phind——无需注册专为开发者而生的 AI 搜索引擎
phind 是专为开发者而生的 AI 搜索引擎，使用 phind 能大大提高开发效率
ubuntu18.04配置ORB-SLAM3并跑EuRoC数据集（单目）
ubuntu18.04系统下搭建ORB-SLAM3的环境并跑数据集
BP神经网络python代码详细解答（来自原文）
翻译如下 ** &#160; &#160; &#160; &#160; <font color=black size=6.5> 在 SCRATCH采用pyt...
数字图像处理之matlab实验（三）：空间滤波器
数字图像处理之matlab基础
人工智能导论（第四版）王万良编著课后习题答案
人工智能导论（第四版）王万良编著课后习题答案
PyTorch中的可视化工具
本文主要介绍Pytorch中的一些可视化工具
【AI探索】我问了ChatGPT几个终极问题
如果自动化达到一定程度，人类在不需要工作的情况下可以保证衣食无忧，那个时候需要做的是什么？你对人类所涉及到的学科有了解吗？你认为在哪些方面与人类是相当或者超过人类的了？有没有什么你感兴趣的问题？你认为OpenAI或者微软公司会把你带到什么方向去？你有哪些好奇的地方吗？你是在持续学习的吗？你认为人类面
3d稀疏卷积——spconv源码剖析（一）
和对应上图的Hash_in，和Hash_out。对于是下标，key_ in表示value在中的位置。现在的input一共两个元素P1和P2，P1在的(2, 1)位置,P2在的(3,2)的位置，并且是YX顺序。这里只记录一下p1的位置 ，先不管p1代表的数字把这个命名为。input hash tabe
Diffusion Model（扩散模型）
Diffusion
ChatGLM-6B 类似ChatGPT功能型对话大模型 部署实践
ChatGLM（alpha内测版：QAGLM）是一个初具问答和对话功能的中英双语模型，当前仅针对中文优化，多轮和逻辑能力相对有限，但其仍在持续迭代进化过程中，敬请期待模型涌现新能力。中英双语对话 GLM 模型：ChatGLM-6B，结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量
ChatGPT频频发疯！马斯克警告：AI将毁灭人类
作者| Mr.K 编辑| Emma来源| 技术领导力(ID：jishulingdaoli)2018年图灵奖得主、AI领域最顶尖权威的科学家之一Yann LeCun（杨立昆）对自回归LLM（大型语言模型），有一个著名的观点，认为它们的回复是被动的，没有规划也不主动推理。而且，有时候胡编乱造，或者只靠检
Pandas 2.0 vs Polars:速度的全面对比
本文将比较Pandas 2.0(使用Numpy和Pyarrow作为后端)和Polars 0.17.0的速度。并且介绍使用Polars库复现一些简单到复杂的Pandas代码，这样也算是对Polars的一个简单介绍。另外测试将在4 cpu和32 GB RAM上进行。
Video Transformer | TimeSformer 理解+ 代码实战
TimeSformer（video transformer）Is Space-Time Attention All You Need for Video Understanding?
ChatGPT和New Bing作为AI界新宠，两者有何异同
总的来说，ChatGPT和New Bing都是人工智能技术在不同领域的应用，它们的技术和应用都具有一定的独特性和优势。ChatGPT主要应用于对话系统和语言处理方面，可以帮助用户进行自然语言交互；New Bing主要应用于搜索和信息获取方面，可以帮助用户快速找到相关信息。ChatGPT和New Bi
56_Pandas读取 JSON 字符串/文件 (read_json)
使用pandas.read_json()函数，可以将JSON格式字符串（str类型）和文件读取为pandas.DataFrame。它还支持 JSON 行 (.jsonl)。读取成pandas.DataFrame后，可以做各种数据分析，也可以用to_csv()方法保存成csv文件，这样就可以很方便的通
【人工智能】ChatGTP从入门到精通
当谈论自然语言处理和文本生成技术时，Chat GPT 是一个备受瞩目的话题。作为一种基于深度学习的语言模型，Chat GPT 在近几年里已经展现出了惊人的能力，可以生成几乎无法区分与人类写作的文本，并在自然语言处理领域的各种任务中都表现出色。Chat GPT 的广泛应用正在推动自然语言处理技术的进步
如何判断训练中的模型已经收敛
3.模型收敛：train loss 下降趋于稳定，val loss 下降也趋于稳定，且train loss 的值与val loss 的值相差不大。5.train loss上升，val loss上升：网络结构设计有问题，或者训练参数设置不当等，及时停止学习，调整代码。4.train loss稳定，va
目标检测：Faster-RCNN算法细节及代码解析
**Faster-RCNN是多阶段目标检测算法RCNN系列中的集大成者，下面来看看分别看看这个系列的算法细节。****注：只简单讲解RCNN，Fast-RCNN算法。后面会重点讲解Fater-RCNN算法。一、RCNNRCNN是2013年出现的目标检测算法，首先将深度学习引 入目标检测领域 ， m
DNN（全连接神经网络）
一.DNN网络一般拥有三层1.输入层2.隐藏层3.输出层简单网络如下：二.正向传播从第二层开始，每一个神经元都会获得它上一层所有神经元的结果。即每一个 y = wx + b的值。具体分析如下：如此下去就会非常可能出现了一个问题------就是越靠后的神经元获得的y值会非常大，试想一下，如果这个数远远
图像识别技术
图像识别技术的介绍
