“唉，又是做Agent开发的……”

利用知识图谱从大量文档、视频中提取信息，建立实体之间的关系，有利于加速信息处理，提取文档中的数据，以及发现实体之间潜在关系和规律。

计算机视觉领域有三大问题：图像分类、目标检测以及图像分割。前两类问题及应用在公众号之前的文章里都有介绍，那么今天我们就来介绍剩下的图像分割问题，并以医学图像分割为例介绍它在现实中的应用。

是认为机器学习>神经网络>深度学习≈深度神经网络。机器学习包括了神经网络在内的许多算法，而神经网络又可以分为浅度神经网络和深度神经网络，深度学习是使用了深度神经网络的技术。

PyTorch 是一个用于机器学习和深度学习的开源深度学习框架，由 Facebook 于 2016 年发布，其主要实现了自动微分功能，并引入动态计算图使模型建立更加灵活。

决策树模型因为其特征预处理简单、易于集成学习、良好的拟合能力及解释性，是应用最广泛的机器学习模型之一。不同于线性模型【数学描述：f(W*X +b)】是通过数据样本学习各个特征的合适权重，加权后做出决策。决策树会选择合适特征并先做特征划分后，再做出决策（也就是决策边界是非线性的，这提高了模型的非线性能力）。树模型也就是基于已知数据上， 通过以学习目标（降低各划分节点的误差率）为指导，启发式地选择特征

从简单的手写数字识别到复杂的Transformer，相信你已经对PyTorch有了全面的了解。记住，编程最重要的就是多练习。拿着这些代码，自己改改参数，加加功能，很快你就能成为PyTorch高手！学习路上遇到不懂的，随时来问我啊！

基础知识 → 编程（Python） → 数学基础 → 机器学习 → 深度学习 → 项目实践按此路径逐步推进，每天投入1-2小时，半年内可掌握AI基础并完成简单项目。坚持下来，你也能从“小白”成长为AI探索者！我也整理了一份入门AI的完整学习路径和对应的学习视频，跟着学就行了，主打不踩坑！

因为我们还要面临就业、升学等一系列重要的事情，如果不是想要读博也没有必要死磕论文。重心应该放在后期如何找到一份好的工作上

DEIM训练比yolo快，推理比yolo快，精度比yolo高，全面超过yolo。训练时数据集少建议使用D‑FINE‑X在Objects365+COCO的预训练权重（精度最高），做二次微调。数据集多直接使用DEIM训练或做二次微调。