猿创征文|OpenCV编程——计算机视觉的登堂入室
计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是是指用摄像头和计算机代替人眼对目标进行识别、跟踪和测量等，并进一步做图像处理，使计算机处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取“信息”的人工智能系
【深度学习】7-矩阵乘法运算的反向传播求梯度
本节以较简单的例子来理解矩阵乘法下的反向传播过程。为了稍微形象一些，这里同样会用到计算图来进行描述。
最大似然估计(MLE)入门教程
最大似然估计(Maximum Likelihood Estimation)是一种可以生成拟合数据的任何分布的参数的最可能估计的技术。它是一种解决建模和统计中常见问题的方法——将概率分布拟合到数据集。
手把手教你深度学习和实战-----卷积神经网络
利用大量的图片来讲解卷积神经网络的原理
BERT模型解析
BERT模型的提出对于NLP预训练的效果有了较大提升，在ELMo模型的基础上使用了Self-Attention作为文本特征的挖掘，同时避免了GPT模型中的单向语言模型，充分利用文本中的上下文特征。
Stable Diffusion搭建全过程记录，生成自己的专属艺术照
项目开发领导者有两位，分别是 AI 视频剪辑技术创业公司 Runway 的 Patrick Esser，和慕尼黑大学机器视觉学习组的 Robin Romabach。这个项目的技术基础主要来自于这两位开发者之前在计算机视觉大会 CVPR22 上合作发表的潜伏扩散模型 (Latent Diffusion
Python＆OpenCV自动人脸打马赛克＆调色系统[源码＆UI操作界面＆部署教程]
Al视频教程AI人脸打马赛克Al颜色检索替换图像处理人脸识别UI界面OpenCV PYTHON教程
CS231n-2022 Module1: Minimal Neural Network case study
本文编译自斯坦福大学的CS231n课程（2022） Module1课程中神经网络部分之一，原课件网页参见：本文（本系列）不是对原始课件网页内容的完全忠实翻译，只是作为学习笔记的摘要，主要是自我参考，而且也可能夹带一些私货（自己的理解和延申，不保证准确性）。如果想要更准确地了解更具体的细节，还请服用原
报错：Torch not compiled with CUDA enabled看这一篇就足够了
报错：Torch not compiled with CUDA enabled看这一篇就足够了
手把手教你深度学习和实战-----线性回归+梯度下降法
本文主要从基础的角度讲解线性回归算法和梯度下降算法，力求用通俗的语言和简单的例子进行算法的讲解。
手把手教你深度学习和实战-----逻辑回归算法
文本从基础的角度对逻辑回归进行了一个讲解，手动推导了逻辑回归的梯度下降法
opencv入门
opencv
【OpenCV图像处理12】特征检测与匹配
OpenCV图像处理第十二部分：特征检测与匹配。主要内容包含：特征检测（Harris角点检测、Shi-Tomasi角点检测、SIFT关键点检测、SURF特征检测和ORB特征检测）、特征匹配（暴力特征匹配、FLANN特征匹配）以及图像查找。......
手把手带你调参Yolo v5 (v6.2)（三）
解析val.py文件中21个参数含义！
使用Torchmetrics快速进行验证指标的计算
TorchMetrics可以为我们提供一种简单、干净、高效的方式来处理验证指标。TorchMetrics提供了许多现成的指标实现，如Accuracy, Dice, F1 Score, Recall, MAE等等，几乎最常见的指标都可以在里面找到。
【深度学习】（五）目标检测——下篇
上一章介绍了目标检测上篇，主要为两阶段检测的R-CNN系列。这一章来学习一下目标检测下篇。R-CNN系列算法面临的一个问题，不是端到端的模型，几个构件拼凑在一起组成整个检测系统，操作起来比较复杂。而今天介绍的YOLO算法，操作简便且速度快，效果也不错。YOLO算法是一种典型的one-stage方法，
【自然语言处理（NLP）】基于ERNIE语言模型的文本语义匹配
【自然语言处理（NLP）】基于ERNIE语言模型的文本语义匹配，基于百度飞桨开发，参考于《自然语言处理实践》所作。
Code For Better 谷歌开发者之声----谷歌云基于TensorFlow高级机器学习
谷歌云基于TensorFlow高级机器学习
一文读懂标量、向量、矩阵、张量的关系
然而，矩阵乘法的规则是，只有当第一列中的列数等于第二列中的行数时，两个矩阵才能相乘（即，内部维度相同，n为（m × n）） – 矩阵乘以（n × p）矩阵，得到（m × p）-矩阵。向量空间（也称为线性空间）是称为对象的集合的载体，其可被添加在一起，并乘以由数字（“缩放”），所谓的标量。用通俗的说法
时间序列的数据分析(六):指数平滑预测法
本文主要介绍了指数平滑预测法的一些基本方法如简单指数平滑,趋势法、阻尼趋势法，季节性法。需要说明的是本文主要参考了并将书中原来用R语言实现的算法用Python实现了一下，在python代码中调用的指数平滑算法包主要来自于statsmodels包。通过对的学习并结合对statsmodels包的练习可以
