分词工具使用系列——sentencepiece使用
分词的目的就是找到构成句子的基本单位，然后模型学习这些基本单位组合的概率情况，完成语言模型的构建。使用分词算法（前向后向匹配，单个词划分，字母划分，语言模型划分）构建分词后的字典根据字典的分词排序对完整句子做分词，实现句子到分词ID的双向转换分词算法有word-based: 使用空格，标点进行分割(
教你亲手制作一个虚拟数字人，超全步骤详解
教你亲手制作一个虚拟数字人，超全步骤详解
【代码解读】Transformer（一）——Encoder
encoder-decoder
rknn_yolov5执行流程
RV1109上测试rknn_yolov5_demo以及分析
【Python机器学习】KNN进行水果分类和分类器实战（附源码和数据集）
【Python机器学习】KNN进行水果分类和分类器实战（附源码和数据集）
人工智能大作业——人脸识别系统（最终）
时间过得飞快，时间已经距离我发第一篇文章过去2年多了，也不再从事代码工作，偶然间上到csdn翻看文章经过，看到还是有些人关注人脸识别系统的后续的，我猜大概率是学弟学妹们正在被期末实验折磨中，翻了翻原先的代码还能找到就一并更完了吧，如果抄了我的作业记得来学长的评论区表示一下感谢哦
GPT-4 API 申请
ChatGPT4 出来了 ，来看下怎么申请API进行开发吧 ~
Anaconda 3.6安装教程（详细版本）---可运行Python代码
首先到清华大学镜像网站可以下载相关版本，我选择的是3.6的版本，并且我的电脑是ThinkBook14+，64位，在该网站上对应的是点击下载，32位的话就选择上面不带_64那个。
20美刀一个月的ChatGPT架构师，性价比逆天了
接下来的步骤是创建一个解决方案设计，一个物理网络蓝图，定义系统集成的接口和部署环境的蓝图。请注意，尽管在短时间内可能没有重大的技术突破，但长期来看，计算机视觉和深度学习领域的技术进步可能会带来更先进的解决方案。在事件风暴过程中，我们可以使用黄色、蓝色和红色的便利贴分别表示事件、命令和聚合根，并将它们
YOLOV8 | 最先进的 YOLO 模型训练自己的数据集(持续更新中)
YOLOv8是Ultralytics最新的基于YOLO的目标检测模型系列，提供最先进的性能。
EGO-Planner：一种无需 ESDF（欧几里得距离场） 梯度的局部路径规划方法
EGO-Planner：一种无需 ESDF（欧几里得距离场） 梯度的局部路径规划方法
torch.cat()中dim说明
初次接触众多博客对dim的讲解为，对于两个二维张量作为输入，dim取0结果为两个张量按行拼接，取1结果为按列拼接，但是对于高维来说就有点难以直观想象结果了，我们尝试三维情况进而总结规律。其中初学者最费解的就是dim的选取，dim的取值范围由输入张量的维度决定，输入为n维张量，dim取值在[0,n-1
使用OpenAI的Whisper 模型进行语音识别
Whisper模型是在68万小时标记音频数据的数据集上训练的，其中包括11.7万小时96种不同语言的演讲和12.5万小时从”任意语言“到英语的翻译数据。该模型利用了互联网生成的文本，这些文本是由其他自动语音识别系统(ASR)生成而不是人类创建的。该数据集还包括一个在VoxLingua107上训练的语
BP神经网络
1.概念： BP（back propagation）即为反向传播，意为反向传播神经网络。
基于深度学习的轴承寿命预测实践，开发CNN、融合LSTM/GRU/ATTENTION
基于深度学习的轴承寿命预测实践，开发CNN、融合LSTM/GRU/ATTENTION
annaconda 安装 opencv（cv2）
1、最终方案：[保姆级教程]在Anaconda环境中安装OpenCV(WIN 10, 64, Python3.7) - 哔哩哔哩 (bilibili.com)优点：操作简单，成功率高，不会出现版本不匹配的问题缺点：确实挺慢的（第一次可能半个小时我还停在这个界面，然后cancel后重启了一次电脑，大概
YOLOv5内置--hyp超参配置文件对比
YOLOv5内置--hyp超参配置文件对比YOLOv5有大约30个超参数用于各种训练设置。这些是在目录中*.yaml的文件中定义的/data。更好的初始猜测会产生更好的最终结果，因此在演化之前正确初始化这些值很重要。lr00.01#初始学习率(SGD=1E-2,Adam=1E-3)lrf0.01#最
【YOLOV5-6.x讲解】YOLO5.0VS6.0版本对比+模型设计
减少操作：使用SPPF()代替原本的SPP() 更好的导出性：将Focus()替换为一个等效的Conv(k=6,s=2,p=2) 提高速度：将backbone中的 P3 中的 C3() 从重复次数从9减少为6更新超参数：增加了 mixup 和 copy-paste 的数据增强在最后一个C3() 主干
强化学习领域值得关注的国际顶级会议
强化学习（Reinforcement Learning, RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。今天给大家介绍几个强化学习领域值得关注的顶级会议。
传感器原理与检测技术复习笔记第四章-电感式传感器
传感器原理与检测技术复习笔记
