用Anaconda安装TensorFlow(Windows10)
本文分为三大部分：一.安装Anaconda二.用Anaconda安装TensorFlow三.Pycharm中安装Anaconda1.Anaconda下载两种下载路径，第一种是从Anaconda官网下载Anaconda官网第二种是从清华镜像官网下载（比较快）清华镜像Anaconda下载我选择的是在清华
如何用DETR（detection transformer）训练自己的数据集
DETR(detection transformer)简介DETR是Facebook AI的研究者提出的Transformer的视觉版本，是CNN和transformer的融合，实现了端到端的预测，主要用于目标检测和全景分割。DETR的Github地址：link
联邦学习（（Federated Learning，FL）
联邦学习相关概念、领域热点、挑战与前景。联邦学习的定义、特点、框架、迭代流程、分类；领域亟待解决的问题；主要研究方向、热点和前景展望。
【人工智能原理自学】卷积神经网络：图像识别实战
😊你好，我是小航，一个正在变秃、变强的文艺倾年。🔔本文讲解卷积神经网络：图像识别实战，一起卷起来叭！
DeepTime：时间序列预测中的元学习模型
DeepTime，是一个结合使用元学习的深度时间指数模型。通过使用元学习公式来预测未来
yolov5模型训练结果分析
模型训练结束后怎么看训练结果
2023需要重点关注的四大AI方向
本文是我认为2023年需要重点关注的四大AI方向，这四个方向有望在今年进一步推动AI的发展，并帮助解决行业面临的一些核心挑战。
使用OpenAI的Whisper 模型进行语音识别
本文将解释用于训练的数据集的种类以及模型的训练方法，以及如何使用Whisper
【深度学习】（四）目标检测——上篇
上一章介绍了图像分类，这一章来学习一下目标检测上篇。简单来说，需要得到图像中感兴趣目标的类别信息和位置信息，相比于分类问题，难度有所提升，对图像的描述更加具体。在计算机视觉众多的技术领域中，目标检测（Object Detection）也是一项非常基础的任务，图像分割、物体追踪、关键点检测等通常都要依
机器学习强基计划1-1：图文详解感知机算法原理+Python实现
感知机是最简单的二分类线性模型，也是神经网络的起源算法。本文图文详解感知机算法原理+手推公式，附Python代码实战加深理解
使用计算机视觉和深度学习创建现代 OCR 管道
文档扫描仪可以使用手机拍照并[“扫描”]收据和发票等项目。我们的移动文档扫描仪仅输出图像 - 就计算机而言，图像中的任何文本都只是一组像素，无法复制粘贴，搜索或您可以对文本执行的任何其他操作。因此，需要应用光学字符识别或OCR。此过程从我们的文档扫描图像中提取实际文本。运行 OCR 后，我们可以为
监控Python 内存使用情况和代码执行时间
我的代码的哪些部分运行时间最长、内存最多？我怎样才能找到需要改进的地方？”在本文中总结了一些方法来监控 Python 代码的时间和内存使用情况。
30行JS代码带你手写自动回复语音聊天机器人
本文章，只用了33行JS代码就写出了一个，自动回复的语音聊天机器人案例，大家快来看看吧！
【编译原理】山东大学编译原理复习提纲
这是山东大学编译原理课程的知识总结与期末复习提纲
YOLOv5中的SPP/SPPF结构详解
深度学习入门小菜鸟，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。目录一、SPP的应用的背景二、SPP结构分析三、YOLOv5中SPP结构源码解析（内含注释分析）一、SPP的应用的背景在卷积神经网络中我们经常看到固定输入的设计，但是如果我们输入的不能是固
【计算机视觉】图像分割与特征提取——频域增强（低通滤波&高通滤波）
主要介绍图像频域的概念以及低通滤波以及高通滤波的相关概念
【深度学习】AI一键换天
基于视觉的视频天空替换和协调方法，该方法可以在具有可控风格的视频中自动生成逼真的天空背景。与以前的天空编辑方法专注于静态照片或需要集成在智能手机中的惯性测量装置拍摄视频不同，该方法完全基于视觉，对捕获设备没有任何要求，并且可以很好地应用于在线或离线处理场景。......
使用CNN进行2D路径规划
本文将CNN应用于解决简单的二维路径规划问题。主要使用Python, PyTorch, NumPy和OpenCV。
人工智能图像识别四大算子
图像识别（Image Recognition）是人工智能的一个重要研究领域。它以图像的主要特征区域（检测目标）为基础，通过数据获取一系列的相关处理，并采用各种算法来对目标图像进行检测，识别与理解。其中，图象是承载检测目标的载体，而检测目标则需事先进行特征提取，归纳。最终通过相应的算法分离出来。通常情
这20个Pandas函数可以完成80%的数据科学工作
Pandas 是数据科学社区中使用最广泛的库之一,本文将提供最常用的 Pandas 函数以及如何实际使用它们的样例。
