AI学习教程：AI(Adobe lliustrator)快速入门
该软件主要应用于印刷出版、海报书籍排版、专业插画、多媒体图像处理和互联网页面的制作等，也可以为线稿提供较高的精度和控制，适合生产任何小型设计到大型的复杂项目。通常用于创建LOGO(商标或徽标)，图标，插图，名片，包装设计等等。总而言之，它主要用于创建高分辨率图形，以后可以用于打印。不同于Photos
技术团队如何高效落地代码CR
代码CR（Code Review）是软件研发活动中保障平台产品质量的重要环节，相信很多技术团队平常都会进行代码CR。就拿阿里来说，一般周二和周四都是发布日，那么在发布上线某项功能之前都要组织进行发布代码CR，CR不通过的代码必须修改检查通过后才能发布上线，可见一线互联网大厂技术团队对于代码CR的重视
【NLP屠夫系列】- NER之实战BILSTM
【NLP屠夫系列】- NER之实战BILSTM了解什么是命名实体识别了解命名实体识别的作用了解命名实体识别常用方法- 了解医学文本特征
Pandas数据分析：处理文本数据(str/object)各类操作+代码一文详解(一)
Pandas数据分析系列专栏已经更新了很久了，基本覆盖到使用pandas处理日常业务以及常规的数据分析方方面面的问题。从基础的数据结构逐步入门到处理各类数据以及专业的pandas常用函数讲解都花费了大量时间和心思创作，如果大家有需要从事数据分析或者大数据开发的朋友推荐订阅专栏，将在第一时间学习到Pa
Pytorch优化器全总结（一）SGD、ASGD、Rprop、Adagrad
这是一个系列，以Pytorch为例，介绍所有主流的优化器，如果都搞明白了，对优化器算法的掌握也就差不多了。作为系列的第一篇文章，本文介绍Pytorch中的SGD、ASGD、Rprop、Adagrad，其中主要介绍SGD和Adagrad。因为这四个优化器出现的比较早，都存在一些硬伤，而作为现在主流优化
MobileViT模型简介
自从2010年ViT(Vision Transformer)模型的横空出世，人们发现了Transformer架构在视觉领域的巨大潜力。近些年，越来越多的科研人员投入Transformer的怀抱，视觉领域的各项任务也不断被Transformer架构模型刷新。Transformer虽然强大，但在现在看来
Checkerboard Artifacts（棋盘伪影）的发生以及解决方案：
kernel_size=3，stride=2：以输出中第三行元素为例，从左往右接受的信息量依次由输入中的2/2/4/2/2个元素提供，中间元素接受信息量不同，此为“不均匀重叠”。此外，当kernel_size=3，stride=2时，一维转置卷积输出中依次接受输入特征的1/1/2/1/1个元素提供的
PySpark数据分析基础：pyspark.mllib.regression机器学习回归核心类详解(一)+代码详解
PySpark数据分析基础系列文章更新有一段时间了，其中环境搭建和各个组件部署都已经完成。借此征文活动我将继续更新Pyspark这一大块内容的主体部分，也是十分重要且比较难懂不易编程的部分。在从事大数据计算以及分析的这段历程中，陪伴我最多的也就是anaconda和Jupyter了，当然此次演示还是用
搞 AI 建模预测都在用 Python，其实入门用 SPL 也不错
可以用来做人工智能建模预测的工具非常多，比如Python, R, SAS，SPSS等，其中Python由于简单易学、丰富的数据科学库、开源免费等特点备受欢迎。但是对于不太熟悉数据建模算法的程序员来说，使用Python建模还是比较复杂，很多时候拿到数据并不清楚该做怎样的处理，选择什么样的算法。其实，在
【计算机视觉】图像增强——图像的形态学操作
主要介绍常见的数学形态学运算基本方法，了解腐蚀、膨胀、开运算、闭运算
Opencv项目实战：07 人脸识别和考勤系统
我们将学习如何以高精度执行面部识别，首先简要介绍理论并学习基本实现。然后我们将创建一个考勤项目，该项目将使用网络摄像头检测人脸并在 Excel 表中实时记录考勤情况。
时间序列中的特征选择：在保持性能的同时加快预测速度
在这篇文章中，我们展示了特征选择在减少预测推理时间方面的有效性，同时避免了性能的显着下降。tspiral 是一个 Python 包，它提供了各种预测技术。并且它与 scikit-learn 可以完美的集成使用。
[BPU部署教程] 教你搞定YOLOV5部署 (版本: 6.2)
在BPU上部署yolov5，实现目标检测功能
opencv入门四
opencv
python从入门到实践：项目1-ATM取款机（完成代码）
通过上图，我们可以看到，一个完整的项目，基本包括三个部分：用户视图层、接口层、数据处理层，其中，用户视图层是用来接收用户的数据输入的，比如：有户名，密码；接口层是要接收用户视图层传来的数据，然后做判断：名字是否存在、密码是否正确，这就要求接口层调用数据处理层的方法；数据处理层就需要接收接口层的参数，
猿创征文｜深度学习基于ResNet18网络完成图像分类
CIFAR-10数据集包含了10种不同的类别、共60,000张图像，其中每个类别的图像都是6000张，图像大小均为32×3232×32像素。
研二弱鸡的新学期flag
新学期flag
【深度学习前沿应用】目标检测
【自然语言处理（NLP）】目标检测，基于百度飞桨开发，参考于《机器学习实践》所作。
猿创征文｜人工智能啾养成之路 - 写代码三天，CSDN治好了我的精神内耗
猿创征文｜侯小啾的IT之路 - 写代码三天，CSDN治好了我的精神内耗
