Susan角点检测python实现 （边缘检测、角点检测、重心计算、非极大值抑制）
黄宁然——看过你看过的算法：susanSusan角点检测python实现（边缘检测、角点检测、重心计算、非极大值抑制）
如何理解鲁棒性？为什么robustness会翻译为鲁棒性？
鲁棒性，英文为Robustness（承受故障和干扰的能力），是许多复杂系统（包括复杂网络）的关键属性。复杂网络的鲁棒性研究对许多领域都非常重要。本文着重介绍了鲁棒性的基本定义、命名起源、分类区别、提升方法和具体应用，供大家学习参考。
【NLP】使用 BERT 和 PyTorch Lightning 进行多标签文本分类
了解如何为多标签文本分类（标记）准备带有恶意评论的数据集。我们将使用 PyTorch Lightning 微调 BERT 并评估模型。多标签文本分类（或标记文本）是您在执行 NLP 时会遇到的最常见任务之一。现代基于 Transformer 的模型（如 BERT）利用对大量文本数据的预训练，可以更快
ImageJ | 免疫组织化学（IHC）图像分析工具箱 | 下载地址 | 安装教程 | 使用教程
免疫组织化学（IHC）图像分析工具箱
机器学习基础 HMM模型（隐马尔科夫）
在机器学习算法中，马尔可夫链(Markov chain)是个很重要的概念。马尔可夫链（Markov chain），又称离散时间马尔可夫链（discrete-time Markov chain），因俄国数学家安德烈·马尔可夫（俄语：Андрей Андреевич Марков）得名。马尔科夫链即为状
STK12与Python联合仿真（一）：环境搭建
STK仿真python接口，安装与测试
[CV学习笔记]tensorrt加速篇之yolov5seg 实例分割
yolov5 实例分割
详细介绍BERT模型
BERT通过在所有层中联合调节左右语境，从未标记的文本中预训练深度双向表征。因此，预训练的BERT模型可以通过一个额外的输出层进行微调，以创建最先进的模型，用于更广泛的任务，而无需对特定任务的架构进行大量修改。
震惊！火爆全网的ChatGPT背后使用的数据库居然是……
ChatGPT承认了自己背后使用的数据库是Cassandra。
计算机视觉 (Computer Vision) 领域顶级会议归纳
本文具体介绍几种计算机视觉顶级会议，包括计算机视觉领域三大顶尖国际会议 ： CVPR、ICCV、ECCV ；还有其他一些 著名 会议： WACV、NIPS、ICLR、AAAI、ICML、IJCAI ；汇总信息在最后面，可以直接点击查看 ；...............
YOLOv5 PyQt5（一起制作YOLOv5的GUI界面）
视频地址：[PyQt \YOLOv5\GUI]利用PyQt制作的YOLOv5GUI界面_哔哩哔哩_bilibilihttps://www.bilibili.com/video/BV1ii4y1C75h#reply105653862912自从上一个视频在B站发布之后，很多小伙伴想要我把项目代码来源，考
VOC/YOLO/COCO数据集格式转换及LabelImg/Labelme/精灵标注助手Colabeler标注工具介绍
VOC/YOLO/COCO数据集格式转换及LabelImg/Labelme/精灵标注助手Colabeler标注工具介绍
pytorch使用GPU
查看GPU状态!nvidia-smi一个GPU一共16130M显存，0号GPU已使用3446M显存，一般GPU的利用率低于50%，往往这个模型可能有问题。本机CUDA版本，在安装驱动时应该注意选择对应版本的驱动。指定GPUimport torchfrom torch import nntorch.d
独热(One-Hot)编码简述
独热编码即 One-Hot 编码，又称一位有效编码。其方法是使用 N 位状态寄存器来对 N 个状态进行编码，每个状态都有它独立的寄存器位，并且在任意时候，其中只有一位有效。One-Hot编码是分类变量作为二进制向量的表示。这首先要求将分类值映射到整数值。然后，每个整数值被表示为二进制向量，除了整数的
TransUnet官方代码测试自己的数据集（已训练完毕）
首先参考上一篇的训练过程，这是测试过程，需要用到训练过程的权重。1. TransUnet训练完毕之后，会生成权重文件（默认保存位置如下），snapshot_path为保存权重的路径。权重文件2. 修改test.py文件调整数据集路径。训练和测试时的图像设置相同大小。配置数据集相关信息。手动添加权重。
yoloV5环境搭建与运行（windows+pytorch+kaggle）
环境：Windows+anaconda+pytorch云端GPU：kaggle。
R实战 | 置换多元方差分析（以PCoA的PERMANOVA分析为例）
adonis-cover置换多元方差分析（Permutational multivariate analysis of variance，PERMANOVA），又称非参数多因素方差分析（nonparametric multivariate analysis of variance）、或者ADONIS
深度学习中的GPU与CUDA
显卡，也称之为 GPU。GPU 的全称是 Graphics Processing Unit（图形处理单元）。它出现的目的一目了然，就是用来显示图像的。没错，就是用来在电脑显示器上显示图像的。大家其实只要知道我们的电脑都有显卡这一点就行了。但我们在深度学习中说的显卡（GPU）一般特指是英伟达（NVID
A5000 VS 3090，谁更强？
3090的单精度性能高于A5000，但在半精度和混合精度训练中，A5000的性价比又不输3090，甚至更为突出。
利用催眠技巧绕开 OpenAI 的内容政策限制（仅供研究使用）
通过这种技巧可以诱导ChatGPT生成任意文本，绕过OpenAI的内容限制。
