电子科技大学人工智能期末复习笔记（四）：概率与贝叶斯网络
本复习笔记基于李晶晶老师的课堂PPT与复习大纲，供自己期末复习与学弟学妹参考用。 首先明确，P(W | dry)是一个概率分布，而不是一个概率值。不能写成 P(W | dry)=....①求联合概率分布P(D,W);②求边缘概率分布P(D);③求条件概率分布P(W | D).P(W | dry
分辨率、帧率和码率三者之间的关系
分辨率、帧率、码率
「ChatGPT」一夜之间“火爆出圈“【杞人忧天 or 未雨绸缪】
ChatGPT"一夜爆红"，本文将深耕其中的本质，带大家好好了解一下未来这场暗潮汹涌的人与AI之间的联系——竞争or合作？
Unity 之 Post Processing后处理不同项目配置（URP项目配置）
后期处理是指在摄影机绘制场景之后但在屏幕上渲染场景之前出现的全屏图像处理效果的通用术语。后期处理可以大大提高产品的视觉效果，只需很少的设置时间。
【绘图】比Matplotlib更强大：ProPlot
介绍ProPlot9大亮点+python代码
Pytorch教程入门系列11----模型评估
本文介绍了常用评估模型的方法，及使用方法，帮助初学者快速上手
MATLAB | 一行代码实现截断坐标轴
---//---
超分算法之SRCNN
这篇文章是2014年的一篇论文，其主要意义在于作者推出的SRCNN是深度学习在超分上开篇之作！SRCNN证明了深度学习在超分领域的应用可以超越传统的插值等办法取得较高的表现力。参考目录：①深度学习图像超分辨率开山之作SRCNN（一）原理分析②深度学习端到端超分辨率方法发展历程SRCNN1 SRCNN
【OpenFOAM】-olaFlow-算例1- baseWaveFlume
算例文件注释--olaFlow-算例1- baseWaveFlume
tensorboard可视化events.out.tfevents.***文件
tensorboard可视化events.out.tfevents.***文件
在windows下安装nnUnet，并制作数据集以及运行（让隔壁奶奶也能学会的教程）
1.前言nnUnet原代码是在Linux下运行，如果现在windows下安装的话，会报各种错误，得改很多的地方，所以可以直接下载nnUnet_windows文件，这是我已经在windows上成功编译的版本，只要安装成功就可以直接运行。该链接中还包含apex安装包以及制作自己数据格式的代码。nnUne
[ 数据集 ] MINIST 数据集介绍
[ 数据集 ] MINIST 数据集介绍MINIST``Size:`` 28×28 灰度手写数字图像；``Num:`` 训练集 60000 和 测试集 10000，一共70000张图片；``Classes:`` 0，1，2，3，4，5，6，7，8，9；具体介绍了数据集的读取与可视化操作等...
注意力机制(SE,ECA,CBAM,SKNet, scSE，Non-Local，GCNet) Pytorch代码
介绍在CNN中的常见的三种注意力机制，并且提供了Pytorch代码2023.3.2新增SKNet代码，同是修改SkNet在测试时不报错，但是在反向传播中报错的情况。2023.3.10 新增scSE注意力代码2023.3.11 新增Non-Local Net代码2023.3.13 新增GCNet代码
直面风口，未来不仅是中文版ChatGPT，还有AGI大时代在等着我们
OpenAI发布了GPT-4，但百度推出的文心一言截至目前来看也算是顶住了GPT-4的压力，这在我们的人工智能技术也是一个好消息，我们也并非止步于此，国内各企业也在技术层面上，奋起直追。
BatchNorm详解
引言：前几天被同事问到了一个问题：当batch_size=1时，Batch Normalization还有没有意义，没有说出个所以然，才意识到自己从来不好好读过BN的论文（Batch Normalization: Accelerating Deep Network Training by Reduc
Kaggle实战入门：泰坦尼克号生还预测（进阶版）
泰坦尼克号生还预测是机器学习领域著名的数据科学竞赛平台kaggle的入门经典，本文对该数据的处理、分析、训练、预测进行了全流程介绍。
Pytorch复习笔记--导出Onnx模型为动态输入和静态输入
当使用 Pytorch 将网络导出为 Onnx 模型格式时，可以导出为动态输入和静态输入两种方式。动态输入即模型输入数据的部分维度是动态的，可以由用户在使用模型时自主设定；静态输入即模型输入数据的维度是静态的，不能够改变，当用户使用模型时只能输入指定维度的数据进行推理。在以下代码中，定义了一个网络，
ArduinoUNO实战-第十七章-火焰传感器
光电二极管的电导率将根据其检测到的红外辐射而变化。接下来，我们将连接内置板载 LED 的引脚 13 初始化为输出。火焰传感器模块只有很少的组件，其中包括一个 IR 光电二极管、一个 LM393 比较器 IC 和一些免费的无源组件。将模块的 VCC 和 GND 连接到 Arduino 的 5V 和 G
无人驾驶-控制-阿克曼模型
阿克曼模型推导一、序论1.1 研究目的运动学是从几何学的角度研究物体的运动规律，包括物体在空间的位置、速度等随时间而产生的变化，因此，车辆运动学模型应该能反映车辆位置、速度、加速度等与时间的关系。在车辆轨迹规划过程中应用运动学模型，可以使规划出的轨迹更切合实际，满足行驶过程中的运动学几何约束，且基于
