- 博客(325)
- 资源 (14)
- 收藏
- 关注
原创 一文弄懂DBSCAN聚类算法
今天就到这里了,本文重点介绍了机器学习中利用DBSCAN算法进行聚类的讲解,并给出了详细的图例说明。您学废了吗?
2024-06-30 11:46:01
9939
6
原创 一文弄懂线性回归模型
今天,我们将深入探讨机器学习中的三个关键概念:线性回归、代价函数和梯度下降。这些概念构成了许多机器学习算法的基础。起初,我决定不写一篇关于这些主题的文章,因为它们已经被广泛涉及。不过,我改变了主意,因为理解这些概念对于理解神经网络等更高级的主题至关重要。闲话少说,我们直接开始吧!
2024-06-28 21:15:02
1120
原创 Seaborn : 超好用的Python可视化工具
Seaborn是一个通用且功能强大的Python数据可视化库。本文介绍了一系列高级示例,展示了各种绘图类型。请尝试使用所提供的代码示例,深入了解Seaborn的功能,提高大家数据可视化的技能。您学废了嘛?
2024-05-11 21:37:25
1317
原创 推荐全网最全的AI小白进阶指南
事实上,大家要学的东西很多,而且永远学不完,尤其是人工智能,每周都有新的革命性论文和想法发布。希望大家知道如何利用这些信息,如何将其转化为知识与公众分享,以及从这些信息中产生了哪些新颖的想法和解决方案。我的清单并不详尽,但如果您之前学习过一些优秀的资源,欢迎留言,大家一起完善相关技术学习指南。
2024-05-11 21:20:31
550
原创 从固定到可变:利用Deformable Attention提升模型能力
可变形注意力机制就像是电脑关注事物的一种智能方式。它不再拘泥于固定点,而是可以调整并更好地关注不同的事物,这有助于它出色地完成寻找图片中的物体、描述图像和语言翻译等任务。这就像拥有了一个更多功能的工具,可以很好地处理不同类型的信息。虽然有点复杂,但如果仔细操作,可变形注意力可以带来更好的效果。
2024-05-06 20:34:27
1165
原创 一文弄懂Python中的缓存机制
总之,我们在本文中介绍了Python内置functools模块中的@cache装饰器。它可以用来提高一些典型递归函数的性能,也可以被认为是在 Python 应用程序中实现缓存功能的最简单方法。您学废了嘛?动动手指关注我不迷路扫码进群,交个朋友!
2024-05-01 15:24:52
1804
2
原创 Tabulate: 优雅的表格可视化工具
本文探索了如何使用Python中的Tabulate来创建整洁而专业的表格数据展示,表格在数据分析、报告和文档等各种情况下都很有用。借助该库,大家可以创建更具可读性的报告,并更好地展示数据分析的结果。您学废了嘛?
2024-04-28 21:27:36
3767
1
原创 Apple公司面试题之Apple-Orange
因此,如果有人问你这个问题,你应该总是从标有的纸盒子中挑选一种水果。然后运用上述推理,在苹果公司的面试中取得好成绩!这多么神奇!
2024-04-25 20:54:17
656
原创 小白也能看懂的BEV感知技术(二)
本文重点介绍了纯视觉BEV感知和多传感器BEV感知的技术细节,并详细阐述了BEV感知的技术优势以及选择BEV+ Transformer结构的必要性。
2024-04-19 21:11:12
8382
原创 一文弄懂FFN/RNN/CNN参数量计算
本文重点介绍了FFN/RNN/CNN等核心组件的参数量的计算方法,并给出了详细的图示和对应的代码实现。
2024-04-08 21:00:19
1558
原创 【Python】还在用print进行调试,你Out了!!!
在本文中,我介绍了一个很棒的 Python 第三方库,名为。它增强了Python的普通print()函数,并提供了详细的输出。因此,它使调试变得非常方便。Ice Cream库永远不会取代print()函数,因为它是为调试目的而设计的。同时,它也不会取代日志系统。推荐大家在日常工作学习中多多使用!
2024-04-07 20:11:26
776
原创 一文弄懂CNN/RNN/GAN/Transformer等架构
本文重点介绍了图像和自然语言处理等场景的神经网络结构,包括CNN、RNN、GAN、Transformers以及encoder-decoder架构等,学会这些网络结构可以大家在处理具体任务时可以有更加针对性的选择。您学废了嘛?
2024-04-05 11:41:07
2818
2
原创 小目标检测常见解决策略总结
本文重点阐述了小目标检测领域相关困难点原因分析,以及业内比较常见的解决思路,并给出了相应的图示进行补充说明,您学废了吗?
2024-03-23 10:41:48
1450
原创 提升Midjourney风格化的三个技巧
本文重点介绍了针对提示Midjourney风格参考化生成效果总结了三个技巧,使用这些技巧可以提升大家图像生成的质量和视觉呈现效果。您学废了嘛?
2024-03-23 09:34:34
826
原创 Midjourney发布新特性风格参考
总之,Midjourney再次证明,他们是风格转换方面的最佳工具。现在,用户对生成图像的风格和美感的控制水平和精确度是无与伦比的。作为人工智能艺术爱好者,我非常期待看到AI绘画的下一次变化。也许在不久会有更多全新的功能涌现?让我们拭目以待!注: 相关素材来自互联网,供学习交流使用,侵权删!
2024-03-20 21:54:47
1630
原创 科普文之五分钟轻松入门Generative AI
总之,生成式人工智能代表着人工智能领域的巨大飞跃。这项突破性技术不仅能识别模式,还能从中创造出新的内容,它有可能彻底改变从艺术和音乐到产品设计等无数行业。随着我们继续探索生成式人工智能的可能性,技术的未来似乎比以往任何时候都更有希望。
2024-03-16 10:47:08
1026
原创 关于Sora你可能不知道的五项功能
Sora模型的发布已有数日,至今仍在网上热传。Sora团队不断在 官网上传新视频,所有视频的效果都令人叹为观止。即使是初始版本,它的功能也是令人震惊的。难以想象 Sora 在迭代几个版本之后能做些什么,未来这项技术会如何彻底重塑视频创作,让我们拭目以待。
2024-03-10 13:40:56
975
原创 Stable Diffusion 3 发布及其重大改进
是最新推出的功能最强大的文本到图像生成的模型。它在处理多文本提示、图像质量甚至文本渲染能力方面都有重大的改进。目前,该模型套件的参数量从 800M 到 8B 不等。它结合了扩散transformer结构(类似于Sora中的结构)和Flow Matching。本文重点介绍了SD3带来的新的改进,在此说明下,目前SD3还为对公众开放,但是大家可以通过注册来获得Discord服务器的邀请。预览版的目的是提高其质量和安全性,就像其他稳定的扩散版本一样。
2024-02-24 09:40:42
2014
1
原创 大模型平民化技术之LORA
共享大型的LLM模型是未来的趋势,如果要适应到某个具体任务上,只要训练LoRA模组即可,而这项技术也带来方便的替换性,未来大家只要分享LoRA的模型权重,就可以快速切换至不同的任务。此外,LoRA通过大量降低训练参数,来大幅降低了硬体的训练门槛,并且与完全的模型相比,推论速度的增加是相当少的。
2024-02-23 22:13:03
2890
原创 2024不可不会的StableDiffusion之图生图(七)
我们知道,在之前的章节里函数从随机高斯噪声开始生成图像,但如果我们提供初始种子图像来指导扩散过程呢?这正是图像到图像的工作方式。我们可以使用初始种子图像将其与一些噪声(可以由强度参数引导)混合,然后进行多轮扩散,而不再是纯粹依赖于输出图像的文本条件。本文重点介绍了使用稳定扩散模型进行图生图,即以图像作为输入源来控制图像生成内容的背景知识和具体代码实现,并给出了相应的示例。您学废了嘛?
2024-02-06 10:16:46
1171
1
原创 2024不可不会的StableDiffusion之反向提示词(六)
本文重点介绍了使用负面文本提示词来进行条件嵌入实现控制文本生成图像内容的相关背景知识和具体代码实现,并给出了相应的示例。您学废了嘛?
2024-02-06 09:44:05
5155
原创 2024不可不会的StableDiffusion之拼接各组件(五)
稳定扩散模型采用文本输入和种子作为相关输入。然后,文本输入通过CLIP模型生成大小为77x768的文本嵌入,种子用于生成大小为4x64x64的高斯噪声,并将其作为第一个潜在图像表示。接下来,U-Net迭代地对随机的潜在图像表示进行去噪。U-Net的输出是预测噪声,然后通过scheduler调度器算法用于计算潜在的latents。这种去噪和基于文本的调节的过程重复N次(我们将使用 50 次)以便来获取更好的潜在图像表示。此过程完成后,VAE解码器将对潜在图像表示(4x64x64)
2024-02-01 17:00:20
2162
6
原创 2024不可不会的StableDiffusion之Unet(四)
本文重点介绍了SD模型中的Unet组件的相关功能和具体工作原理,并详细介绍了其去噪过程;至此,我们完成了稳定扩散模型的三个关键组件,即CLIP文本编码器、VAE和U-Net。在下一篇文章中,我们将研究使用这些组件的扩散过程。您学废了嘛!
2024-01-30 08:46:09
6710
数学建模10大算法详解+程序源码打包.rar
2012-09-10
克里金工具箱
2012-09-10
克里金插值matlab程序
2012-09-10
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人