自然语言处理概述 NLP基本流程
自然语言处理(Natural Language Processing，NLP)是指利用计算机对自然语言的形、音、义等信息进行处理，即对字、词、句、篇章的输人、输出、识别、分析、理解、生成等进行操作和加工的过程。
跟着AI学AI(1): 线性回归模型
在线性回归中，我们的目标是找到一条直线，使得所有数据点到该直线的距离之和最小。因此，我们的目标是最小化平方误差。具体来说，我们计算损失函数对w和b的偏导数，然后将其乘以学习率并从当前w和b的值中减去。在线性回归模型中，我们使用梯度下降来找到最小化平方误差的最佳拟合直线。具体来说，我们计算损失函数对每
YOLOv5 CPU和GPU环境搭建（道路识别）
YOLOv5 CPU和GPU环境搭建（道路识别）
Pytorch中loss.backward()和torch.autograd.grad的使用和区别(通俗易懂)
Pytorch中loss.backward()和torch.autograd.grad的使用和区别(通俗易懂)
手把手教你百度飞桨PP-YOLOE部署到瑞芯微RK3588
手把手教你百度飞桨PP-YOLOE部署到瑞芯微RK3588
一条指令打开ChatGPT开发者模式
一条指令打开ChatGPT开发者模式
自适应点云配准（RANSAC、ICP）
FPFH 保留了 PFH 的大部分信息，但忽略了相邻点之间的计算，而是按照距离的反比将一个邻域内的点的直方图加权得到 33 维向量，效率更高。我的实现中采用了前两种。任务一和任务二的主要思路一致，都是先对点云进行降采样、滤波后计算点云特征信息（包括法向量、特征直方图、以及后续特征匹配需要的若干特征）
OpenCV学习笔记14-计算机视觉中的背景减除介绍及代码实现
参考文章：https://blog.csdn.net/tengfei461807914/article/details/81588808https://zhuanlan.zhihu.com/p/31103280文章目录背景减除方法选择：MOGMOG2GMGCNTKNN总结背景减除计算机视觉的前景和背
运用VGG16神经网络进行花朵识别
把数据集的照片进行处理得到向量，花种类名称写入文件class_indices.json中，确定batch_size = 8，运用模型进行训练，反向传播计算梯度，不断更新权重，最终计算损失函数，保存损失最小的模型权重，到vgg16Net.pth文件中。根据vgg16模型建立，在model.py文件中实
像素坐标到世界坐标的转换
注意：直接变换是直接根据变换公式获得，实际上包含pixel到camera和camera到world，实际上和顺序变换一样，通过顺序变换可以更清晰了解变换过程。下式为像素坐标pixel与世界坐标world的变换公式，右侧第一个矩阵为相机内参数矩阵，第二个矩阵为相机外参数矩阵。M为相机内参数矩阵，R为旋
训练NeRF模型的几个建议
如何快速训练处一个理想效果的NeRF, instant-ngp给了一些提示
基于旋转高频注入法的永磁同步电机无位置传感器控制
基于旋转高频注入法的永磁同步电机无位置传感器控制一、原理解说PMSM 无位置传感器控制主要分为两类:一种是在中高速范围内利用反电动势和电角速度的关系，通过计算反电动势获取转子位置信息，例如磁链观测器，模型参考自适应法，扩展卡尔曼滤波器和滑模观测器。另一种是利用电机凸极效应的高频注入法，包括脉振高频电
干货！如何打造我们自己的“ChatGPT”？| 大佬思辨
点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！火爆全网的ChatGPT究竟是什么？为什么这么强？ChatGPT会取代搜素引擎吗？ChatGPT凸显的能力会是metaverse的有力支撑吗？ChatGPT的火爆背后, AI发展路向何方?2022年12月9日，AI TIME邀请了华为诺亚方舟
【记录】torch.nn.CrossEntropyLoss报错及解决
不然softmax无法计算，及model的output channel = class number。假设传入torch.nn.CrossEntropyLoss的参数为。根据官网文档，如果直接使用class进行分类，pred的维度应该是。注意在网络输出的channel中加入。，label的维度应该是
扩散模型训练太难？来看看Meta AI最新提出的KNN-Diffusion
我们总会发现，我们迸发出的每一个想法都是从脑海中相似的印象中复制的
如何测试一个AI系统？
如上是智能系统和非智能系统测试中的最显著不同的部分以及对应的方法和实践，但是针对文章开头的四个主要领域的智能系统还是有一些显著差异的，这些显著差异是应用领域的场景不同所导致的，我们会在后续继续学习和研究。
HyperLPR3车牌识别-五分钟搞定: 中文车牌识别光速部署与使用
基于深度学习高性能中文车牌识别 High Performance Chinese License Plate Recognition Framework.快速上手教程
盘点5种最频繁使用的检测异常值的方法（附Python代码）
在统计学中，异常值是指不属于某一特定群体的数据点。它是一个与其他数值大不相同的异常观测值，与良好构成的数据组相背离。例如，你可以清楚地看到这个列表里的异常值：[20, 24, 22, 19, 29, 18, 4300, 30, 18].当观测值仅仅是一堆数字并且是一维时，很容易识别出异常值。但是，当
基于opencv的边缘检测方法
介绍6种基于opencv的边缘检测的方法
【实战篇】是时候彻底弄懂BERT模型了(收藏)
如何弄懂BERT模型，当然是理论+实战了。本文就告诉大家如何实战BERT模型。
