- 博客(307)
- 资源 (10)
- 收藏
- 关注
RSS订阅原创 Prompt提示工程上手指南:基础原理及实践-思维树 (ToT)策略下的Prompt
此篇文章已经是本系列的第五篇文章，之前我们已经将检索增强生成(RAG)策略，逐渐我们掌握的知识和技术都在不断提高，对于Prompt的技巧策略也不能只局限于局部运用而要适应LLM大模型的整体框架去进行改进休整。较为主流的LLM模型框架设计基于链式思考（CoT）、思维树 (ToT)和检索增强生成 (RAG)这三大框架我们现在要开始了解学习思维树 (ToT)。如何建立一个[解决通用问题的语言模型]？如何能够让LLM能够深思熟虑的解决问题？我们人类通过搜索一个组合式问题空间来解决问题。
2024-04-16 14:33:36
1431
14
原创 腾讯EdgeOne产品测评体验—Web服务全能一体化服务，主打一步到位
自己感觉难受不说，网站稍微有点要出头的时候，数不清的访问攻击就接踵而至:恶意软件、SQL注入、网站挟持、钓鱼攻击、跨站脚本攻击、恶意爬虫等等，让个人开发者甚为揪心，如果是企业网站的话，攻势有过之无不及。同时，与当前市面上的安全产品多采取（保底+弹性）的计费方式：流量包含业务流量+攻击流量不同，EO的流量计费均为干净流量（即经防护过的流量）是正常的业务流量，不会产生非预期账单，方便企业进行预算管理，对企业业务发展更友好。通过对异常/攻击事件进行抓包分析，提取攻击源和攻击报文，可以作为攻击溯源的重要依据。
2024-04-16 09:34:22
4024
9
原创 2022 年高教社杯全国大学生数学建模竞赛-C 题 古代玻璃制品的成分分析与鉴别详解+Python代码源码
简单介绍一下我自己：博主专注建模四年，参与过大大小小数十来次数学建模，理解各类模型原理以及每种模型的建模流程和各类题目分析方法。参与过十余次数学建模大赛，三次美赛获得过二次M奖一次H奖，国赛二等奖。**提供免费的思路和部分源码，以后的数模比赛只要我还有时间肯定会第一时间写出免费开源思路。**博主紧跟各类数模比赛，每场数模竞赛博主都会将最新的思路和代码写进此专栏以及详细思路和完全代码且完全免费。希望有需求的小伙伴不要错过笔者精心打造的文章。
2024-04-11 16:52:04
1071
34
原创 Prompt提示工程上手指南:基础原理及实践(五)-思维树 (ToT)策略下的Prompt
此篇文章已经是本系列的第五篇文章，之前我们已经将检索增强生成(RAG)策略，逐渐我们掌握的知识和技术都在不断提高，对于Prompt的技巧策略也不能只局限于局部运用而要适应LLM大模型的整体框架去进行改进休整。较为主流的LLM模型框架设计基于链式思考（CoT）、思维树 (ToT)和检索增强生成 (RAG)这三大框架我们现在要开始了解学习思维树 (ToT)。如何建立一个[解决通用问题的语言模型]？如何能够让LLM能够深思熟虑的解决问题？我们人类通过搜索一个组合式问题空间来解决问题。
2024-04-09 11:34:24
1208
37
原创 如何一键展示全平台信息？Python手把手教你搭建自己的自媒体展示平台
灵感源于之前写过的Github中Readme.md中可以插入自己的js图片和动态api解析模块，在展示方面十分的美观：具体来说，你可以使用标签来嵌入图像，并使用src属性指定图像的URL。我们可以通过访问这个API端点，可以获取到一张包含指定GitHub用户统计信息的图像，然后可以在GitHub的README文件中使用这个图像来展示用户的GitHub统计信息。那么如果我们想要像大家展示我们其他媒体的数据，只需要开发出每个平台的相应的展示接口就可以集成到一个markdown文件展示了。
2024-04-02 14:32:13
1315
28
原创 Prompt提示工程上手指南:基础原理及实践(四)-检索增强生成(RAG)策略下的Prompt
想象一下，当你在写一篇文章或解决一个问题时，如果遇到了难题，你会怎么做？可能会去搜索引擎查找信息，然后基于找到的信息来构建你的答案。这个过程，其实很像是RAG框架在做的事情。化繁为简，我们先来了解RAG到底是什么。先从字母意思开始理解，RAG——Retrieval Augmented Generation，正如其名，是一种将检索（Retrieval）和生成（Generation）结合起来的技术。它首先从一个巨大的知识库中检索出与提出的问题最相关的信息，然后基于这些信息来生成回答。
2024-03-25 10:22:46
2511
17
原创 实地研究降本增效的杀伤力，LSTM算法实现全国失业率分析预测
下面我会概述这个过程的每个步骤，并提供相应的示例代码。我们将会从数据获取–数据处理–LSTM建模–预测检测这四个流程依次进行最终得到一个较为合理准确的数据，当然该预测率的准确度是依赖获取到的官方数据的，至于数据真实性这个不作过多解释~大家只要了解建模过程如何和LSTM模型如何使用就好。且每篇文章我都会尽可能将简化涉及到垂直领域的专业知识，转化为大众小白可以读懂易于理解的知识，将繁杂的程序创建步骤逐个拆解，以逐步递进的方式由难转易逐渐掌握并实践，欢迎各位学习者关注博主，博主将不断创作技术实用前沿文章。
2024-03-19 10:24:13
2379
29
原创 Prompt提示工程上手指南:基础原理及实践(三)-Prompt个性知识库引导
Prompt系列的第二期文章已经将所有的Prompt工程主流策略讲解完毕，共涉及到六种Prompt类别模型以及具体生产内容详解。再结合系列第一篇文章具体对Prompt工程的详细介绍，也就可以达到Prompt工程师的初步入门，现在如果掌握了这些基础技能那么就可以去学习一些更高阶的Prompt技能，伴随GPT-4 Turbo达到可生成自定义的GPTs，能够搭建属于业务目标的知识。
2024-03-18 10:47:00
1590
21
原创 vue项目打包解决Vue Router加载无效(404)报错 No such file or directory
在写Vue3项目的时候，使用了Vue Router前端路由，配置为history模式。进行项目打包上传到服务器的时候，正常测试访问页面，当刷新当前路由的时候，就会出现404的状况，检查日志发现全是No such file or directory目标路径的问题。
2024-03-15 16:57:09
1083
5
原创 Prompt提示工程上手指南:基础原理及实践(二)-Prompt主流策略
在上篇文章中我们了解到Prompt基本种类有以下几种：如果大家经常用语言大模型的一些原生应用或者是去看过一些Prompt模板，开头的第一句往往都是说:我想让你担任xxx或者是你是一名xxx诸如此类定义人设的话：诸如此类的Prompt模板，为方便其中指定人设这段话我称之为System message，System message包含着Prompt开头，用于为模型提供上下文、指令或与使用案例相关的其他信息。
2024-03-14 09:19:59
1320
35
原创 (源码版)2024美国大学生数学建模E题财产保险的可持续模型详解思路+具体代码季节性时序预测SARIMA天气预测建模
源码版本，包含具体建模代码到生成模型步骤。
2024-02-05 11:25:22
737
21
原创 2024美国大学生数学建模E题财产保险的可持续模型详解思路+具体代码季节性时序预测SARIMA天气预测建模
上一篇已经对赛题进行详细分析了，而且大方向和基本的模型已经确定完毕，数据集都已经找到了，现在最重要的就是要分析风暴数据集以及建立时序预测模型，使用气候模型预测的数据，评估气候变化对未来极端天气事件频率和强度的影响。来看极端天气频率是否会上升，以及如何利用历史气象数据来支撑我们的模型效果。对于每个时序预测模型都有各自特点最优的使用场景，但是一般来说大部分时间序列数据都呈现出季节变化(Season)和循环波动(Cyclic)。对于在这些数据基础之上进行的建模一般最优是采用季节性时序预测SARIMA模型。
2024-02-03 16:51:43
1283
7
原创 2024美国大学生数学建模C题网球运动中的势头详解思路+具体代码
E题数据已更新，做E题的小伙伴推荐看看博主的E题解析文章。那么废话不多说我们继续来做C题。
2024-02-02 17:37:07
1517
6
原创 2024美国大学生数学建模E题财产保险的可持续模型详解思路+具体代码
很快啊！啪的一下拿到题目就开始做题！简单介绍一下我自己：博主专注建模五年，参与过大大小小数十来次数学建模，理解各类模型原理以及每种模型的建模流程和各类题目分析方法。参与过十余次数学建模大赛，三次美赛获得过二次M奖一次H奖，国赛二等奖。希望各位以后遇到建模比赛可以艾特一下我，我会提供免费的思路和源码，以后的数模比赛只要我还有时间肯定会第一时间写出免费开源思路。
2024-02-02 11:09:10
4855
76
原创 一文速学-selenium高阶操作连接已存在浏览器
不得不说selenium不仅在自动化测试作为不可或缺的工具，在数据获取方面也是十分好用，能够十分快速的见到效果，这都取决于selenium框架的足够的灵活性，甚至在一些基于web端的自动化办公都十分有效。通过selenium连接已经存在数据存储的浏览器，可以通过这种方式绕过短期内无法解决的验证码的识别，也可以绕过大部分网页保护措施。那么现在就来看看我们如何实现。
2024-01-30 16:16:35
2048
13
原创 2024最新PyQt5及其工具（Qt Designer、PyUIC、PyRcc）手把手操作实践指南
最近做了一些个人项目，内部逻辑还是挺多的，而且也有想要开源的想法，但是总不能直接把源码端给大家直接运行，有一些需求还有萌新小白用得上的，所以还得做一个可视化的UI。想了想能够通过Python建立的UI工具，在我印象中有PyQt5和tkinter这两个还算常见，wxPython没见过几个人用过，所有还是打算写一个PyQt5的教程入门文章带大家操作实践一下PyQt5的用法。之前网页或者博客很多篇都是PyQt5没有分离plugins，还有几个坑要注意一下。
2024-01-17 15:37:24
2403
30
原创 一文速学-selenium高阶性能优化技巧
最近写的挺多自动化办公的selenium程序没有做优化，执行效率不高，启动浏览器又慢但是又可能出现其他不可控的因素，总结来说虽然放心运行但是又没那么好用，项目是写完了最后还是需要优化结尾的。selenium程序优化空间还是非常大的，根据自己项目的需求来进一步精简，去区分哪些元素是我们要触发的，哪些不需要加载的，将这些优化目标写进去可以大大提高selenium程序的效率。
2024-01-15 15:46:44
3570
50
原创 详解动态网页数据获取以及浏览器数据和网络数据交互流程-Python
动态网页是一种在用户浏览时实时生成或变化的网页。。相比之下，动态网页可以根据用户的互动、请求或其他条件在浏览器端或服务器端生成新的内容。而且现在的网页一般都是采用前后端分离的架构，前端负责展示和用户交互，后端负责数据处理。这种架构使得前端可以更加灵活地实现动态内容的加载和展示。所以说以后想要获取到数据，动态网页数据获取会成为我们主流获取网页数据的技术。所以在动态网页数据获取这方面我们需要下足功夫了解动态网页数据交互形式、数据存储访问模式等方方面面的知识，我们才好更加灵活的获取到数据。
2024-01-12 13:59:49
3947
60
原创 Prompt提示工程上手指南:基础原理及实践(一)
在AI语境中，"Prompt"通常指的是向模型提出的一个请求或问题，这个请求或问题的形式和内容会影响模型的输出。例如:在一个文本生成模型中，提示可以是一个问题、一个话题或者是一段描述，模型根据这个提示生成相应的文本。Prompt工程是指人们向生成性人工智能（AI）服务输入提示以生成文本或图像的过程中，对这些提示进行精炼的过程。任何人都可以使用文言一心和DALL-E这样的生成器，通过自然语言来进行操作。这也是AI工程师在使用特定或推荐提示对大型语言模型（LLMs）进行精炼时使用的技术。
2024-01-05 11:36:17
2637
68
原创 详解静态网页数据获取以及浏览器数据和网络数据交互流程-Python
在网站设计领域，基于纯HTML格式构建的网页通常定义为静态网页，这种类型的网页是早期网站建设的主要形式。对于网络爬虫来说，抓取静态网页中的数据相对较为简单，因为所需的所有信息都直接嵌入在网页的HTML代码里。然而，对于那些利用AJAX技术动态加载数据的网页，其数据并不总是直接出现在HTML代码中，这对爬虫的抓取工作造成了一定的难度。在静态网页的数据抓取过程中，Requests库显示出其卓越的实用性。这个库不仅功能全面，而且操作简洁直观。
2024-01-03 11:00:47
3429
49
原创 一文详解Cookie以及Selenium自动获取Cookie
很多时候我们发现如果我们这网页上面登录过账号，下次再访问该网站就会发现不用再输入密码账号就能登录了。想象一下你去一家咖啡店。第一次去，你告诉店员你的名字和你喜欢的咖啡类型。店员记住了这些信息。下次你再去，店员看到你就知道你叫什么名字，也知道你喜欢什么咖啡，于是直接为你准备了你喜欢的咖啡。在这个例子中，咖啡店就像一个网站，你就像是访问网站的用户。你提供的名字和咖啡偏好就像是你在网站上输入的信息。咖啡店员记住你的信息，这就像网站在你的电脑上存储Cookie一样。
2023-12-29 15:05:06
3729
43
原创 千帆起航：探索百度智能云千帆AppBuilder在AI原生应用开发中的革新之路
我的个人经历也证明了千帆AppBuilder在加速开发流程和提高应用质量方面的能力。无论是RAG的复杂信息处理，Agent的交互设计，GBI的商业智能应用，还是文本框架的高效文本处理，千帆AppBuilder都显示出了其在AI原生应用开发中的关键作用。量方面的能力。无论是RAG的复杂信息处理，Agent的交互设计，GBI的商业智能应用，还是文本框架的高效文本处理，千帆AppBuilder都显示出了其在AI原生应用开发中的关键作用。
2023-12-25 08:45:56
3926
69
原创 【腾讯云云上实验室】基于向量数据的客户价值体系推荐系统设计
在了解以上推荐系统具体需求和面向对象种类之后，我们可以给推荐系统下个定义：推荐系统是一种工程技术解决方案，其核心在于通过运用机器学习等先进技术，实现在用户与产品互动的过程中主动呈现可能符合用户兴趣的物品。这样的系统旨在提高用户体验，通过精准的推荐，帮助用户更快地找到并消费符合其喜好的物品，从而节省用户时间和精力。一句话概括就是：推荐系统是工程技术解决方案，旨在通过智能化、个性化的推荐，实现资源的有效配置，满足用户需求，提高用户满意度，并在商业层面促进产品的销售和业务发展。
2023-11-24 19:23:12
17207
27
原创 目标分割技术-语义分割总览
博主现任高级人工智能工程师，曾发表多篇SCI且获得过多次国际竞赛奖项，理解各类模型原理以及每种模型的建模流程和各类题目分析方法。目的就是为了让零基础快速使用各类代码模型，每一篇文章都包含实战项目以及可运行代码。欢迎大家订阅一文速学-深度学习项目实战我们可以把目标分割拆解为两个技术实现部分：一为语义分割、二为实例分割。图像分类旨在判断该图像所属类别。目标检测是在图像分类的基础上，进一步判断图像中的目标具体在图像的什么位置，通常是以外包矩形(bounding box)的形式表示。
2023-11-21 10:01:17
2466
50
原创 机器/深度学习模型最优化问题详解及优化算法汇总
其实最优化问题，从小学开始学习数学的时候就可以说已经接触到了，在我印象中有个问题，用一个平底锅煎饼，每次只能放2只饼，煎一只饼要2分钟（正反各用1分钟），煎三只饼要几分钟。这个问题其实已经可以归为最优化问题，我们实际计算出的时间，和真实最节省的时间不断对比去调整煎饼方案，得到时间花费最短的方案，得到最优解。其实这个问题将对象换一下，将煎饼时间换为损失函数，将煎饼换为训练模型，那这个问题就是最优化问题了。
2023-11-10 08:45:58
2786
26
原创 生成模型常见损失函数Python代码实现+计算原理解析
既然存在生成内容与原有数据之间存在差距，那么有应该有度量二者差距的标量，损失函数就是度量两者直接的差距。损失函数的值告诉了优化算法应该如何更新模型的参数，以使模型的预测结果更接近实际数据。生成模型的损失函数值可以作为一个指标，用来评估模型的性能。通常情况下，我们希望损失函数越小越好，因为这意味着模型的预测结果越接近实际数据。通过选择合适的损失函数和正则化项，可以降低模型对训练数据的过拟合程度，提高模型在未见过数据上的泛化能力。
2023-11-03 15:42:27
1696
9
原创 损失函数(Loss Function)一文详解-聚类问题常见损失函数Python代码实现+计算原理解析
在聚类问题中，我们试图将数据集分成不同的组（簇），使得每个组内的数据点相似度较高，而不同组之间的相似度较低。聚类问题的目标是找到合适的簇划分，以最大程度地减小组内的差异，同时最大程度地增大组间的差异。在聚类问题中，并没有像监督学习中那样明确定义的损失函数，因为聚类问题通常是无监督学习，没有预先定义的目标变量。而聚类问题的损失函数通常用于度量簇划分的质量，并提供一种可优化的指标来衡量聚类结果的好坏。损失函数度量了每个簇内数据点的相似度，即簇内数据点之间的相似程度。
2023-11-02 14:37:23
2595
32
原创 损失函数(Loss Function)一文详解-回归问题常见损失函数Python代码实现+计算原理解析
损失函数无疑是机器学习和深度学习效果验证的核心检验功能，用于评估模型预测值与实际值之间的差异。我们学习机器学习和深度学习或多或少都接触到了损失函数，但是我们缺少细致的对损失函数进行分类，或者系统的学习损失函数在不同的算法和任务中的不同的应用。因此有必要对整个损失函数体系有个比较全面的认识，方便以后我们遇到各类功能不同的损失函数有个清楚的认知，而且一般面试以及论文写作基本都会对这方面的知识涉及的非常深入。故本篇文章将结合实际Python代码实现损失函数功能，以及对整个损失函数体系进行深入了解。
2023-11-01 09:36:00
2916
23
原创 目标检测算法发展史
目标检测无非做两个事情，一是检测出该目标在图片或者视频里面所处的位置以及该目标的类别。二是对于有多个目标的图片，检测出所有目标所处的位置及其类别。那么对于第一个要解决的问题，我们可以来了解具体需要干什么事情。
2023-10-30 17:05:59
2496
17
原创 图像去噪滤波算法汇总(Python)
综上所述，图像去噪是图像处理领域中的重要任务，其目的是消除或减弱图像中的噪音，以使图像更清晰、更易分析。不同的去噪算法适用于不同类型和强度的噪音，因此在实际应用中需要根据具体情况选择合适的方法。同时，对于特定的图像处理任务，也可能需要结合多种去噪技术以获得最佳效果。在实践中，通过理解各种去噪算法的原理和特性，可以更好地应用它们来解决实际问题，从而提升图像处理的质量和效率。
2023-10-26 17:13:01
4032
47
原创 图像数据噪音种类以及Python生成对应噪音
当涉及到图像处理和计算机视觉任务时，噪音是一个不可忽视的因素。噪音可以由多种因素引起，如传感器误差、通信干扰、环境光线变化等。这些噪音会导致图像质量下降，从而影响到后续的图像分析和处理过程。因此，对于从图像中获取准确信息的应用，我们需要有效地处理这些噪音。在本篇讨论中，我们将深入探讨图像数据中常见的几种噪音类型，以及相应的处理方法，旨在提升图像处理任务的准确性和稳定性。
2023-10-25 17:13:33
4153
38
原创 图像数据增强算法汇总(Python)
数据增强是一种通过使用已有的训练样本数据来生成更多训练数据的方法，可以应用于解决数据不足的问题。数据增强技术可以用来提高模型的泛化能力，减少过拟合现象。比如在狗猫识别项目中，通过随机旋转、翻转和裁剪等数据增强方法，可以使模型具有对不同角度和尺寸的狗猫图像的识别能力。增加训练样本数量：通过生成新样本，可以扩充训练集，提供更多样本供模型学习，从而减轻过拟合问题。提升模型的泛化能力：通过引入随机性，数据增强可以帮助模型学习到更多的通用特征，使其对新样本的泛化能力更强。增强模型的鲁棒性。
2023-10-24 17:39:06
3843
43
原创 各类深度学习框架详解+深度学习训练环境搭建-GPU版本
工欲善其事必先利其器，对工具的熟练程度很多时候决定你工程项目的质量和上限。对于人工智能工程师来说，搭建本地深度学习环境来说是比较麻烦的一件事，其中涉及到较多的相关硬件和软件的兼容问题。很多初学者安装的深度学习框架环境仅能够使用CPU运行并没有利用到GPU，关于很多硬件关联的深度学习训练框架并没有清楚的认知，导致配置环境的时候很容易出现各类错误。所以本篇文章主要讲述清楚如何搭建深度学习环境以及框架选择和自己硬件匹配的系统。如果你发现深度学习看似难以掌握，我将尽力简化知识，将其转化为我们更容易理解的内容。
2023-10-23 09:55:18
2126
66
原创 大模型时代如何拥抱原生AI？“云智一体”千帆改变AI格局
大模型正在引领着人工智能的全新时代，它们以前所未有的规模和复杂性刷新了我们对智能的理解。这些庞大的神经网络不仅仅是技术的突破，更是对于人工智能潜力的重新定义。它们赋予了机器前所未有的学习和推理能力，使得人工智能能够在语言、视觉、自然语言处理等领域取得了惊人的成就。大模型正成为解决现实世界复杂问题的利器，同时也催生了一系列前瞻性的AI原生应用，从而推动着整个产业向着更高、更广的方向迈进。这不仅仅是一次技术的飞跃，更是对未来的无限可能性的重新定义。AI大模型在ToC领域的商业模式，一直是个争议话题。
2023-10-19 11:21:21
1191
32
原创 CatBoost算法模型实现贷款违约预测
此篇文章为整个Boost(提升方法)集成算法模型的终章，前几篇文章依次结合详细项目案例讲解了共四个常用的集成算法模型，每一篇文章都包含实战项目以及可运行代码。仅通过看一遍文章不去实践是很难掌握集成算法模型的，其中很多思想和优化参数的方法需要长期使用才能掌握，集成学习的方法在全球各大机器学习、数据挖掘竞赛中使用的非常广泛，其概念和思想也是风靡学术界和工业界，所以有此需求的朋友推荐细读实践。之前我们已经详细描述了AdaBoost算法模型和GBDT原理以及实践。
2023-10-17 16:44:51
916
41
原创 VGG卷积神经网络实现Cifar10图片分类-Pytorch实战
VGGNet（Visual Geometry Group Network）是由牛津大学视觉几何组（Visual Geometry Group）提出的深度卷积神经网络架构，它在2014年的ImageNet图像分类挑战中取得了优异的成绩。VGGNet之所以著名，一方面是因为其简洁而高效的网络结构，另一方面是因为它通过深度堆叠的方式展示了深度卷积神经网络的强大能力。
2023-10-10 17:38:24
1862
39
原创 目标识别项目实战：基于Yolov7-LPRNet的动态车牌目标识别算法模型(三)
目标识别如今以及迭代了这么多年，普遍受大家认可和欢迎的目标识别框架就是YOLO了。按照官方描述，YOLOv8 是一个 SOTA 模型，它建立在以前 YOLO 版本的成功基础上，并引入了新的功能和改进，以进一步提升性能和灵活性。从基本的YOLOv1版本到如今v8版本，完成了多次蜕变，现在已经相当成熟并且十分的亲民。我见过很多初学目标识别的同学基本上只花一周时间就可以参照案例实现一个目标检测的项目，这全靠YOLO强大的解耦性和部署简易性。初学者甚至只需要修改部分超参数接口，调整数据集就可以实现目标检测了。
2023-10-08 18:14:29
3431
51
原创 目标识别项目实战：基于Yolov7-LPRNet的动态车牌目标识别算法模型(二)
目标识别如今以及迭代了这么多年，普遍受大家认可和欢迎的目标识别框架就是YOLO了。按照官方描述，YOLOv8 是一个 SOTA 模型，它建立在以前 YOLO 版本的成功基础上，并引入了新的功能和改进，以进一步提升性能和灵活性。从基本的YOLOv1版本到如今v8版本，完成了多次蜕变，现在已经相当成熟并且十分的亲民。我见过很多初学目标识别的同学基本上只花一周时间就可以参照案例实现一个目标检测的项目，这全靠YOLO强大的解耦性和部署简易性。初学者甚至只需要修改部分超参数接口，调整数据集就可以实现目标检测了。
2023-10-07 12:01:15
4719
62
原创 目标识别项目实战：基于Yolov7-LPRNet的动态车牌目标识别算法模型
目标识别如今以及迭代了这么多年，普遍受大家认可和欢迎的目标识别框架就是YOLO了。按照官方描述，YOLOv8 是一个 SOTA 模型，它建立在以前 YOLO 版本的成功基础上，并引入了新的功能和改进，以进一步提升性能和灵活性。从基本的YOLOv1版本到如今v8版本，完成了多次蜕变，现在已经相当成熟并且十分的亲民。我见过很多初学目标识别的同学基本上只花一周时间就可以参照案例实现一个目标检测的项目，这全靠YOLO强大的解耦性和部署简易性。初学者甚至只需要修改部分超参数接口，调整数据集就可以实现目标检测了。
2023-09-27 17:12:12
4018
56
原创 PyTorch实战：常用卷积神经网络搭建结构速览
PyTorch可以说是三大主流框架中最适合初学者学习的了，相较于其他主流框架，PyTorch的简单易用性使其成为初学者们的首选。这样我想要强调的一点是，框架可以类比为编程语言，仅为我们实现项目效果的工具，也就是我们造车使用的轮子，我们重点需要的是理解如何使用Torch去实现功能而不要过度在意轮子是要怎么做出来的，那样会牵扯我们太多学习时间。以后就出一系列专门细解深度学习框架的文章，但是那是较后期我们对深度学习的理论知识和实践操作都比较熟悉才好开始学习，现阶段我们最需要的是学会如何使用这些工具。
2023-09-25 19:19:57
940
33
chromedriver-linux64.zip 最新122.70
2024-02-29
chromedriver-122.0.6261.70-64
2024-02-29
chromedriver-122.0.6261.70-32
2024-02-29
金融风控-贷款违约预测数据
2023-10-16
cchardet-2.7.1-cpy310
2023-04-13
jython-installer-2.7.3.jar
2022-10-26
已编译版本solr-8.11.2.tgz
2022-08-26
apache-maven-3.8.6-bin+安装教程
2022-08-24
hive3.1.0-antrl3.5.2-Hivegrammar源码.zip
2022-08-23
Dependency Walker2.2
2022-08-23
pyjnius-1.4.2-cp37-cp37m-win32.whl
2022-08-23
pyjnius-1.4.2-pp37-pypy37_pp73-win_amd64.whl
2022-08-23
antlr-repackaged-4.0.jar
2022-08-23
antlrworks-1.5.1.jar
2022-08-22
antlr-3.4.jar
2022-08-22
hadoop3.3.3-winutils
2022-07-19
scrt-sfx-9.0.0.2430+使用教程
2022-06-13
机器学习之数据均衡算法种类大全+Python代码一文详解
2022-06-05
dbeaver+navicat
2022-05-30
sqldeveloper-21.4.3.x64+jdk1.8
2022-05-26
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人