- 博客(116)
- 收藏
- 关注
RSS订阅
原创 深度学习的一些基本概念—入门教程
深度学习是一种人工智能技术，其应用广泛，包括图像识别、语音识别、自然语言处理、推荐系统等。本教程将介绍深度学习的基础概念和常用模型。
2023-04-17 23:47:25
2410
3
原创 解决v2rayN的延迟是-1的问题
v2rayN延迟是-1，速度也是-1，或者速度是The operation has timed out。
2023-03-16 19:27:49
52963
46
原创 解决笔记本win11打开Realtek audio console显示无法连接到RPC服务，插入耳机没有弹出对话框提示等问题
这篇博客解决笔记本没有realtek高清晰音频管理器，win11打开Realtek Audio Consol显示无法连接到RPC服务，插入耳机没有弹出对话框提示等问题。
2022-09-21 17:31:52
57163
43
原创 yolov4的Pytorch（cpu版）安装步骤详解，有手就能学会
我的环境win10+anaconda（创建的python=3.6版本）+yolov4+Pytorch（cpu版）1. 准备文件pytorch-YOLOv4代码下载 https://github.com/Tianxiaomo/pytorch-YOLOv4权重（weights）模型下载谷歌云盘 https://drive.google.com/open?id=1cewMfusmPjY...
2020-05-03 23:57:04
20950
52
原创 WSL不同版本的Ubuntu更换清华镜像，加速Ubuntu软件下载速度
使用WSL跑深度学习挺不错的，但是用wsl安装linux软件可能会存在部分问题，由于WSL里面的Ubuntu软件仓库是默认的源，有时候可能会造成网络连接问题，或者下载速度很慢，更换为清华镜像或者阿里云镜像会带来Ubuntu软件的快速下载，优化软件使用体验。Ubuntu的系统自带的配置文件在/etc/apt/source.list中，因此我们需要首先备份该配置文件，否则删了的话，如果镜像镜像也不可用，就很难受了。现在的win都是64位的，对应的WSL几乎都是64位的，因此对大多人都是适应的。
2024-01-12 15:54:07
1743
原创 WSL使用Ubuntu 20.04版本运行py-bottom-up-attention的记录，及其可能错误的解决方法
WSL使用Ubuntu 20.04版本运行py-bottom-up-attention的记录，及其可能错误的解决方法。
2024-01-08 23:04:20
1123
原创 下载并安装anaconda和VScode，配置虚拟环境，并使用VScode运行代码
通过阅读本文，你可以学会如何下载anaconda和VScode软件，安装这两个软件，使用anaconda创建虚拟环境，通过VScode选择conda的解释器，并最终运行代码。
2023-11-30 18:40:35
477
原创 视频没有字幕怎么办，怎么给视频增加字幕
本文教你如何制作自己的视频字幕，当然这个制作的通过软件实现的，然后使用potplayer播放视频，可以实时翻译字幕，让视频出现双语字幕。解决了视频没有字幕翻译的问题，不过这个实时谷歌翻译需要科学上网才能实现。如果没有网络环境，需要使用百度翻译。
2023-11-27 12:18:45
1150
原创 detach()、permute()、enumerate()在代码中代表什么意思？
本篇博客主要是通过一段代码，对代码里面的内容进行提问，比如一些函数detach()、permute()、enumerate()在代码中代表什么意思。
2023-09-13 10:34:21
171
原创 强化学习简单介绍
强化学习是机器学习的一个重要分支，它是关于智能系统在环境中进行试错学习，以实现长期目标的科学。强化学习的目标是通过与环境的交互来学习一个策略，该策略可以使得某种定义的奖励信号的总量最大化。
2023-07-21 21:40:57
191
原创 win11预览版更新，并尝试使用Copilot
通过更新Windows预览版，更新Edge，安装ViVeTool v0.3.3，即可使用Copilot。但是体验一言难尽，当成一个快捷提问框还不错。期待下一次的Copilot的更新。
2023-07-06 19:21:46
6670
18
原创 图像生成—使用GANs给出代码示例
图像生成是指使用计算机算法生成图像的过程。这些图像可以是真实的照片、绘画、3D渲染或者是完全想象的图像。图像生成技术涵盖了一系列算法，包括基于规则的方法、基于统计学的方法、深度学习等。
2023-06-21 17:15:25
487
原创 图像生成概念简单介绍
图像生成是指使用计算机算法生成图像的过程。这些图像可以是真实的照片、绘画、3D渲染或者是完全想象的图像。图像生成技术涵盖了一系列算法，包括基于规则的方法、基于统计学的方法、深度学习等。从技术角度看，图像生成是一种计算机图形学的应用，它可以模拟现实世界中的光照、材质、颜色等因素，生成具有逼真感的图像。同时，图像生成也可以通过设计合适的算法，生成各种风格的艺术图像，例如油画、水彩画、铅笔素描等。
2023-06-21 17:12:47
1937
原创 注意力机制简单介绍
注意力机制是一种在深度学习领域中的重要技术，尤其在自然语言处理（NLP）任务中取得了显著的成果。本文将介绍注意力机制的基本概念、原理和如何在神经网络模型中应用注意力机制。
2023-06-14 16:51:29
5839
原创 Real-Time Object Detection 简单介绍，并给出简略代码
Real-Time Object Detection 是一项具有挑战性的任务，它要求在有限时间内对视频流或图像序列中的物体进行实时检测。本文将介绍 Real-Time Object Detection 的基本原理、常用算法和工具，以及如何使用它们实现实时检测。
2023-06-11 23:14:10
233
原创 3D Object Detection简单介绍
3D Object Detection 是计算机视觉领域中的一项重要任务，它的目标是在三维点云数据中检测出场景中的物体，并估计它们的位置、姿态、大小等信息。在本教程中，我们将介绍 3D Object Detection 的基本原理、常用的数据集、算法和工具，以及如何使用它们进行目标检测。
2023-06-11 22:57:37
1112
原创 语义分割简单介绍
语义分割是计算机视觉领域的一种图像分割技术，其目标是将一张图像中的每个像素分配给预定义的类别。与传统的图像分割技术不同，语义分割不仅仅将图像分成若干个区域，而是对每个像素进行分类，从而能够获得更加精细的图像分割结果。它在许多领域中都有广泛的应用，如自动驾驶、医学影像分析、机器人视觉等。
2023-06-01 22:46:24
3957
原创 SFDA无源领域自适应简单介绍并给出简单的示例代码
本教程将介绍机器学习中的 Source-free Domain Adaptation（SFDA）的概念、原理和实践方法。我们将从基本概念开始，然后通过一个简单的实例来演示如何实现 SFDA。
2023-05-31 23:06:51
568
原创 机器学习中SFDA无源领域自适应简单介绍并给出简单的示例代码
本教程将介绍机器学习中的 Source-free Domain Adaptation（SFDA）的概念、原理和实践方法。我们将从基本概念开始，然后通过一个简单的实例来演示如何实现 SFDA。
2023-05-31 23:03:43
1200
原创 Domain Generalization 领域泛化简单介绍
Domain Generalization （领域泛化）是指在训练模型时，模型能够学习到一般化的特征，而不是仅仅适应于训练数据所在的特定领域。例如，一个人脸识别模型在训练时只使用了来自一个特定国家的人脸图像，但是在测试时需要处理来自其他国家的人脸图像。如果该模型具有很好的领域泛化能力，那么它应该能够对来自其他国家的人脸图像进行准确的识别。
2023-05-30 18:51:27
1965
原创 无监督领域自适应简单介绍
Unsupervised Domain Adaptation（UDA）无监督领域自适应是指在目标领域没有标注数据的情况下，将模型从源领域迁移到目标领域的一种方法。在实际应用中，由于目标领域的数据往往很难获得标注，因此UDA成为解决领域迁移问题的重要方法之一。本教程将介绍UDA的基本概念、常用方法以及实现过程。
2023-05-30 18:37:55
3450
2
原创 领域自适应（Domain Adaptation）的简单介绍
领域自适应（Domain Adaptation）是指通过学习源领域和目标领域之间的差异，来实现将源领域的模型迁移到目标领域的能力。在实际应用中，由于数据的获取和标注成本较高，我们通常会面临数据集不完整、不平衡、标注不准确等问题，这些问题会影响模型的泛化能力和性能。领域自适应可以帮助我们解决这些问题，提升模型的泛化能力和性能。
2023-05-30 16:47:01
6738
原创 Representation Learning 表示学习简单介绍并给出示例代码
在本博文中，我们将介绍Representation Learning（表示学习），这是一种机器学习方法，通过学习数据的有用表示来解决各种任务。表示学习在许多领域，如计算机视觉、自然语言处理和语音识别中都取得了显著的成功。
2023-05-27 22:31:17
1445
原创 图像生成简单介绍并给出相应的示例代码
图像生成是计算机视觉中的一个重要任务，它涉及使用程序创建新的图像。本教程将引导您完成图像生成的基本概念，并使用 Python 和 TensorFlow 深度学习库构建一个简单的图像生成模型。
2023-05-26 23:07:23
810
原创 如何卸载Visio秘钥
本文教你如何卸载Visio或Office秘钥，如果安装了多个Visio无效秘钥，都可以全部卸载了。并且卸载Visio秘钥并不影响Office的激活。
2023-05-26 15:30:34
3741
原创 对比学习简单介绍教程
对比学习的核心思想是在无监督的情况下，学习出能够区分正例和负例的特征表示。对于一个给定的数据样本，正例是来自与该样本相似的其他样本，而负例是与该样本不相似的样本。通过最大化正例之间的相似度，同时最小化负例之间的相似度，我们可以训练出能够区分不同类别的特征表示。
2023-05-25 23:06:31
1862
原创 图神经网络（Graph Neural Networks）简单介绍
图神经网络（Graph Neural Networks, GNN）是一类用于处理图结构数据的神经网络模型，与传统的神经网络（例如卷积神经网络、循环神经网络等）处理规则数据结构（如图像、时间序列）不同，图神经网络专门处理不规则的图结构数据，如社交网络、知识图谱等。图结构数据是一种由节点和边组成的复杂关系网络，其中节点代表实体，边代表实体之间的关系。与传统的神经网络不同，图神经网络需要考虑节点之间的关系，因此需要一种新的方式来表示节点和边。
2023-05-24 22:21:21
9363
原创 知识图谱简单介绍
知识图谱是一种用于表示实体之间关系的图形结构。它是一种基于语义的知识表示方法，可以用于自然语言处理、推荐系统、问答系统等多个领域。知识图谱通常包含大量的实体（如人、地点、组织、事件等）以及它们之间的关系（如is-a、part-of、located-in等）。在知识图谱中，每个实体通常被表示为一个节点，每个关系通常被表示为一条边。节点和边都可以带有附加信息，例如实体的属性、关系的权重等。知识图谱通常被存储为图形数据库，其中实体和关系都被存储为节点和边的形式。
2023-05-22 20:59:17
807
原创 零样本学习简单介绍
零样本学习（Zero-Shot Learning，ZSL）是一种机器学习技术，旨在让模型在没有见过某些类别的情况下进行分类。在传统的监督学习中，模型只能分类它在训练集中见过的类别。但是，在现实世界中，我们可能会遇到未知的类别，这时候传统的监督学习方法就无法适用了。这时候，零样本学习就可以派上用场。
2023-05-22 20:33:40
1355
1
原创 小样本目标检测简单介绍
在计算机视觉领域，目标检测是一项重要的任务，其目的是识别并定位图像中的特定物体。然而，在实际应用中，我们往往面临着训练样本不足的问题，这对于训练深度学习模型来说是一个巨大的挑战。小样本目标检测（Few-shot Object Detection, FSOD）应运而生，旨在解决这一问题。
2023-05-22 20:07:07
2538
1
原创 图像分类传统算法和深度学习算法简单介绍
图像分类是计算机视觉领域的一项基本任务，旨在根据输入图像将其预测到一个或多个类别中。本文档将详细介绍一些常用的图像分类算法，包括传统方法和深度学习方法。
2023-05-19 23:08:05
3434
3
原创 深度学习中的图像分类介绍
图像分类是计算机视觉领域中的一个基本问题，它的目标是将图像分为不同的类别。在过去的几十年中，许多传统的机器学习方法已被开发用于图像分类，但随着深度学习技术的发展，深度神经网络已成为最先进的图像分类方法。
2023-05-18 22:28:11
1515
原创 图像去雨详细介绍文档
图像去雨是计算机视觉领域的一个重要研究方向，它指的是从受雨滴影响的图像中去除雨滴，以便获得更清晰的图像。本文将详细介绍图像去雨的意义、方法概述、常见去雨算法及其原理和评估指标。
2023-05-18 22:04:52
1278
1
原创 图像去雾的简单介绍
图像去雾是一项重要的图像处理技术，可以提高图像的可见性和质量。在自动驾驶、航拍摄影、无人机等应用中，图像去雾技术也被广泛应用。本文将介绍图像去雾的定义、原理、方法和应用等方面的内容。
2023-05-17 19:51:39
1909
1
原创 图像去雨技术简单介绍
图像去雨技术是一种计算机视觉算法，用于消除图像中的雨滴噪声，恢复清晰的场景。这种技术在很多领域具有广泛的应用，如视频监控、自动驾驶和图像编辑等。本文将详细介绍图像去雨技术的基本原理、常用方法和实现步骤。
2023-05-17 19:39:46
2050
原创 Shape-E：文字到3D的生成模型试用
该模型可以是一个生成3D的工具，你可以输入文字，然后得到一个3D模型，或者提供一个图片生成3D模型。通过该模型，我们可以模糊的查看文字到3D的生成，图片到3D的生成，不过这个只是一个大概的模型，有个别的参数大家可以调，我演示的是默认的版本。大家可以去玩一玩。
2023-05-16 19:34:53
1038
使用chatgpt的key绑定到微信
2023-05-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人