列活动的第一站。现场，CSDN
Python 语音转文本
Python 文本转语言
深度学习中的注意力机制模型及代码实现(SE Attention、CBAM Attention)
常用的注意力机制多为SE Attention和CBAM Attention。它们基本都可以当成一个简单的网络。例如SE注意力机制，它主要就是由两个全连接层组成，这就是一个简单的MLP模型，只是它的输出变了样。所以，在我们把注意力机制加入主干网络里时，所选注意力机制的复杂程度也是我们要考虑的一个方面，
基于so-vits-svc语音模型实现AI翻唱歌曲
使用so-vits-svc模型训练zutomayo的音色，让AI用这音色去翻唱其他歌曲
ChatGPT5是否会影响人类的发展和工作？
ChatGPT5是否会影响人类的发展和工作？
【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“解题思路“”以及“代码分享”
此题我们需要分析：不同大品类2015到2018年需求量分析、不同细分品类2015到2018年需求量分析从而得出不同点与共同点。首先需要对日期进行判断月初、月中、月末区间，打上标签，再根据标签进行分组(注意：数据中2018的12月没有月末区间数据)先对每天的需求量进行统计，再进行对数据季节打标签处理，
PyTorch 之 基于经典网络架构训练图像分类模型
我们可以进入 pytorch 的官方网站，对模型的基本架构和训练好的参数进行直接调用，具体链接如下。
加载预训练模型遇到transformers的问题
问题1: urllib.error.URLError: urlopen error [SSL: CERTIFICATE_VERIFY_FAILED]这是由于ssl验证的问题，在.py 文件的开头导入ssl包，创建默认验证：import sslssl._create_default_https_con
【AI绘画】我以Midjourney为主学习AI绘画效果咋样？
【AI绘画】我以Midjourney为主学习AI绘画效果咋样？
DETR训练自己的数据集
本文记录利用官方提供的代码来训练验证自己的数据集的过程以及一些注意事项。该数据集原始的标签保存格式为yolo类型的txt文件，下面提供的代码能够实现数据集标签从txt文件到coco json格式的转化.该部分为利用训练得到的模型权重进行检测验证。在detr工程文件下的images文件夹存放所有待验证
IQA图像质量评价 数据集介绍(LIVE、TID2013、CSIQ、LIVEC、KonIQ-10K)
LIVE、TID2013、CSIQ、LIVEC、KonIQ-10K 数据集介绍
【机器学习】yolov5训练结果分析
yolov5模型训练后的结果会保存到当前目录下的run文件夹下里面的train中下面对训练结果做出分析。
Transformer中的Q/K/V理解
详细解释了Transformer中的Q/K/V矩阵的作用和意义。
opencv+图像处理（GUI）1-0图像：创建加载显示保存关闭
opencv+图像处理，GUI操作：创建加载显示保存关闭图像
quality focal loss & distribute focal loss 解说（附代码）
quality focal loss
