2022深圳杯数学建模C题（思路+MATLAB代码）
根据附录所给的数据，求解规划模型，给出换电站位置，并给出 在 1000 小时 中运送的物料量 ，所使用车辆、电池组数量和 车辆及其 各电池组的 具体 调度方案。(3)电池： 900 组， 单个电池组独立计量， 车载 6 个电池组一致 消耗电量，空载车辆每行驶 3 分钟 每个电池组 的 SoC 都 减
改进YOLOv5系列：7.改进DIoU-NMS,SIoU-NMS,EIoU-NMS,CIoU-NMS,GIoU-NMS
Soft-NMS,DIoU-NMS,SIoU-NMS,EIoU-NMS,CIoU-NMS,GIoU-NMS,Soft-CIoUNMS,Soft-SIoUNMS,...
图文详解Logistic回归原理(两种优化)+Python实现
Logistic回归本质上是在线性回归基础上，将预测值映射到概率区间内的分类学习方法。本文图文详解Logistic回归算法原理+手推公式，附Python代码实战加深理解
机器学习_LGB调参汇总（开箱即食）
在数据层面的一些正负采样，业务层面一些数据筛选，以及异常值的处理后。我们进行模型训练，同时需要对模型进行参数的调整，以提升模型的精度。笔者就一些现有的调参框架进行汇总。
tqdm高级使用方法(类keras进度条)
在很多场景，我们希望对一个进度条标识其运行的内容()，同时也希望在进度条中增加一些信息，如模型训练的精度等。本文就将基于tqdm，在实际应用中充实进度条。
【深度学习前沿应用】图像风格迁移
【深度学习前沿应用】图像风格迁移，基于百度飞桨开发，参考于《机器学习实践》所作。
openCV实践项目：银行卡卡号识别
openCV基础操作项目实战
DALL·E-2是如何工作的以及部署自己的DALL·E模型
在本文中，我们将简单介绍DALL-E2是如何工作的，并且把DALL·E Mini生成的图像输入到其他图像处理模型(GLID-3-xl和SwinIR)中来提高生成图像的质量
【机器学习】网络爬虫实战详解
【机器学习】网络爬虫实战详解，基于百度飞桨开发，参考于《机器学习实践》所作。
【机器学习】Python常见用法汇总
【机器学习】Python常见用法汇总，基于百度飞桨开发，参考于《机器学习实践》所作。
【Python 实战基础】Pandas如何精确设置表格数据的单元格的值
Python 中 Pandas如何精确设置表格数据的单元格的值文件读写基础语法Pandasnumpy
走进音视频的世界——RGB与YUV格式
在图像的世界里，一般使用RGB作为存储格式。而在视频的世界里，一般使用YUV作为压缩存储格式。有时候面试官会问：为什么视频使用YUV来压缩存储，而不用RGB？YUV与RGB有什么区别，两者如何转换的？常见的RGB格式有哪些，常见的YUV格式又有哪些？手机摄像头的预览格式是什么，如何转换为YUV420
7个步骤详解AdaBoost 算法原理和构建流程
AdaBoost 是集成学习中的一个常见的算法，它模仿“群体智慧”的原理：将单独表现不佳的模型组合起来可以形成一个强大的模型。
人脸识别示例代码解析（二）——人脸识别解析
在openCV中，实现了著名的haar特征检测算法，而依托该算法分类器，我们可以实现人脸识别、定位。该算法基于特征模板的滑动计算图像特征，从而区分物体的显著轮廓。这些特征模板形似黑白区块图像：试想用这些黑白二值图像”蒙”在你的图像或部分图像上，然后你原来的图像被分成“黑”“白”两类区域，最后用黑色区
5.【opencv写入录制视频】
录制视频、通过代码进行保存到磁盘
Geoffrey Hinton：深度学习的下一个大事件
在当今享誉世界的AI科学家中，深度学习教父Geoffrey Hinton也许拥有最为与众不同的研究思维——他喜欢按直觉行事，更倾向于运用类比，研究生涯中的神来之笔大都源自瞬间迸发的思维火花。这与他本人的教育背景息息相关。他的本科专业是生理学和物理学，也读了哲学，拿到的却是心理学.........
【深度学习】笔记2-模型在测试集的准确率大于训练集
在模型训练过程中突然发现，模型的准确率在测试集上居然比在训练集上还要高。但是我们知道，我们训练模型的方式就是在训练集上最小化损失。因此，模型在训练集上有着更好的表现，才应该是正常的现象。那么，是什么导致了在测试集上准确率更高的现象呢？......
sklearn实现一元线性回归 【Python机器学习系列（五）】
sklearn实现一元线性回归 【Python机器学习系列（五）】
【Numpy-矩阵库~python】
个人主页：欢迎关注个人感悟： “失败乃成功之母”，这是不变的道理，在失败中总结，在失败中成长，才能成为IT界的一代宗师。
更简单的掩码图像建模框架SimMIM介绍和PyTorch代码实现
在本文中我们将探索一篇和MAE同期的工作：SimMIM，任何VIT都可以在大量未注释的数据上进行训练，并且可以很好地学习下游任务。
