python构建知识图谱
python与知识图谱
文献阅读-基于深度学习的医疗图像分割综述
文献阅读-基于深度学习的医疗图像分割综述
文心一言发布的个人看法
富有创造力的人通常有他们自己的理论，而且彼此间的理论相当不同。罗伯特· 高尔文说创造力包含预期与奉献：预期是指在其他人认识到之前，便预见到某个事物将来会变得很重要；奉献是一种信念，它能够使一个人不受怀疑与挫折的干扰，坚持去实现愿景。
对比yolov4和yolov3
总体而言，yolov4是尝试组合一堆tricks，获取得到的模型，该模型具有训练更快、模型更轻、精度更高的特性。
tensorflow gpu版本安装教程
过程十分简陋，仅仅是个人的安装笔记，但其中粗体的注意事项大家可以参考一下，或许能解决你的报错。此过程需要提前安装好anaconda。我安装的为3.9.7的python，对应2.6.0的tensorflow安装过程分为：更新驱动NVIDIA,安装cuda和cudnn，tensorflow更新NVIDI
基于机器学习的时序数据预测方法
1、介绍股票预测模型的建模2、介绍股票预测领域中的经典算法的原理，分析算法的优缺点及改进方法方案3、展望该领域的研究趋势
pyqt使用graphicsView显示图片
文章目录源码untitled.pymain.py缩放图形界面使用Qt Designer绘制，如下菜单项添加一个open选项，窗口上是一个graphicsView组件。主要流程使用opencv 打开图片cv2转为QImageQImage转为QPixmap把QPixmap加入到QGraphicsScen
保研笔记八——YOLOV5项目复习
学习转载自：睿智的目标检测56——Pytorch搭建YoloV5目标检测平台_Bubbliiiing的博客-CSDN博客_睿智yolo Pytorch 搭建自己的YoloV5目标检测平台（Bubbliiiing 源码详解 训练 预测）-主干网络介绍_哔哩哔哩_bilibili还有一些视频的学习笔记。
什么是让ChatGPT爆火的大语言模型(LLM)
AI 应用程序正在总结文章、撰写故事和进行长时间对话——而大型语言模型正在承担繁重的工作。大型语言模型或 LLM 是一种深度学习算法，可以根据从海量数据集中获得的知识来识别、总结、翻译、预测和生成文本和其他内容。大型语言模型是 Transformer 模型最成功的应用之一。 它们不仅用于教授 AI
MATLAB环境下基于振动信号的轴承状态监测和故障诊断
基于现代信号处理的轴承状态监测和故障诊断。本文主要讲解如何从滚动轴承的振动信号中提取特征、进行状态监测和故障诊断。
【K210】K210学习笔记六——MaixHub在线模型训练识别数字
本文着重于如何使用MaixHub平台，在线训练模型，识别数字。MaixHub平台在近期升级了，以前只能将数据包上传训练，现在可以直接将图片上传到MaixHub平台，使用MaixHub平台打标签，然后训练模型，并且可以在MaixHub上看到识别的精准度等信息。......
VoxelNet点云检测详解
1、前言 精确的点云检测在很多三维场景的应用中都是十分重要的一环，比如家用机机器人、无人驾驶汽车等场景。然而高效且准确的点云检测在pointnet网络提出之前，一直没能取得很好的进展，因为传统的手工点云特征提取没有很好的泛化性能。所以VoxelNet是一个端到端的点云检测模型。直接使用深度学习
关于Pytorch中的train()和eval()（以及no_grad()）
这三个函数实际上很常见，先来简单看下使用方法train()是nn.Module的方法，也就是你定义了一个网络model，那么表示将该model设置为训练模式，一般在开始新epoch训练时，我们会首先执行该命令：同train()一样，其用法和含义也一样，eval()是nn.Module的方法，也就是你
Python代码循环执行exe文件，并传入命令参数实现批量处理数据。
Python代码循环执行exe文件，并传入命令参数实现批量处理数据。
注意力机制详解
注意力机制
如何搭建深度学习环境及复现GitHub代码
在终端进行训练的话没法看到代码的细节，因此我们可以在pycharm中进行。conda activate name-of-env（接下来运行的内容就是基于这个环境的）在base这个土壤上搭建环境（不同的小房子），因为不同的代码运行需要不同的环境才能运行。在训练自己的网络时，只需要改变datasets中
2023年美赛论文写作方法——图表篇：美赛O奖中那些好看的图表是如何制作的？
相信很多关注七七的小伙伴们都知道数模论文最重要的是：简洁的方法和正确的结果。但我们同时要意识到一点，评委老师在评审论文时只有10分钟的时间，怎样才能让自己团队的论文脱颖而出？图片是最吸引眼球的！恰到好处的插图、和谐的配色都会使评委老师眼前一亮。
LSTM实现多变量输入多步预测(Seq2Seq多步预测)时间序列预测(PyTorch版)
本专栏整理了《深度学习时间序列预测案例》，内包含了各种不同的基于深度学习模型的时间序列预测方法，例如LSTM、GRU、CNN（一维卷积、二维卷积）、LSTM-CNN、BiLSTM、Self-Attention、LSTM-Attention、Transformer等经典模型，包含项目原理以及源码，每一
【FMCW雷达人体行为识别——多普勒谱提取】
主要内容为英国格拉斯哥大学公开的一个人体行为的数据集。结合示例代码进行了分析，最终构建图片数据集用于后续的识别分类。解决了伪彩图保存时遇到的白边、尺寸变化的问题，同时通过批处理的方式加快了效率。............
