详解ChatGPT的免费总结插件Glarity
本文主要介绍了对ChatGPT的免费总结插件Glarity进行了详细的介绍，希望对热爱AIGC以及新技术的同学们有所帮助。文章目录1. 安装方法2. 使用场景 2.1 场景一 2.2 场景二文章目录1. 安装方法2. 使用场景 2.1 场景一 2.2 场景二
知识图谱-命名实体-关系-免费标注工具-快速打标签-Python3
你好！这是一款实体关系联合标注的本地小程序，以Python3Python3Python3实现。本系统是一种标注文本语料中命名实体与关系或属性的半自动化软件系统，应用PythonPythonPython编程实现可视化界面和主要功能，利用HTMLHTMLHTML和CSSCSSCSS提示标注教程与规范(无
openai-chatGPT的API调用异常处理
因为目前openai对地区限制的原因，即使设置了全局代理使用API调用时，还是会出现科学上网代理的错误问题。再次运行API测试代码发现以及成功返回数据。openai库 == 0.26.5。”方法，并在此方法上方加入代理。
变化检测（Change Detection，CD） 综述2篇 & CD代码 & 常用CD数据集及链接
CD best paper 。综述1，介绍变化检测流程、各种类型的CD数据集、分析不同的算法框架与当前AI主流网络，实际应用，机遇与挑战（无监督、异构数据、是否可靠），内容丰富。综述2，包括，遥感领域中变化检测的应用，深度学习算法概述（历史、deep models、DBNs、SAEs、CNNs），已
强化学习PPO从理论到代码详解(2)---PPO1和PPO2
上一节我们了解了什么是策略梯度，本节开始讲PPO理论之前，我们先提出一个概念，什么在线学习，什么离线学习。
GPT-4 API 接口调用及价格分析
对开发者来说，GPT-4最激动人心的是API接口同步发布。我今天获得了API访问权限，本文将跟大家分享GPT-4 API接口的使用以及大家关心的价格分析。
CCF-CSP真题《202212-2 训练计划》思路+python，c++满分题解
本文为大家题解CCF-CSP真题《202212-2 训练计划》并给予一定思路思路，希望对你有帮助~~
ChatGPT研究分析：GPT-4做了什么
上一版ChatGPT的主要挑战是，因为模型的训练量极大，很难去进行优化（ChatGPT是fine-tuning的模式）。然后再基于采样值，测算一下幂等函数的相关参数，下一轮就可以只进行少量训练，就去预测最终效果了。至于其他效果上的优化，OpenAI没有进一步解读原理，但整体应该还是基于“训练-奖励”
人工智能会影响测试工程师吗
并不是危言耸听当下最火的是什么，那非ChatGPT莫属了，以ChatGPT为代表的各类AIGC工具，在不断颠覆我们的认知，不仅能完成律师，医学考试；还能画出一张精美的设计图，拿下艺术大赛一等奖。以之对应的就是大厂裁员的消息了，互联网的打工者们瑟瑟发抖。
【学习笔记】部署yolov8到安卓手机
把yolov8部署到安卓手机哟，用手机软件也能进行检测啦
重磅！openAI开放chatGPT模型APIgpt-3.5-turbo，成本直降90%！
ChatGPT API，千呼万唤终于来了。chatGPT不仅开放 成本还直降90%！全新API基于“gpt-3.5-turbo”模型，其基础是支持ChatGPT的GPT 3.5模型，取代了此前的“text-davinci-003.”。这款名为“gpt-3.5-turbo”的模型，定价为0.002美元
【pytorch】Vision Transformer实现图像分类+可视化+训练数据保存
一、Vision Transformer介绍Transformer的核心是 “自注意力” 机制。论文地址：https://arxiv.org/pdf/2010.11929.pdf自注意力（self-attention）相比 卷积神经网络 和 循环神经网络 同时具有并行计算和最短的最大路径⻓度这两个优
元宇宙与AI能否相辅相成，打造一个全新的世界观
这段时间随着OpenAI 推出了ChatGPT及GPT-4架构，一时间各大区域几乎都被AI给刷屏了。上次被这样广泛流传的应该当属 元宇宙 了，元宇宙 最初被提及还是在1990年的科幻小说《雪崩》里被提出来。但是目前又随着AI领域的超速发展无疑让元宇宙再得到了一次重新崛起的机会。所以本篇文章来谈一谈元
【周末闲谈】AI作图，你真的了解它吗？
事实上当我们在网络中搜索AI绘画会发现，关于AI绘画的软件层出不穷，但我们关于AI绘画的起源与发展的文章却少之又少，难道它的诞生就真是顺应时代的发展吗？无可纷争的是AI绘画确实已经深入到了我们的生活之中，它给我们带来了便利的同时也带了新的问题，也许我们可以产生新的制度来规范它的发展，但我相信它的未来
机器学习-KNN算法（鸢尾花分类实战）
“近朱者赤近墨者黑"，所谓的K近邻，也就是根据样本相邻最近的K个数据来进行判断，看K个邻居中所属类别最多的是哪一类，则将该样本分为这一类。
基于深度学习的图像配准
基于深度学习的图像配准技术
coco-annotator的安装与使用
COCO Annotator是一个基于web的图像标注工具，其多功能性和易用性旨在有效地标记图像，以创建用于图像定位和对象检测的训练数据。它提供了许多不同的功能，包括标记图像片段（或片段的一部分）、跟踪对象实例、标记具有断开的可见部分的对象、以COCO 格式有效存储和导出标注信息。
Batch Norm的原理和作用
Batch Normalization做了什么？怎么用？
TensorRt（1）安装和命令行测试
根据机器硬件配置，选择TensorRt版本，安装对应的cuda、cudnn版本，命令行trtexec进行简单测试。
Keras中如何设置学习率和优化器以及两者之间的关系
Keras对优化器和学习率做了很好的封装，以至于很多人搞不清楚怎么设置学习率，怎么使用优化器，两者到底有什么区别。
