云GPU（恒源云【不推荐】）训练的具体操作流程
主要介绍一下如何使用云服务器平台训练网络，包括pycharm配置、数据传输、服务器如何使用等
基于Python实现的机器人自动走迷宫
机器人自动走迷宫一 题目背景1.1 实验题目在本实验中，要求分别使用基础搜索算法和 Deep QLearning 算法，完成机器人自动走迷宫。图1 地图（size10）如上图所示，左上角的红色椭圆既是起点也是机器人的初始位置，右下角的绿色方块是出口。游戏规则为：从起点开始，通过错综复杂的迷宫，到达目
PyTorch深度学习实战 | 神经网络的优化难题
即使我们可以利用反向传播来进行优化，但是训练过程中仍然会出现一系列的问题，比如鞍点、病态条件、梯度消失和梯度爆炸，对此我们首先提出了小批量随机梯度下降，并且基于批量随机梯度下降的不稳定的特点，继续对其做出方向和学习率上的优化。
OpenCV实战（12）——图像滤波详解
滤波是信号和图像处理中的基本任务之一，其旨在有选择地提取图像的某些特征，可以用于在给定应用程序的上下文中传达重要信息，例如，去除图像中的噪声、提取所需的视觉特征、图像重采样等。图像滤波起源于信号系统理论，本节将介绍一些与滤波相关的重要概念，并展示如何在图像处理应用程序中使用滤波器。
Bytetrack 环境配置 &核心代码解析
Bytetrack 环境配置 &核心代码解析
PyTorch使用多GPU并行训练及其原理和注意事项
PyTorch使用多GPU并行训练及其原理和注意事项
dagum基尼系数分析全流程
上表格可以看到，从组内基尼系数Gw来看，整体上，华东地区、华北地区和华南地区的组内基尼系数值较大，意味着华东地区、华北地区和华南这3个区域，他们内部各省份之间的收入不均匀现象较为严重。从上表可知：整体上看，总体基尼系数有着一定的下降趋势，但是下降趋势不明显，2012年为0.227，2021年为0.2
ChatGPT在五大行业应用落地及带来的影响
这篇文章将深入探讨一下ChatGPT目前影响最大的五个行业，以及该技术在对应行业应用过程中的优劣势和趋势判断。
图像处理——图像增强
最近在忙着两个YOLOv7项目，通过看大量的论文，发现很多的相关的论文都会在收集图像后进行图像的增强，本文将使用python中的opencv模块实现常见的图像增强方法。 由于光照角度和天气等不确定因素，导致图像采集的光环境极其复杂；为了提高目标检测模型的泛化能力，本文采用了几种图像增强方法
机器学习中的数学原理——精确率与召回率
详解精确率和召回率，通过这篇博客，你将清晰的明白什么是精确率、召回率。这个专栏名为白话机器学习中数学学习笔记，主要是用来分享一下我在 机器学习中的学习笔记及一些感悟，也希望对你的学习有帮助哦！感兴趣的小伙伴欢迎私信或者评论区留言！这一篇就更新一下《 白话机器学习中的数学——精确率与召回率》
机器学习强基计划0-4：通俗理解奥卡姆剃刀与没有免费午餐定理
脱离具体应用场景空谈学习算法的优劣毫无意义，这就是机器学习视角下的“天下没有免费午餐”定理”。本文详细总结机器学习领域的若干重要指导思想，为机器学习领域的探索建立理论指导
BP神经网络的诊断分类（初学者+matlab代码实现）
初学者推荐，bp神经网络的实现
融合transformer和对抗学习的多变量时间序列异常检测算法TranAD论文和代码解读...
一、前言今天的文章来自VLDBTranAD: Deep Transformer Networks for Anomaly Detection in Multivariate Time Series Data论文链接：https://arxiv.org/pdf/2201.07284v6.pdf代码地址
Grad-CAM源码保姆级讲解（pytorch）
Grad-CAM源码保姆级详解。
3DCNN概述及3DCNN与2DCNN的区别
对3DCNN有关知识进行了解和梳理。这篇博客主要介绍了3DCNN的概念、3DCNN工作原理以及3DCNN与2DCNN的区别。
基于凸集上投影（POCS）的聚类算法
本文综述了一种基于凸集投影法的聚类算法，即基于POCS的聚类算法。原始论文发布在IWIS2022上。
【深度学习】模型过拟合的原因以及解决办法
不要过度训练，提前结束训练early-stopping：训练时间足够长，模型就会把一些噪声隐含的规律学习到，这个时候降低模型的性能是显而易见的。第3组模型过拟合：模型复杂度过高，抽象出的数学公式非常复杂，很完美的拟合训练集的每个数据，但过度强调拟合原始数据。第1组模型欠拟合：模型复杂度过低，抽象出的
深度学习可视化工具visdom使用
#11.1 vidsom介绍visdom的github主页：https://github.com/fossasia/visdomvisdom中文文档参考：https://ptorch.com/news/77.htmlVisdom是一个灵活的工具，用于创建，组织和共享实时丰富数据的可视化，支持：Tor
【光流估计】无监督学习的LOSS
无监督光流估计中损失函数的相关内容与个人理解
惯性导航定位技术
惯性导航系统是一种不依赖于外部信息，也不向外部辐射能量的自主式导航系统[15]。其主要由惯性测量单元、信号预处理和机械力学编排3个模块组成，如图3-7所示。一个惯性测量单元包括3个相互正交的单轴加速度计(Accelerometer)和3个相互正交的单轴陀螺仪(Gyroscopes)。惯性测量单元结构
