百度发布Apollo 8.0，架构、能力双双升级
12月28日，百度举行了Apollo开放平台8.0线上发布会。会上，百度正式推出Apollo开放平台8.0，进一步夯实了平台的易用性，让开发者操作更简单易上手。同时，百度Apollo也面向外界分享了在自动驾驶教育、生态合作伙伴等方面的最新进展。一、Apollo 8.0：架构、能力双双升级百度自动驾驶
Ubus概述：(openwrt微总线架构)
Ubus概述：(openwrt微总线架构)
MySQL的逻辑架构
我们平常写一条SQL，MySQL是如何接收SQL，执行SQL，并且将查询结果返回给客户端。这个套流程到底是怎么执行的，今天我们就来说说MySQL的逻辑架构。
Spring Boot Admin监控搭建-nacos版本
Spring Boot Admin监控搭建-nacos版本Spring Boot Admin介绍Spring Boot Admin 是github上一款用于Spring Boot 的监控管理的开源项目，通过http直接注册或者通过注册中心注册的方式，实现了Spring Boot应用上的一些常见监控项
阿里P8大牛用实例跟你讲明白“Java 微服务架构实战”
不仅讲解了所有微架构中的内容，还给出了真实有效的学习案例;不仅可以与虚拟化Docker整合开发，还可以实现大型企业分布式授权OAuth解决方案。可以说，本书就像Java微服务实现架构的一个技术宝典，读者学习后完全可以直接在实际项目之中进行应用。
【云原生】裸金属架构之服务器安装VMWare ESXI虚拟化平台详细流程
??作者简介：大家好，我是，运维领域创作者，??阿里云ACE认证高级工程师??个人主页：??支持我：点赞??+收藏+留言????格言：你未必出类拔萃，但一定与众不同！????个人社区：欢迎您的加入！??系列专栏：?? 阶段一：windows基础?? 阶段二：Linux基础知识?? 阶段三：shell
PlotNeuralNet + ChatGPT创建专业的神经网络的可视化图形
PlotNeuralNet：可以创建任何神经网络的可视化图表，并且这个LaTeX包有Python接口，我们可以方便的调用。
什么是图神经网络？
GNN 将深度学习的预测能力应用于丰富的数据结构，这些数据结构将对象及其关系描述为图中由线连接的点。
YOLOV5训练自己的数据集（超详细，小白必看）
教你最方便的了解如何使用yolov5训练自己的数据集（最全面，最简单易懂）
【Yolov5】Yolov5添加ASFF, 网络改进优化
Yolov5添加ASFF模块，有完整的使用说明，实验可行，可以提高模型性能
ChatGPT 的 10 种集成模式：从开源 AI 体验平台 ClickPrompt 中受到的启发
和国内外的很多公司一样，在 Open AI 公司开放了 ChatGPT API 接口之后，我们也在探索如何去结合到业务中。而在探索的过程中，我们发现了一个问题，大部分的业务人员并不了解 AI 的能力，所以我们开源构建了 ClickPrompt，以使 “普通人” 能更方便地了解 ChatGPT。围绕于
计算机视觉-OpenCV入门讲解
计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智
unet模型及代码解析
什么是unet一个U型网络结构，2015年在图像分割领域大放异彩，unet被大量应用在分割领域。它是在FCN的基础上构建，它的U型结构解决了FCN无法上下文的信息和位置信息的弊端（下文细说）Unet网络结构主干结构解析左边为特征提取网络，右边为特征融合网络特征提取网络由两个3x3的卷积层（RELU）
YOLOV8-gradcam 热力图可视化 即插即用 不需要对源码做任何修改!
yolov8-gradcam热力图可视化，即插即用，不需要对源码做任何修改。代码仓库还有yolov5和yolov7的热力图可视化代码，也是不需要对源码做任何修改喔！
普通人如何用AI帮你干活——娱乐1
想跟大家介绍，作为一般的人没有太多编程技巧，对计算机和各种奇淫技巧的算法了解也不多的一般人。可以如何去利用AI，可以如何把问题作简单拆解和流程拆解让AI为我们服务。
使用ControlNet 控制 Stable Diffusion
本文将要介绍整合HuggingFace的diffusers 包和ControlNet调节生成文本到图像，可以更好地控制文本到图像的生成
AI无敌？人类的反击静悄悄。
前几年，alphago横扫围棋棋坛，人类棋手不得不接受现实。那么，按照AI的进步速度，我们当时也提过火车站台的比喻，呼啸而过，望尘莫及。从此，人类棋手输给AI不再是新闻，而且随着相关论文的发布和国内外各个技术团队的跟进，超越顶尖人类棋手的围棋AI已经越来越多，开源版，单机版，任何人都可以用一台稍微配
SwinIR实战：详细记录SwinIR的训练过程
SwinIR实战：详细记录SwinIR的训练过程。论文地址：https://arxiv.org/pdf/2108.10257.pdf预训练模型下载：https://github.com/JingyunLiang/SwinIR/releases训练代码下载：https://github.com/csz
pytorch模型保存与加载总结
pytorch模型保存与加载方式、打包保存tar、多卡训练遇到的问题、torch.jit、加载预训练模型、保存模型再加载精度损失
LSTM实现时间序列预测(PyTorch版)
为了训练数据，首先定义LSTM模型，然后再定义对应的损失函数，由于我们这里是风速预测，显然是个回归问题，所以采用回归问题常用的MESLoss()，如果可以的话，可以自定义损失函数，针对自己的项目需求定义对应的损失函数。对于优化器来讲，使用的也是目前常用的Adam优化器，对于新手来讲也可以多多尝试其它
