深度学习模型精度fp16和fp32
深度学习模型精度fp16和fp32
Labelme分割标注的使用（非常好）
博客转自于: Labelme分割标注软件使用这里建议大家按照我提供的目录格式事先准备好数据，然后在该根目录下启动labelme（启动目录位子，因为标注json文件中存储的图片路径都是以该目录作为相对路径的）1.1 创建label标签文件虽然在labelme中能够在标注时添加标签，但我个人强烈建议事先
损失函数——交叉熵损失函数
交叉熵损失函数
玩转GPT--在线文本生成项目[可入坑~科普系列]
没办法，最近ChatGPT杀疯了，没忍住，还是想look，look。没办法，哪个帅小伙能够忍受的了一个可以和自己对话的神奇的玩意儿。而且还是近距离去接触这个东西，如果你对自己的设备还有足够自信的话，咱们还能够给自己重新训练出一个模型，或者自己准备数据集，然后训练自己的“贾维斯”。嘿嘿，想想，这可比女
人工智能时代（完成OpenAI登录的步骤有哪些）
OpenAI是一家全球领先的人工智能研究公司，以推动人工智能的发展而闻名。OpenAI提供了一个丰富的学习平台，可以帮助人们更好地了解人工智能的相关知识。在使用OpenAI的学习平台之前，用户需要先进行OpenAI登录，本文将详细介绍OpenAI登录的步骤，让您更好地了解如何完成OpenAI登录。
MoveIt简介
MoveIt由ROS（机器人操作系统）中一系列移动操作的功能包组成，包含运动规划，操 作控制，3D感知，运动学，碰撞检测等等，是目前针对移动操作最先进的软件。 它提供了一个易于使用的平台，开发先进的机器人应用程序，评估新的机器人设计和建 筑集成的机器人产品。 并且它已经应用于工业、商业、研发和其他领
YOLOV5-断点训练/继续训练
yolov5-断点训练/继续训练
ECCV 2022 | FedX: 在无监督联邦学习中进行知识蒸馏
©PaperWeekly 原创 · 作者 | 张成蹊单位 | Freewheel机器学习工程师研究方向 | 自然语言处理论文的立意是在联邦学习过程中，结合对比学习，用局部与全局的两种蒸馏方式来无监督地学习样本的向量表示。FedX 不仅是一种创新的无监督学习算法，更是一种可以热插拔用于传统对比学习，使
文心一言（中国版ChatGPT）内测申请体验
文心一言（英文名：ERNIE Bot）是百度全新一代知识增强大语言模型，文心大模型家族的新成员，能够与人对话互动，回答问题，协助创作，高效便捷地帮助人们获取信息、知识和灵感。
Pytorch-Lightning中的训练器—Trainer
Pytorch-Lightning中训练器Trainer用法
GPT-4 和ChatGPT API的定价分析
在ChatGPT API和GPT-4 API之间的选择取决于对项目的特定需求。预期的应用所需的精度涉及的财务问题对未来发展的适应性前几天的新闻，ChatGPT API的价格比text-davinci-003低10倍(成本低90%)，所以ChatGPT API低成本较低也许可以让我们以更低的成本测试大
图像的傅里叶变换
比如南非世界杯时，南非人吹的呜呜主拉的声音太吵了，那么对现场的音频做傅立叶变化（当然是对声音的数据做），会得到一个展开式，然后找出呜呜主拉的特征频率，去掉展开式中的那个频率的sin函数，再还原数据，就得到了没有呜呜主拉的嗡嗡声的现场声音。他们是可逆的，想不到吧，乱七八糟的东西也有规律了。对于傅里叶变
浅谈点云与三维重建
浅谈点云与三维重建
DDPG算法流程
DDPG算法流程
搜索神器Perplexity的详细使用方法(持续更新)
本文主要介绍了ChatGPT的互补工具Perplexity的详细使用方法，希望对新手有所帮助。需要说明的是，Perplexity不需要上网工具，很方便新手和小白上手使用。Perplexity的官网链接为：https://www.perplexity.ai/ 。文章目录1. 为什么要讲Perplexi
Anaconda的虚拟环境的包在哪里？（详细教程）
Anaconda
ChatGPT来了你慌了吗？
ChatGPT（全名：Chat Generative Pre-trained Transformer），美国OpenAI研发的聊天机器人，于2022年11月30日发布。ChatGPT是人工智能技术驱动的自然语言处理工具，它能够通过理解和学习人类的语言来进行对话，能根据聊天的上下文进行互动，真正像人类
基于骨骼的动作识别：PoseConv3D
基于骨骼的动作识别：PoseConv3D
Yolov5 模型的原理及环境配置
本文首先介绍了yolov5 是什么，有什么用，以及yolo 模型的原理。再讲解了yolov5 模型的下载，及环境配置的一些问题。
resnet(4)------全连接层与softmax
如果不用指数函数的话，其实仓鼠得分和白面包的得分是差不多的，但指数增长的特性就是，横轴变化很小的量，纵轴就会有很大的变化。所以，从1.9变化到2.1，经过指数的运算，两者的差距立马被的拉大了。这个算法又是如何将神经网络推理的数值，转换为一个类别的分类的呢？的关系，我们知道卷积是对图像的局部区域进行连
