nn.Flatten()函数详解及示例
torch.nn.Flatten(start_dim=1,end_dim=-1)作用：将连续的维度范围展平为张量。 经常在nn.Sequential()中出现，一般写在某个神经网络模型之后，用于对神经网络模型的输出进行处理，得到tensor类型的数据。
SnowNLP使用自定义语料进行模型训练（情感分析）
SnowNLP是一个功能强大的中文文本处理库，它囊括了中文分词、词性标注、情感分析、文本分类、关键字/摘要提取、TF/IDF、文本相似度等诸多功能，像隐马尔科夫模型、朴素贝叶斯、TextRank等算法均在这个库中有对应的应用。如果大家仔细观察过博主的博客，就会发现博主使用了摘要提取这一功能来增强博客
Yolov5实例分割Tensorrt部署实战
基于ultralytics最新发布的yolov5，6.2版本，本文对其中的实例分割模型，采用cpp与tensorrt加速推理
PyTorch 2.0 实操：为 HuggingFace 和 TIMM 模型提速！
体验 30%-200% 的训练加速度
【深度学习实践】基于深度学习的车牌识别（python，车牌检测+车牌识别）
基于深度学习的车牌识别任务可以拆解为2个步骤：车牌检测-车牌识别。其中车牌检测的目的是确认图片中车牌的位置，根据检测到的车牌位置把图片中的ROI裁剪出来，车牌识别算法用于识别裁剪出的车牌图像中的具体内容。本文使用PaddleOCR工具实现了车牌识别任务，首先使用PaddleOCR的检测算法DBNet
YOLOv7改进之二十二：涨点神器——引入递归门控卷积（gnConv）
YOLOv5主干特征提取网络为CNN网络，CNN具有平移不变性和局部性，缺乏全局建模长距离建模的能力，引入自然语言处理领域的框架Transformer来形成CNN+Transformer架构，充分两者的优点，提高目标检测效果，本人经过实验，对小目标以及密集预测任务会有一定的提升效果。作为当前先进的深
【ChatGPT】与ChatGPT聊天，了解世界杯的前世今生
ChatGPT是一种语言模型，它被训练来模拟人类的聊天对话。它通过阅读大量的文本来学习如何像人类一样进行交流，并且能够理解用户的问题并进行有意义的回答。它可以用来进行实时聊天，或者作为人工智能聊天机器人的后端。
数据挖掘-支持向量机(SVM)+代码实现
支持向量机算法分类和回归方法的中都支持线性性和非线性类型的数据类型。非线性类型通常是二维平面不可分，为了使数据可分，需要通过一个函数将原始数据映射到高维空间，从而使得数据在高维空间很容易可分，需要通过一个函数将原始数据映射到高维空间，从而使得数据在高维空间很容易区分，这样就达到数据分类或回归的目的，
用一张图说一说 ChatGPT 内部技术工作流程
ChatGPT很火，但是作为技术人员的我们应该从ChatGPT背后的技术去解读，这样能够让我们掌握未来技术发展的方向，保障自己的路不会走偏。这篇文章，勇哥分析ChatGPT的架构，然后阐述了一下未来的技术趋势和技术方向。
【基于MATLAB的数字图像处理】大作业·综合图像处理平台
我们获得的图像难免会伴随着很多的噪声，有时会使图像质量下降；有时会干扰我们的视觉，使拍摄出的图像效果不满意；有时甚至会出现一些特殊情况，遮挡住人脸或重要物体。这时我们需要对获得的图像进行一些图像处理，以使我们的图像观感更好，图像质量更优质。本平台致力于将多种图像处理功能集成于一体，方便用户直观快捷的
何恺明团队12页论文新作剑指AIGC！“新CLIP”只需一个trick，训练速度快3.7倍！性能不降反升...
杨净 艳艳 发自 凹非寺量子位 | 公众号 QbitAI何恺明团队又上新了。这次，他们的成果围绕当下最火的AIGC背后的CLIP展开。——只在该模型的极简结构上，施加了一个简单的mask，就让新模型的速度快了3.7倍。同时，性能还可以做到不降反升。团队表示，希望他们的工作能帮助未来视觉语言模型实现规
YOLOv5系列全新升级——yolov5-v7.0实时实例分割全面集成
YOLOv5系列全新升级——yolov5-v7.0实时实例分割全面集成
科普：什么是ChatGPT？(文末有彩蛋)
ChatGPT是OpenAI开发的一个大型预训练语言模型。它是GPT-3模型的变体，GPT-3经过训练，可以在对话中生成类似人类的文本响应。ChatGPT 旨在用作聊天机器人，我们可以对其进行微调，以完成各种任务，如回答问题、提供信息或参与对话。与许多使用预定义的响应或规则生成文本的聊天机器人不同，
yolov7-pose:基于COCO-KeyPoint的yolov7-pose训练
在美团刚刚发出yolov6，AB大神就带着yolov7来了。。。。。这速度是真快。。在 5-160 FPS 范围内速度和精度超过所有已知目标检测器。在 后不到两个星期，提出 YOLOv4 的团队就发布了更新一代的版本。YOLOv7 的论文被提交到了预印版论文平台 arXiv 上，其三位作者 Chie
【计算机视觉】图像分割与特征提取——基于Log、Canny的边缘检测
主要介绍最常用的二阶微分算子——Log、Canny算子的基本概念以及使用方法。
【深度学习】datasets.ImageFolder 使用方法
【深度学习】datasets.ImageFolder 使用方法
什么是扩散模型（Diffusion Models），为什么它们是图像生成的一大进步？
点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达也许过去十年在计算机视觉和机器学习方面的突破是GANs(生成式对抗网络)的发明——这种方法引入了超越数据中已经存在的内容的可能性，是一个全新领域的敲门砖，现在称为生成式建模。然而，在经历了一个蓬勃发展的阶段后，GANs开始面临平台
Novelai 保姆级免费部署和最全使用教程 （含资源与常见错误大全）（一）
本篇主要介绍了novelai的部署安装，以及一些常见错误的处理，接下来几篇将讲解webui的基础使用功能(包括批量生成，文字生成图片，图片生成图片，种子的应用，模型的切换）、tag（prompt）的正确使用（提高质量）以及进阶技巧（自己训练模型画风，生成视频Img2img Video，锐化图像，由图
量子计算（二）：为什么需要量子计算
根据摩尔定律，集成电路上可容纳的晶体管数目每隔约18-24个月增加一倍，性能也相应增加一倍。例如当前智能手机的CPU芯片，业内已经能够达到5nm的工艺节点，但是随着芯片元件集成度的不断提高，芯片内部单位体积内散热也相应增加，再由于现有材料散热速度优先，就会因“热耗效应”产生计算上限；另一方面，元器件
用强化学习玩《超级马里奥》
Pytorch的一个强化的学习教程（ Train a Mario-playing RL Agent）使用超级玛丽游戏来学习双Q网络(强化学习的一种类型)
