Pytorch:手把手教你搭建简单的全连接网络
利用pytorch搭建简单全连接网络的步骤，适合初学者快速上手
10个实用的数据可视化的图表总结
可视化是一种方便的观察数据的方式，可以一目了然地了解数据块。我们经常使用柱状图、直方图、饼图、箱图、热图、散点图、线状图等。这些典型的图对于数据可视化是必不可少的
YOLOv5训练结果分析
YOLOv5训练结果分析
目标检测算法——YOLOv5/YOLOv7改进之结合Swin Transformer V2（涨点神器）
目标检测算法——YOLOv5/YOLOv7结合Swin Transformer V2
BT - Unet:生物医学图像分割的自监督学习框架
BT-Unet采用Barlow twin方法对U-Net模型的编码器进行无监督的预训练减少冗余信息，以学习数据表示。之后，对完整网络进行微调以执行实际的分割。
AI 预测世界杯比赛结果，惊掉下巴
哈喽，大家好。今天看到Kaggle上有一个预测世界杯比赛结果的项目，截至目前 4 场比赛预测结果全中。今天把源码研究了一下，做了中文注释，给大家分享下。提醒大家，本文只做学习交流使用，不做决策参考，更不要盲目赌球。
使用Python进行交易策略和投资组合分析
我们将在本文中衡量交易策略的表现。并将开发一个简单的动量交易策略，它将使用四种资产类别:债券、股票和房地产。这些资产类别的相关性很低，这使得它们成为了极佳的风险平衡选择。
Pytorch文档解读|torch.nn.MultiheadAttention的使用和参数解析
整体称为一个单注意力头，因为运算结束后只对每个输入产生一个输出结果，一般在网络中，输出可以被称为网络提取的特征，那我们肯定希望提取多种特征，[ 比如说我输入是一个修狗狗图片的向量序列，我肯定希望网络提取到特征有形状、颜色、纹理等等，所以单次注意肯定是不够的 ]因为是拼接而成的，所以每个单注意力头其实
【人工智能】MindSpore Hub
【人工智能】MindSpore Hub
使用HuggingFace实现 DiffEdit论文的掩码引导语义图像编辑
在本文中，我们将实现Meta AI和Sorbonne Universite的研究人员最近发表的一篇名为DIFFEDIT的论文。对于那些熟悉稳定扩散过程或者想了解DiffEdit是如何工作的人来说，这篇文章将对你有所帮助。
KITTI数据集解析和可视化
文章链接概述KITTI数据集是目前国际上最大的自动驾驶场景下的计算机视觉算法评测数据集。该数据集用于评测立体图像(stereo)，光流(optical flow)，视觉测距(visual odometry)，3D物体检测(object detection)和3D跟踪(tracking)等计算机视觉技
机器学习【期末复习总结】——知识点和算法例题（详细整理）
【电子科技大学、机器学习课程】（期末复习、知识点和算法例题、详细总结）
graphviz安装教程（2022最新版）初学者适用
graphviz安装教程（2022最新版）小白适用
《基于工程伦理视角的无人驾驶》工程伦理 课程设计
一般认为，无人驾驶汽车与传统的汽车发生碰撞事故，肇事方负责而无人驾驶汽车撞到行人，默认涉案汽车负责但是，无人驾驶汽车涉及的责任主体是多元的，不仅有该无人驾驶汽车的所有人与使用者、制造商与销售商，还有无人驾驶相关软件的开发商、智能驾驶系统辅助平台开发商等。据统计，90%的道路交通事故是人为犯错引起的，
计算机视觉项目实战-基于特征点匹配的图像拼接
之前我们介绍过基于OpenCv的特征匹配操作，我们通过特征匹配可以精确的找到目标。本节我们继续探索基于特征匹配还可以做哪些事情。我们都在拍一个集体的过程中使用过苹果手机的全图效果进行拍照留念。那么苹果手机这个效果它是基于什么技术来做的呢？没错其实就是特征匹配。他是实时拍取多个照片，然后使用特征匹配操
yolo 车辆测距+车辆识别+单目测距（双目测距）
基于yolo目标检测算法实现的车前道路中的车辆和行人检测，并且可以估测出目标与本车之间的距离。
detectron2安装详细教程+demo测试
win10 下 detectron2 安装详细教程，手把手教你配置！！
基于BP神经网络的PID智能控制
PID控制要获得较好的控制效果，就必须通过调整好比例、积分和微分三种控制作用，形成控制量中既相互配合又相互制约的关系，这种关系不一定是简单的“线性组合”，从变化无穷的非线性组合中可以找出最佳的。神经网络所具有的任意非线性表达的能力，可以通过对系统性能的学习来实现具有最佳组合的PID控制。
Win10+OpenCV4.6.0之开发环境（VS2022）配置入门
本文详细介绍了在Win10系统中安装配置OpenCV4.6.0开发环境步骤，并用VS2022创建OpenCV的C++版测试程序，加载显示一张图片。
自回归滞后模型进行多变量时间序列预测
本文的主要内容如下：多变量时间序列包含两个或多个变量；ARDL 方法可用于多变量时间序列的监督学习；使用特征选择策略优化滞后数。如果要预测多个变量，可以使用 VAR 方法。
