ChatGPT 简介
ChatGPT 现在还处于测试阶段，可以看出在未来它可以极大地提升人类的生产力。但由于这是一个新鲜事物，还没有完善的法规和政策对它进行约束和规范，所以可能会存在一些数据安全等问题。要想实现ChatGPT以及类似产品在国内的落地与商业化，还有很长的路要走。
YOLOv5源码逐行超详细注释与解读（2）——推理部分detect.py
全网最详细的YOLOv5之推理部分detect.py源码逐行注释，近四万字的超详细讲解！小白入门必看！
ChatGPT 中文调教指南
ChatGPT模型是由OpenAI训练的大型语言模型，能够生成类人文本。通过向它提供提示，它可以生成继续对话或扩展给定提示的响应。在此中，您将找到可与 ChatGPT 一起使用的各种提示。
Kaggle实战入门：泰坦尼克号生还预测（基础版）
泰坦尼克号生还预测是机器学习领域著名的数据科学竞赛平台kaggle的入门经典。本文对该数据的处理、分析、训练、预测进行了全流程介绍。
YOLOv8进行改进并训练自定义的数据集
YOLOv8进行改进并训练自定义的数据集
【联邦学习（Federated Learning）】- 从基本分布式思想开始理解联邦学习
机器学习和人工智能的成功离不开大量的数据，但随着人工智能在各行各业的应用落地，人们对于用户隐私数据保安全的关注度也在不断提高。如何在遵守更加严格的、新的隐私保护条例的前提下，解决数据碎片化和数据隔离的问题，是当前人工智能研究者必须解决的问题。在以上的背景基础下，人们开始寻求一种不必将所有数据集中到一
猿创征文 | re:Invent 朝圣之路：“云“行业风向标
猿创征文 | re:Invent 朝圣之路：“云“行业风向标
yolov5_reid【附代码，行人重识别，可做跨视频人员检测】
该项目利用yolov5+reid实现的行人重识别功能，可做跨视频人员检测。应用场景：可根据行人的穿着、体貌等特征在视频中进行检索，可以把这个人在各个不同摄像头出现时检测出来。可应用于犯罪嫌疑人检索、寻找走失儿童等。支持功能：1.reid训练2.人员标注3.人员查找(可做。
GPT-4技术报告
本技术报告介绍了GPT-4，一种能够处理图像和文本输入并产生文本输出的大型多模态模型。这些模型是一个重要的研究领域，因为它们具有广泛应用的潜力，如对话系统、文本摘要和机器翻译。因此，近年来，它们一直是人们感兴趣和取得进展的主题[1-34]。开发此类模型的主要目标之一是提高它们理解和生成自然语言文本的
深度学习必备知识——模型数据集Yolo与Voc格式文件相互转化
在深度学习中，第一步要做的往往就是处理数据集,尤其是学习百度飞桨PaddlePaddle的小伙伴，数据集经常要用Voc格式的，比如性能突出的ppyolo等模型。所以学会数据集转化的本领是十分必要的。这篇博客就带你一起进行Yolo与Voc格式的相互转化，附详细代码！
so-vits-svc3.0 中文详细安装、训练、推理使用教程
so-vits-svc 中文详细安装、训练、推理使用步骤
数据挖掘(2.2)--数据预处理
描述数据的中心趋势、数据发散、数据清洗
Pytorch深度学习实战3-5：详解计算图与自动微分机(附实例)
本文详细介绍Pytorch中计算图的底层原理，讲解基于计算图的前向传播和反向传播，Pytorch自动微分原理以及梯度缓存、参数冻结等技巧
「文心一言」内测详细使用体验
文心一言内测详细使用体验，一起来看看百度的文心一言吧！
一文速学-GBDT模型算法原理以及实现+Python项目实战
上篇文章内容已经将Adaboost模型算法原理以及实现详细讲述实践了一遍，但是只是将了Adaboost模型分类功能，还有回归模型没有展示，下一篇我将展示如何使用Adaboost模型进行回归算法训练。首先还是先回到梯度提升决策树GBDT算法模型上面来，GBDT模型衍生的模型在其他论文研究以及数学建模比
【数据挖掘实战】——应用系统负载分析与容量预测(ARIMA模型)
系统负载分析的传统方法：通过监控采集到的性能数据以及所发出的告警事件，人为进行判断系统的负载情况。实际业务中，监控系统会每天定时对磁盘的信息进行收集，但是磁盘容量属性一般情况下都是一个定值（不考虑中途扩容的情况），因此磁盘原始数据中会存在磁盘容量的重复数据。在不考虑人为因素的影响时，存储空间随时间变
AI遮天传 NLP-词表示
NLP-词表示
【周末闲谈】文心一言，模仿还是超越？
经过了一周的忙碌，周末如期而至，今天我们来聊聊当下最为火热的话题中国版”ChatGPT“——文心一言，在人工智能技术“芯片-框架-模型-应用”四层结构中，百度是全球为数不多在这四层进行全栈布局的公司，从昆仑芯，到飞桨深度学习框架，再到文心预训练大模型，到百度搜索等应用，各个层面都有自研技术。像Cha
OpenCV实战——使用MSER提取特征区域
最大稳定极值区域 (maximally stable external regions, MSER) 算法同样使用注水过程类比提取图像中的特征区域，这些区域同样通过逐级淹没图像来创建，但我们将重点关注在浸入过程中保持相对稳定的盆地，这些区域对应于图像中目标对象的特征部分。在 OpenCV 中可以使用
机器学习中的数学原理——过拟合、正则化与惩罚函数
通过这篇博客，你将清晰的明白什么是过拟合、正则化、惩罚函数。这个专栏名为白话机器学习中数学学习笔记，主要是用来分享一下我在 机器学习中的学习笔记及一些感悟，也希望对你的学习有帮助哦！感兴趣的小伙伴欢迎私信或者评论区留言！这一篇就更新一下《 白话机器学习中的数学——过拟合、正则化与惩罚函数》
