简介manim是斯坦福大学数学系小哥Grant Sanderson开源的数学仿真模拟python库，并用于YouTube 频道3Blue1Brown，来解说高等数学。manim是一个非常优秀的数学动画制作引擎，先来两个GIF感受一下 manim 的魅力：很多同学应该在 B 站看过3b1b的视频，最经典的就是线性代数的本质系列。版本说明manim 初学者可能会有些许困惑，网上的代码、文...

提示：建议先看day36-38的内容TensorFlow™ 是一个采用数据流图（data flow graphs），用于数值计算的开源软件库。节点（Nodes）在图中表示数学操作，图中的线（edges）则表示在节点间相互联系的多维数据数组，即张量（tensor）。它灵活的架构让你可以在多种平台上展开计算，例如台式计算机中的一个或多个CPU（或GPU），服务器，移动设备等等。Tens...

100天搞定机器学习大家好，100天搞定机器学习前54天是对Avik-Jain开源项目100-Days-Of-ML-Code的翻译 自己的理解https://github.com/Avik-Jain/100-Days-Of-ML-Code但是这个项目到54天就鸽掉了，十分可惜。从第55天开始，我将续写这个栏目。由于之前的文章太多参考Avik-Jain，我也将不定期对之前的章节进行重置。欢迎sta.

这种方法的工作原理是将复杂的任务划分为更小、更易于管理的子任务，每个子任务都由专门的迷你模型或“专家”处理。其前馈网络从 8 组不同的参数中挑选，在每一层,对每个词元,路由网络会选择两组“专家”参数来处理该词元,并将其输出叠加。2、门控网络：这是MoE架构的决策者。网络计算输入与每个专家之间的兼容性分数，然后使用这些分数来确定每个专家在任务中的参与程度。Mixtral 8x7B 是基于Mixtur

kaggle是很多数据分析和机器学习初学者非常喜爱的数据科学竞赛平台。这个平台上有很多接近现实业务场景的数据集，非常适合练手。今天向大家推荐一个下载kaggle数据集的小工具——kaggleAPI配置好之后，可以写个脚本，以后下载数据就方便多了。安装pip install kaggle安装完毕之后执行kaggle compeitions list然后就会报错，提示没有kaggle.json文件，不

大家应该对李宏毅老师不陌生吧？李宏毅现任国立台湾大学电气工程系助理教授，研究重点是机器学习（尤其是深度学习方向）、口语理解和语音识别。他的人工智能系列公开课是Youtube上最火的人工智能系列课程。很多机器学习初学者都学习过他的《机器学习》公开课。李老师讲课通俗易懂、课程案例生动有趣（还记得宝可梦和帝国时代），深受大家喜爱。其实李宏毅还有一个《线性代数》的公开课，是2019年台大秋季课程，这个课.

100天搞定机器学习大家好，100天搞定机器学习前54天是对Avik-Jain开源项目100-Days-Of-ML-Code的翻译 自己的理解https://github.com/Avik-Jain/100-Days-Of-ML-Code但是这个项目到54天就鸽掉了，十分可惜。从第55天开始，我将续写这个栏目。由于之前的文章太多参考Avik-Jain，我也将不定期对之前的章节进行重置。欢迎sta.

目前计算机视觉（CV）与自然语言处理（NLP）及语音识别并列为人工智能三大热点方向，而计算机视觉中的对象检测(objectdetection)应用非常广泛，比如自动驾驶、视频监控、工业质检、医疗诊断等场景。目标检测的根本任务就是将图片或者视频中感兴趣的目标提取出来，目标的识别可以基于颜色、纹理、形状。其中颜色属性运用十分广泛，也比较容易实现。下面就向大家分享一个我做的小实验———通过OpenC..

工业界有一个大家公认的看法，“数据和特征决定了机器学习项目的上限，而算法只是尽可能地逼近这个上限”。在实战中，特征工程几乎需要一半以上的时间，是很重要的一个部分。缺失值处理、异常值处理、数据标准化、不平衡等问题大家应该都已经手到擒来小菜一碟了，本文我们探讨一个很容易被忽视的坑：数据一致性。众所周知，大部分机器学习算法都有一个前提假设：训练数据样本和位置的测试样本来自同一分布。如果测试...

昨天我写了一篇文章GPT-4牛是牛，但这几天先别急,文中我测试了用GPT-4回答ChatGPT 3.5 和 Notion AI的问题，大家期待的图片输入也没有出现。昨天下午百度发布了文心一言，对标ChatGPT，录屏+无实机演示让百度股价暴跌。但是晚上百度就开放了个人的体验申请https://yiyan.baidu.com/welcome朋友圈有好兄弟申请通过了，帮忙问了几个问题，我把百...