使用YOLOV5训练自己的数据集（以王者荣耀为例）
使用yolov5训练自己的数据集
YOLOV8——快速训练指南（上手教程、自定义数据训练）
本篇主要用于说明如何使用自己的训练数据，快速在YOLOV8 框架上进行训练。当前（20230116）官方文档和网上的资源主要都是在开源的数据集上进行测试，对于算法“小白”或者“老鸟”如何快速应用到自己的项目中，这个单纯看官方文档显得有点凌乱，因为YOLOV8 不再致力于做一个单纯算法，而是想要做一个
模糊神经网络（FNN）的实现（Python，附源码及数据集）
本文对模糊神经网络（FNN）的理论基础及建模步骤进行介绍，之后使用Python实现基于FNN的数据预测，通俗易懂，适合新手学习，附源码及实验数据集。
目前最强的AI绘画模型——Midjourney v5
Midjourney实验室开发的Midjourney V5应该是目前最强的AI绘图工具了。
yoloV5更换BiFPN结合小目标检测层
小目标检测层结合BiFPN
ChatGLM 本地部署的详细教程
4. 下载预训练模型：ChatGLM使用预训练的GPT模型来生成回复。您可以从OpenAI（https://beta.openai.com/docs/models/gpt-3）下载预训练的GPT-3模型。如果您需要更详细的指导，请参考ChatGLM的文档（https://chatglm.readth
用ChatGPT怎么赚钱？普通人用这5个方法也能赚到生活费
ChatGPT在互联网火得一塌糊涂，因为它可以帮很多人解决问题。比如：帮编辑人员写文章，还可以替代程序员写代码，帮策划人员写文案策划等等。ChatGPT这么厉害，能否用它来赚钱呢？今天和大家分享用ChatGPT赚钱的5个方法，并且挑战用ChatGPT赚钱30天，实战第一天开始！
Python机器学习17——极限学习机(ELM)
python实现ELM 的代码，优化ELM的矩阵系数代码。
【ChatGPT】是一个危机与机遇并存的时代
ChatGPT，横空出世，从去年12月，ChatGPT以最快速度（5天）突破百万用户。今年2月，ChatGPT再创新高，用户量已达到1亿。有人说它可以取代计算机编程（程序员）、媒体工作者、客服代表、教师、律师、会计师等多种高端白领岗位，ChatGPT可以撰写求职信、编写儿童读物、甚至帮助学生在论文中
Pytorch1.7复现PointNet++点云分割（含Open3D可视化）（文末有一个自己做的书缝识别项目代码）
毕设需要，复现一下PointNet++的对象分类、零件分割和场景分割，找点灵感和思路，做个踩坑记录。
【编译原理】第三章部分课后题答案
为习题3.3的文法构造SLR分析表为下面文法构造规范LR(1)分析表，画出像图3.20这样的状态转换图就可以上述状态转换图有同心项目集吗？若有，合并同心项目集后是否会出现动作冲突为句子abab构造两个不同的最左推导，以此说明该文法是二义的下面的二义文法描述命题演算公式，为它写一个等价的非二义性文法构
RGB与Depth融合方法总结
RGB与Depth融合方法汇总
基于小波时频图和2D-CNN的滚动轴承故障检测
轴承故障诊断 附python和matlab代码
最新版本 Stable Diffusion 开源 AI 绘画工具之图生图进阶篇
学好图生图，AI 即将取代打工人
亲测有效解决torch.cuda.is_available()返回False的问题（分析+多种方案），点进不亏
文章目录解决torch.cuda.is_available()返回False出现返回False的原因问题1：版本不匹配问题2：错下成了cpu版本的（小编正是这种问题）解决方案方案一方案二解决torch.cuda.is_available()返回False出现返回False的原因问题1：版本不匹配电脑
对比学习MoCo损失函数infoNCE理解（附代码）
对比学习MoCo损失函数infoNCE理解
ScanNet数据集下载与导出颜色图、深度图、内参、位姿数据
ScanNet是一个RGB-D视频数据集，包含1500多个扫描中的250万个视图，用3D摄像机的姿势、表面重建和实例级的语义分割来注释。为了收集这些数据，我们设计了一个易于使用和可扩展的RGB-D捕捉系统，包括自动表面重建和众包语义注释。我们表明，使用这些数据有助于在几个三维场景理解任务上实现最先进
实力爆表，日日新成为AI领航者
4月10日，商汤科技董事长兼CEO徐立在商汤技术交流日上发布“日日新”大模型体系，取自《礼记·大学》，汤之盘铭：苟日新，日日新，又日新。“日日新”大模型体系包含自然语言生成、照片生成服务、感知模型预标注、模型研发。
机器学习中的数学——距离定义（八）：余弦距离（Cosine Distance）
余弦距离(Cosine Distance)也可以叫余弦相似度。 几何中夹角余弦可用来衡量两个向量方向的差异，机器学习中借用这一概念来衡量样本向量之间的差异。相比距离度量，余弦相似度更加注重两个向量在方向上的差异，而非距离或长度上。nnn维空间中的余弦距离为：cos(x,y)=x⋅y∣x∣⋅∣y∣=
SA的空间注意力和通道注意力
包括空间注意力和通道注意力，目的是选择细粒度的重要像素点，是pixel级。：是 local 注意力，致力于搜索粗糙的潜在判别区域，它们是region级。一般来说对于同一像素点不同通道求均值，再经过一些卷积和上采样的运算得到spitial attention mask，空间特征每层像素点被赋予不同的权
