在本节中，我们介绍了图神经网络 (Graph Neural Network, GNN)，图神经网络不仅能够从节点特征中学习，还能从节点之间的交互中学习。我们介绍了图卷积网络的工作原理以及它们与计算机视觉中的卷积之间的相似性。我们介绍了一些常见的图卷积网络，使用 DGL 解决常见的图任务，如节点分类、图分类和链路预测。最后，我们探讨了图神经网络的一些新兴方向，即异构图和时空图。

使用Julia进行图像处理--用于扩充训练集的图像增强，可用于深度学习的数据增强技术，使用julia language实现，主要包括图片模糊，锐化，填充和修改图片饱和度等。

近年来，机器学习已经成为最热门的研究领域之一，机器学习通常可以分为监督学习和无监督学习。本文主要介绍监督学习的两种主要场景：分类和回归。介绍了数据分类问题并构建分类模型，了解了多种数据预处理技术，其中还包括标签编码。还介绍了使用逻辑回归构建分类器，了解了如何构建混淆矩阵。还介绍了如何使用支持向量机构建分类模型。在回归任务中，介绍了如何将线性和多项式回归用于单变量和多变量数据。

使用python，下载加密的流媒体m3u8视频文件，爬虫获取电影资源。M3U8是Unicode版本的M3U，用UTF-8编码。m3u8文件其实是 HTTP Live Streaming（缩写为`HLS`）协议的部分内容。HLS 的工作原理是把整个流分成多个小的文件来下载，每次只下载一些。当媒体流正在播放时，客户端可以选择从许多不同的备用源中以不同的速率下载同样的资源，允许流媒体会话适应不同的数据速

Go+语言初体验，想要学习一门新语言也有一段时间了，最近看到 Go+ 融合了数据科学领域的 Python，那作为人工智能领域的相关从业人员和 Python 使用者，探索 Go+ 在人工智能领域的应用，同时也有很平滑的学习曲线，学习Go+就成了理所当然的事了。本文，首先简要概述下神经网络的相关概念，然后使用 Go+ 语言构建神经网络实战手写数字识别。

近来，随着 Open AI 发布的新一代 AI 聊天机器人 ChatGPT 火遍科技圈，人工智能生成内容( AIGC )这一领域开始受到学术界、工业界甚至普通用户的更广泛关注。AIGC 凭借其独特的“创造力”与人类无法企及的创作生成速度掀起了一股人工智能狂潮。因此，本文中，我们将介绍何为人工智能与 AIGC，并讲解目前业界领先的昆仑万维AIGC 模型与产品，最后，进一步回答我们是否应该为人工智能表

目前，随着人工智能的大热，吸引了诸多行业对于人工智能的关注，同时也迎来了一波又一波的人工智能学习的热潮，虽然人工智能背后的原理并不能通过短短一文给予详细介绍，但是向所有学科一样，我们并不需要从头开始”造轮子“，可以通过使用丰富的人工智能框架来快速构建人工智能模型，从而入门人工智能的潮流。为了大家能够对人工智能常用的库有一个初步的了解，以选择能够满足自己需求的库进行学习，本博客对目前较为常见的人工智

人工智能生成内容( Artificial Intelligence Generated Content, AIGC) 是一个快速发展的领域，有着广阔的应用前景，通过不断改进技术和解决相关问题，AIGC 技术将有望成为许多领域中的重要工具和资源。本文通过总结“CSIG 企业行”活动中众多大咖的报告分享，探讨了图文智能信息技术领域的最新发展动态和未来趋势。随着诸如合合信息等公司的 AI 工程师在底层视

由于生成模型构建的复杂性，在云中训练和部署人工智能模型是大多 AIGC 用户和公司的首选。Amazon SageMaker 作为一款非常优秀的云端机器学习平台，提供了丰富的功能和工具，解决了生成模型对于算力要求高昂的问题。本文主要基于 Amazon SageMaker 创建、部署 Stable Diffusion 模型的相关要点，充分展示了 Amazon SageMaker 在人工智能模型构建、训

智能文档图像处理技术是指利用计算机视觉和人工智能等技术对文档图像进行处理和分析，实现自动化识别、提取、分类和管理的技术。随着人工智能时代的到来和各行业信息化进程的加速，越来越多的个人和企业用户开始借助智能文档图像处理技术来提高工作效率，降低人力成本，并减少出错率。本文将探讨智能文档图像处理技术的基本原理和特点，回顾了合合信息在 VALSE 2023 会议上关于智能文档图像处理技术的相关分享，并详细