YOLOv8项目推理从CPU到GPU
YOLOv8项目推理从CPU到GPU；YOLOv8；从CPU到GPU。
【Novel AI】基于Koishi的QQ群配置AI绘图机器人方法
【Novel AI】基于Koishi的QQ群配置AI绘图机器人方法
最详细的YOLO-V5模型配置文件yaml结构理解
YOLO-V5模型配置文件yaml结构详解
10种基于MATLAB的方程组求解方法
直接发和迭代法，都有一定的适用范围，对应复杂的方程组，往往没法收敛，启发式算法，比如粒子群，可以自适应的对方程组的解进行求解，对复杂的方程组的求解精度一般更高，代码通用性更强，PSO是由Kennedy和Eberhart共同提出，最初用于模拟社会行为，作为鸟群或鱼群中有机体运动的形式化表示。
Huggingface微调BART的代码示例：WMT16数据集训练新的标记进行翻译
BART模型是用来预训练seq-to-seq模型的降噪自动编码器（autoencoder）。它是一个序列到序列的模型，具有对损坏文本的双向编码器和一个从左到右的自回归解码器，所以它可以完美的执行翻译任务。
DDPG强化学习的PyTorch代码实现和逐步讲解
深度确定性策略梯度(Deep Deterministic Policy Gradient, DDPG)是受Deep Q-Network启发的无模型、非策略深度强化算法，是基于使用策略梯度的Actor-Critic，本文将使用pytorch对其进行完整的实现和讲解
什么？ 你还没用过 Cursor？ 智能 AI 代码生成工具 Cursor 安装和使用介绍
本文只是一个使用 Cursor 的简单示例，帮助大家如何安装和使用。大家可以根据自己的业务，让它帮你写一些基础的代码，利用好 Cursor 可以大大提高工作效率。如果生成的代码不太符合要求，可以优化自己的表达，交代更清楚一些；也可以尝试重新生成；还可以通过对话让它不断优化调整以便符合你的要求。人工智
Google Earth Engine（GEE）农作物种植结构提取
前段时间因为考研的原因一直没能更新，已经完成了农作物种植结构的提取，现在给大家分享一下。主要也是结合前面写过的Google Earth Engine（GEE）使用土地利用数据（modis）上采样Landsat数据提取农田范围，将以上结果作为研究的基础，结合物候特征，光谱特征，地形特征，选择随机森林算
pytorch2.0安装与体验
pytorch2.0 相对1.x进行了大版本更新，向下兼容！！！！通过官网阅读可知他最大的更新是torch.compile()，通过编译的方式，用一行代码实现模型的稳定加速。这个语句返回一个原来模型的引用，但是将forward函数编译成了一个更优化的版本。PyTorch 2.0 中支撑 torch.
目标检测--边框回归损失函数SIoU原理详解及代码实现
对目标检测边框回归的SIoU损失函数进行原理详解及代码实现
【双目视觉】 SGBM算法应用（Python版）
我们可以通过cv.remap()函数来将img2映射到img1对应位置上并合成。：重映射，即把一幅图像内的像素点放置到另外一幅图像内的指定位置，俗称“拼接”四种模式，它们的精度和速度呈反比，可根据情况来选择不同的模式.自制的标定数据集，必须用自己相机拍摄照片制作数据集。函数为opencv集成的算法；
学会开发自己的Python AI应用【OpenAI API篇】
最近 OpenAI 宣布 ChatGPT 将很快推出他们的 API。虽然我们不知道这需要多长时间，但这之前我们可以熟悉下OpenAI API，快速开发自己的AI应用！通过今天学习 OpenAI API，你将能够访问 OpenAI 的强大模型，例如用于自然语言的 GPT-3、用于将自然语言翻译为代码的
NLP / LLMs中的Temperature 是什么?
ChatGPT, GPT-3, GPT-3.5, GPT-4, LLaMA, Bard等大型语言模型的一个重要的超参数
高翔ORB-SLAM2稠密建图编译（添加实时彩色点云地图+保存点云地图）
目录前言系统版本一、准备工作下载源码二、编译 ./build.sh1.删除一些build文件夹2.创建 Vocabulary 文件夹3.在CMakeLists.txt中取消编译器的一些设置4.编译5.运行TUM数据集6.实时查看彩色点云地图1）2）7.保存彩色点云地图三、编译 ./build_ros
AI风暴 ：文心一言 VS GPT-4
AI风暴 ：文心一言 VS GPT-4
yolov7数据集格式用于目标识别与实例分割
解释yolov7目标识别与实例分割使用的数据集格式
音频（一）时域图、 频谱图 Spectrum
梅尔频率 倒谱 系数为了理解 梅尔频率 倒谱系数 ， 我们需要先理解以下基本概念：mel frequency cepstrum coefficient1. 频谱1.1 声音信号是一维的时域信号，无法观察出频率随时间的变化规律。1.2 频谱： 如果通过傅里叶变换把它变到频域上，可以看出信
经典神经网络论文超详细解读（七）——SENet（注意力机制）学习笔记（翻译＋精读＋代码复现）
SENet论文（《Squeeze-and-Excitation Networks》）超详细解读。翻译＋总结。文末有代码复现
Pointpillars三维点云实时检测
实现实时检测的pointpillars
NLP学习笔记——情感分析一 (简介)
情感分析的研究现状、技术方法、存在问题等简单介绍。
