联邦学习框架和数据隐私综述
联邦学习。
【数学基础】你还不理解最大似然估计吗？一篇文章带你快速了解掌握
本文介绍了机器学习中常见的最大似然估计的数学基础，从理论到举例，浅显易懂。
逐步回归 Matlab
逐步回归，是通过逐步将自变量输入模型，如果模型具统计学意义，并将其纳入在回归模型中。同时移出不具有统计学意义的变量。最终得到一个自动拟合的回归模型。其本质上还是线性回归。是回归分析中一种筛选变量的过程，我们可以使用逐步回归从一组候选变量中构建回归模型，让系统自动识别出有影响的变量。
Pytorch优化器全总结（四）常用优化器性能对比 含代码
常用的优化器我已经用三篇文章介绍完了，现在我将对比一下这些优化器的收敛速度。下面我将简单介绍一下要对比的优化器，每种我只用一到两句话介绍，详细介绍请跳转上面的链接，每种优化器都详细介绍过。
OpenCV这么简单为啥不学——2.1、imwrite逐帧保存图片
OpenCV这么简单为啥不学——2.1、imwrite逐帧保存图片前言imwrite函数语法说明参数说明保存图片查阅图片解决中文问题
ORB-SLAM2代码解析
整理了一些有关于ORB-SLAM2的代码的资料
slam原理介绍和经典算法
slam算法假设的环境中的物体都是处于静态或者低运动状态的，然而，现实世界是复杂多变的，因此这种假设对于应用 环境有着严格的限制，同时影响视觉slam系统在实际场景中的应用性。当环境中存在动态物体时，会给系统带来错误的观测数据，同时降低系统的精度和鲁棒性。通过RANSAC算法（随机采样一致性）的外点
快速傅里叶变换及Python代码实现
我想认真写好快速傅里叶变换（Fast Fourier Transform，FFT），所以这篇文章会由浅到细，由窄到宽的讲解，但是傅里叶变换对于寻常人并不是很容易理解的，所以对于基础不牢的人我会通过前言普及一下相关知识。我们复习一下三角函数的标准式：A代表振幅，函数周期是2πw，频率是周期的倒数w2π
PnP解算及SolvePnp用法
PnP问题概念，OpenCV中的solvePnP的各参数意义，并包括使用方法。
SIFT图像匹配原理及python实现（源码实现及基于opencv实现）
SIFT图像匹配原理及python实现,源码实现,基于opencv实现
Chat、GPT-4 加上 Midjourney = 一个完美的团队？我可以使用这两种工具创建更好的 AI 图像吗？
首先，我让我的新工具告诉我更多关于它自己的信息。
pytorch使用过程中指定显卡训练
目录1 指定单块显卡进行训练 1.1 默认的0号显卡 1.2 使用其他显卡，例如1号或其他
什么是ChatGPT？
ChatGPT就是聊天机器人。
Batchsize的大小怎样设置？Batchsize过大和过小有什么影响
Batchsize的大小怎样设置？Batchsize过大和过小有什么影响。batch_size：表示单次传递给程序用以训练的数据（样本）个数。如果我们的数据集钟含有的样本总数为12800个样本，batch_size=128，那么就需要10个batch才能够训练完一个epoch。
从认知智能的角度认识ChatGPT的不足
从认知智能的角度说说ChatGPT的不足。
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
