Opencv学习（1）——图像的基本操作
Opencv学习（1）
解决seaborn.load_dataset()导入数据时报错问题
解决sns.load_dataset()导入数据不成功问题
【MQTT从入门到提高系列 | 06】MQTT3.1.1之SUBSCRIBE订阅工作流
本文描述了MQTT的订阅SUBSCRIBE工作流。
对抗生成网络GAN系列——GAN原理及手写数字生成小案例
其实关于GAN的讲解我早就做过一期，点击☞☞☞了解详情🌱🌱🌱由于最近会用到GAN的一些知识，自己又对GAN进行了一些整理，有了一些新的认识，便写了这篇文章。那么这篇文章和早期的文章有什么区别呢？首先，早期的文章只是对GAN做了一个大概的认识，而这篇文章会贴合论文较为详细的讲解GAN网络；其次，
神经网络加上注意力机制，精度不升反降？
明明人家论文里都证实了显著涨点的，到我这咋就不行了呢？
高斯过程相关研究的新进展的8篇论文推荐（统计 +人工智能）
总结今年5月以来，高斯过程相关研究的新进展
ML：LIME/SP-LIME的简介、原理、使用方法、经典案例之详细攻略
引出LIME—模型需要解释在机器学习应用中，模型的透明度和可解释性，是一种是否值得信任的重要考核标准。模型的what(预测的结果)当然很重要，但是模型whytodo(为什么这样预测)更重要，尤其是模型在上线后，需要及时、准确地告诉业务人员如何营销，告诉风控人员如何识别风险点等等。金融风控领域，在19
OpenCV C++案例实战二十七《角度测量》
本案例通过使用OpenCV中的鼠标点击事件进行物体角度测量。以鼠标点击三点确定一个角度。第一个点即为需要测量角度所在位置点（中心点），第二、三点确定角度。本文使用OpenCVC++进行物体角度测量，主要操作有以下几点。1、利用鼠标响应事件取点，三点确定一个角度2、利用两直线角度公式计算直线角度，注意
数据分析报告这样写，才算真正读懂了数据
专题分析类报告其实就是我们常说的主题性质的报告，这种分析报告通常会以企业某个部门、某条业务线、产品线和事业群等作为分析目标，比如销售业务分析、运营部门发展分析等，选定一个符合业务需求的专题进行分析，有较高的信息增量，能够辅助业务和管理人员对发展规划进行调整。实际上，企业的数据分析工作中，数据分析人员
Ubuntu20.04部署yolov5目标检测算法，开发板/无人机应用
FireFlyRK3588开发板上烧录的Ubuntu20.04系统，在此基础上线部署下简单的Python版本yolov5代码，目前博主已全部转为C++版本了，并且转化了pt模型为rknn模型，调用npu进行推理，效果和速度都比原先Python代码好很多。本篇主要介绍如何部署和运行yolov5目标检测
Keras深度学习实战（14）——从零开始实现R-CNN目标检测
R-CNN 是基于候选区域的经典目标检测算法，其将卷积神经网络引入目标检测领域。本文首先介绍了 R-CNN 模型的核心思想与目标检测流程，然后使用 Keras 从零开始实现了一个基于 R-CNN 的目标检测模型，最后介绍了非极大值抑制用于移除相似的预测边界框。......
图解BERT、ELMo（NLP中的迁移学习）| The Illustrated BERT, ELMo, and co.
2018年是NLP模型发展的转折点。我们不断探索单词和句子的表示方法，以求能最好地捕捉其中潜在的语义和关系。此外，NLP领域已经提出了一些功能强大的组件，你可以免费下载，并在自己的模型和pipeline中使用它们（这被称为NLP领域的ImageNet时刻，类似的发展在几年前也是这么加速计算机视觉领域
图神经网络的可解释性方法介绍和GNNExplainer解释预测的代码示例
深度学习模型的可解释性为其预测提供了人类可以理解的推理。本文将总结图神经网络模型的可解释性方法。
Py之lime：lime库的简介、安装、使用方法之详细攻略
lime库是机器学习领域中，一种局部的、与模型无关的解释方法。这个项目是关于解释机器学习分类器(或模型)正在做什么。目前，我们支持使用一个名为lime(局部可解释模型不可知性解释的简称)的包来解释文本分类器或作用于表(数字或分类数据的numpy数组)或图像的分类器的单个预测。lime可以用两个或两个
Python学习之堆叠柱状图的两种画法
Python学习之堆叠柱状图的两种画法
网络编程-TCP
首先在网络协议中TCP协议是一种面向连接、可靠传输、字节流式的协议，而TCP编程又是基于TCP协议实现的，因此在我们进行TCP编程时，我们需要建立一个服务器端和一个客户端，ServerSocket作为服务器端，用来监听指定的端口，当这个端口进行客户端连接时，服务器端进入等待状态，等待客户端连接，而另
备赛笔记：神经网络
信息熵为信息量的量度，对于事件x的信息熵为-log(p(x))，x发生概率越小，信息熵越大，信息量越大。1独热矢量（one-hotvector）样本本身人为打的标签，这里相当于对样本分类，某一样本在这一类概率为1，其他概率为0，标签矩阵维数代表分类数量。监督学习（supervisedlearning
虚幻引擎UE4加载GIS数据《数字孪生&智慧城市》
😁🏆，在本文中，作者通过SuperMap对UE插件尝试了GIS数据的本地与离线导入，并详细介绍了环境配置流程，这也是为将来数字孪生城市的尝试！！！
机器学习实战运用：速刷牛客5道机器学习题目
能使用机器学习算法模型的业务场景还是很少的，而且检验成本高，一般是建模比赛或者是其他相关赛事才能用到机器学习模型，而且衡量模型质量检测也是个问题。我们在学习阶段比较难应用到部分算法而且仅参照书本上少数例子很容易遗忘，在网上搜索有关机器学习算法练习的时候发现牛客正好有此题目分类，但是题目量比较少仅有五
史上最详细人脸检测libfacedetection讲解---第一节
以下是关于我个人对libfacedetection（人脸检测-pytorch）的所有见解，如有错误欢迎大家在评论区指出，我将会第一时间纠正。据说，人脸检测速度可以达到1000FPS，到底结果如何，我们来一探究竟。
