国内常见与人工智能（深度学习、机器学习）相关比赛合集

​TensorRT是NVIDIA自家的高性能推理库，其列出了各资料入口，如下本文基于博主本机当前安装的TensorRT8.2版本，将一步步介绍从安装，直到加速推理自己的ONNX模型。

对ccsrc\pipeline\jit\parse\python_adapter.h的部分注释接路径：mindspore\ccsrc\pipeline\jit\parse\python_adapter.h h文件是C语言和【C++】语言的头文件，一般在【.h】类的头文件里面只放入函数声明，宏定义，函数原型，而具体的实现在【.cpp】文件里面。C程序的定义文件以.c为后缀,C++程序的定义文件通常以

深度学习预备知识1、基础数学知识（线性代数、高等数学、概率论部分知识）•导数概念、如何求导、•矩阵概念、矩阵基本运算、•概率的概念、正态分布的概念等【注意】以上内容入门深度学习足够，强烈不建议大家拿上一本数学教材从头到尾去读，更不要被网上对人工智能中数学知识高深莫测的描述吓到。2、Python基础知识（基础语法即可）•基本概念——列表、循环、遍历、字典、函数、类•科学计算库 numpy（也不需要了

Anaconda 常用命令env_name：环境名称 package_full_name：包名称用途命令显示Anaconda版本conda --version创建环境名称为env_name版本号环境conda create -n env_name环境名称 python=版本号激活环境（conda）activate env_name退出当前环境conda deactivate显示当前所有环境cond

Anaconda 常用命令env_name：环境名称 package_full_name：包名称用途命令显示Anaconda版本conda --version创建环境名称为env_name版本号环境conda create -n env_name环境名称 python=版本号激活环境（conda）activate env_name退出当前环境conda deactivate显示当前所有环境cond

深度学习预备知识1、基础数学知识（线性代数、高等数学、概率论部分知识）•导数概念、如何求导、•矩阵概念、矩阵基本运算、•概率的概念、正态分布的概念等【注意】以上内容入门深度学习足够，强烈不建议大家拿上一本数学教材从头到尾去读，更不要被网上对人工智能中数学知识高深莫测的描述吓到。2、Python基础知识（基础语法即可）•基本概念——列表、循环、遍历、字典、函数、类•科学计算库 numpy（也不需要了

目前个人认为较好的数据集网站主要有：数据集网站1.AI Studio数据集： 开放数据集-百度AI Studio - 人工智能学习与实训社区2.天池数据集：数据集-阿里系唯一对外开放数据分享平台3.Papers With Code数据集：Machine Learning Datasets | Papers With Code4.Kaggle 数据集：Find Open Datasets and M

Pipeline，你土味一点你把它翻译成一条龙服务专业一点，叫它综合解决方案，就行。算法或者大数据分析里的可重复使用，针对新的数据，直接输入数据，可以得到结果。一个典型的机器学习构建包含若干个过程1、源数据ETL2、数据预处理3、特征选取4、模型训练与验证以上四个步骤可以抽象为一个包括多个步骤的流水线式工作，从数据收集开始至输出我们需要的最终结果。因此，对以上多个步骤、进行抽象建模，简化为流水线式

目前个人认为较好的数据集网站主要有：数据集网站1.AI Studio数据集： 开放数据集-百度AI Studio - 人工智能学习与实训社区2.天池数据集：数据集-阿里系唯一对外开放数据分享平台3.Papers With Code数据集：Machine Learning Datasets | Papers With Code4.Kaggle 数据集：Find Open Datasets and M