Novel-Ai本地部署教程
今天就来给大家讲解一下如何在本地部署最近很火的ai绘图novel-ai。首先来了解一下novel-ai是什么----其有python模板训练而成可根据使用者提供的关键词来进行ai绘图。
NLP（自然语言处理）
目前存在的问题有两个方面：一方面，迄今为止的语法都限于分析一个孤立的句子，上下文关系和谈话环境对本句的约束和影响还缺乏系统的研究，因此分析歧义、词语省略、代词所指、同一句话在不同场合或由不同的人说出来所具有的不同含义等问题，尚无明确规律可循，需要加强语用学的研究才能逐步解决。对大规模文档进行索引。自
Transformer模型入门详解及代码实现
本文对Transformer模型的基本原理做了入门级的介绍，意在为读者描述整体思路，而并非拘泥于细微处的原理剖析，并附上了基于PYTORCH实现的Transformer模型代码及详细讲解。
浅谈人工智能时代下的工程伦理问题
人工智能伦理的场景源于道德技术和原则体系，这些技术和原则是为人工智能的发展和负责任地使用而确定的。人工智能代码伦理的结果已经揭示为生活各个领域服务和产品的一个组成部分。人工智能伦理的另一个定义术语是人工智能价值平台;这是一份政策声明，阐述了人工智能参与人类世代发展的过程。该目标道德准则旨在为利益相关
clip预训练模型综述
CLIP是一个预训练模型，就像BERT、GPT、ViT等预训练模型一样。首先使用大量无标签数据训练这些模型，然后训练好的模型就能实现，输入一段文本（或者一张图像），输出文本（图像）的向量表示。CLIP和BERT、GPT、ViT的区别在于，CLIP是多模态的，包含图像处理以及文本处理两个方面内容，而B
基础的强化学习(RL)算法及代码详细demo
基础的强化学习算法及代码详细demo
梯度下降算法(Gradient descent)
人工智能基础算法 梯度下降算法Gradient descent
【关系抽取】深入浅出讲解实体关系抽取（介绍、常用算法）
关系抽取（Relation Extraction，简称RE）的概念是1988年在MUC大会上提出，是信息抽取的基本任务之一，目的是为了识别出文本实体中的目标关系，是构建知识图谱的重要技术环节。知识图谱是语义关联的实体，它将人们对物理世界的认知转化为计算机能够以结构化的方式理解的语义信息。关系抽取通过
使用LIME解释CNN
图像与表格数据集有很大不同，我们用突出显示图像中模型预测的重要区域的方法观察可解释性
yolov5模型压缩之模型剪枝
稀疏剪枝
保姆级Gmapping算法介绍到复现
1.概述本文主要是学习SLAM过程中，记录下我复现Gmapping算法的过程，包括我遇到的各种问题，以便后续自己复习，也希望能对大家有所帮助，在此，也感谢很多CSDN的前辈的文章，给了我很多帮助，在此致谢。2.下载Gmapping源代码安装编译所需要的依赖包sudo apt-get install
论文推荐：基于深度对抗学习的超声图像乳腺肿瘤分割与分类
条件GAN (cGAN) + Atrous卷积(AC) +带权重块的通道注意力(CAW)
图嵌入概述：节点、边和图嵌入方法及Python实现
本文将提供一个基于图的嵌入算法的高层次的概述。最后还将介绍如何用Python库(如node2vec)来在图上生成各种嵌入。
AI画师技术又精进了? AI画师三维版试玩——Dreamfields和DreamFusion向文本生成3D模型领域进发
自从文本引导的图像生成模型火了以后，画家群体迅速扩张，不会用画笔的人也能发挥想象力进行艺术创作。那么对于文本生成3D这个新的领域，未来AI用于模型设计辅助的潜力也是值得期待，不仅能帮助画师进行设计，也许还能帮助建模师/设计师进行3D建模、产品设计、学术建模、建筑设计、元宇宙开发等等，潜力无限，为何不
使用PyTorch实现简单的AlphaZero的算法（2）：理解和实现蒙特卡洛树搜索
本篇文章将实现AlphaZero的核心搜索算法：蒙特卡洛树搜索
使用PyTorch实现简单的AlphaZero的算法（1）：背景和介绍
在本文中，我们将在PyTorch中为Chain Reaction[2]游戏从头开始实现DeepMind的AlphaZero[1]。
人工智能导论——遗传算法求解TSP问题实验
一、实验目的：熟悉和掌握遗传算法的原理、流程和编码策略，并利用遗传算法求解组合优化问题，理解求解TSP问题的流程并测试主要参数对结果的影响。二、实验原理：旅行商问题，即TSP问题（Traveling Salesman Problem）是数学领域中著名问题之一。假设有一个旅行商人要拜访n个城市，他必须
Faster-RCNN详解（个人理解）
这是我在学习Faster-RCNN的原理时做的学习总结，个人感觉还是比较详细的。
AI 实战篇 ｜十分钟学会【动物识别】，快去寻找身边的小动物试试看吧【送书】
以前一直觉得一些AI技术非常的高级又复杂，但是到了现在这些技术其实已经早就被日常规范化了。我们只需要借助一些平台封装好的SDK就可以拿来直接使用相应的功能。比如上期写了一篇借助百度AI开放平台 写了一篇关于人脸识别的文章：AI 实战篇 ｜基于 AI开放平台实现 人脸识别对比 功能，超详细教程【附带源
论文推荐：基于GE-MRI的多任务学习
医学图像分析，多任务学习，图像分类，图像分割，U-Net，后处理
