ChatGPT 编写模式：如何高效地将思维框架赋予 AI ？
如何理解 Prompt ？Prompt Enginneeringprompt 通常指的是一个输入的文本段落或短语，作为生成模型输出的起点或引导。prompt 可以是一个问题、一段文字描述、一段对话或任何形式的文本输入，模型会基于 prompt 所提供的上下文和语义信息，生成相应的输出文本。举个例子，
10个Pandas的另类数据处理技巧
本文所整理的技巧与以前整理过10个Pandas的常用技巧不同，你可能并不会经常的使用它，但是有时候当你遇到一些非常棘手的问题时，这些技巧可以帮你快速解决一些不常见的问题。
一站式自动化测试工具——AI-TestOps
最近以来，最新的软件项目认为，一个完整的软件生命周期中包括验证，测试软件的运行结果能否接近预期值，需要尽可能早地发现问题、解决问题，假如没有能够在调试的早些时候发现，误差就会逐步扩散，最后导致在软件的测试结果出现重大误差。无论是接口调试还是接口测试，AI-TestOps都算的上很优秀的工具，好多接口
AI-TestOps —— 软件测试工程师的一把利剑
自动化测试工具结合人工智能黑科技（AI），开启软件测试新纪元。
【ChatGPT】Notion AI 从注册到体验：如何免费使用
Notion AI 是基于 GPT-3 模型的 AI 问答软件，“在线文档“场景与”生成式AI”的无缝结合，一站式智能解决文档写作的需求。本文详解 Notion AI 的注册、功能和使用，以及——如何免费使用 Notion Plus 计划。
电气领域相关数据集（目标检测，分类图像数据及负荷预测），电气设备红外测温图像，输电线路图像数据续
电气领域相关数据集（目标检测，分类图像数据及负荷预测），输电线路图像数据续
TOF，双目，结构光，激光雷达等传感器及相关技术
单目 双目
RF模型（随机森林模型）详解
入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。一、RF简介RF模型属于集成学习中的bagging流派1、集成学习简介集成学习分为2派：（1）boosting：它组合多个弱学习器形成一个强学习器，且各个弱学习器之间有依赖关系。（2）baggin
多分类损失函数（机器学习）
预测值越接近真实标签值，交叉熵损失函数值越小，反向传播的力度越小。为什么不能使用均方差损失函数作为分类问题的损失函数？凸性与最优解求导运算的复杂性和运算量则损失函数为：可以看到由于分类错误，loss2的值比loss1的值大很多。反向传播误差矩阵为：本来是第二类，误判为第一类，所以前两个元素的值很大
wandb训练模型报API错误
wandb: W&B API key is configured (use `wandb login --relogin` to force relogin)wandb是Weight & Bias的缩写，一句话，它是一个参数可视化平台。wandb强大的兼容性，它能够和Jupyter、TensorFl
AAAI2023 | DeMT: CNN+Transformer实现多任务学习（分割/深度等）
本文结合了可变形CNN和query-based 的Transformer优点，提出了一种新的MTL模型，用于密集预测的多任务学习，基于简单有效的编码器-解码器架构（即，可变形混合器编码器和任务感知transformer解码器），称之为DeMT。
OpenCV人脸识别，训练模型为cv2.face.LBPHFaceRecognizer_create()
OpenCV内部自带有三种人脸检测方式LBPH人脸识和其他两种方法（Eigen人脸识别，FisherFace人脸识别）本次主要说明第一种方式LBPH检测。
分段模型线性化(PWL)【Python|Gurobi实现】
在许多问题中，可能既包含着纯线性函数，也包含着分段线性函数。在这一节，我们使用运输问题解释处理分段线性模型的各种方法。从几何的观点，下图为一个经典的分段线性函数。这个函数由四条线段构成，分段点为4、5 和 7。这三个分段点，将整个函数分为(-∞, 4) 、 [4, 5) 、 [5, 7) 和 [7,
堪称经典，一个非常适合初学者的机器学习实战案例
哈喽，大家好。今天给大家介绍一个非常适合新手入门的机器学习实战案例。这是一个房价预测的案例，来源于 Kaggle 网站，是很多算法初学者的第一道竞赛题目。该案例有着解机器学习问题的完整流程，包含EDA、特征工程、模型训练、模型融合等。房价预测流程下面跟着我，来学习一下该案例。没有啰嗦的文字，没有多余
cuda常见报错
cuda常见报错
darknet训练yolov7-tiny(AlexeyAB版本)
darknet训练yolov7-tiny目标检测网络
人工智能：TensorFlow深度学习框架介绍
官方解释：“TensorFlow是一个开源软件库，主要用于各种感知和语言理解任务的机器学习。”简单来说TensorFlow 是一个用于机器学习的开源框架，可以用来快速地构建神经网络，同时快捷地进行网络的训练、评估与保存。
标注工具—labelme， label-studio
标注工具—labelme， label-studio
TensorFlow和CUDA、cudnn、Pytorch以及英伟达显卡对应版本对照表
TensorFlow和CUDA、cudnn、Pytorch以及英伟达显卡对应版本对照表CUDA下载地址CUDNN下载地址torch下载英伟达显卡下载一、TensorFlow对应版本对照表版本Python 版本编译器cuDNNCUDAtensorflow-2.9.03.7-3.108.111.2ten
