
简介
该用户还未填写简介
擅长的技术栈
未填写擅长的技术栈
可提供的服务
暂无可提供的服务
COCO数据集可视化
COCO数据集可视化。
【1分钟学会万相文生视频】windows环境4080显卡部署Wan2.1-T2V-1.3B,亲手实操
windows环境4080显卡部署Wan2.1-T2V-1.3B,一手实测

大语言模型预训练、微调、RLHF
CLUENER2020数据集在。

【多模态大模型部署】【提示词反推】采样Flask框架部署Qwen/Qwen2-VL-2B-Instruct,并采用OpenAI形式调用生成图片描述,可用于图片理解等解决方案
反推提示词,并生成图片。实际图和生成图片。

【多模态大模型部署】【提示词反推】采样Flask框架部署Qwen/Qwen2-VL-2B-Instruct,并采用OpenAI形式调用生成图片描述,可用于图片理解等解决方案
反推提示词,并生成图片。实际图和生成图片。

Python神经网络学习之5层网络学习多项式回归
实现的效果图:神经网络的大致步骤:1.读取数据集2.定义网络3.学习4.预测代码区:"""功能:多项式回归"""from datetime import datetimefrom matplotlib import pyplot as pltimport torchfrom torch.nn import functional as F#1.读取数据集#生成在-...
【语音事件检测--论文翻译】Towards duration robust weakly supervised sound event detection 面向持续时间鲁棒弱监督声音事件检测
此外,性能良好的分段级定位模型以粗略的尺度输出预测(例如1秒),阻碍了它们在包含以下内容的数据集上的部署短事件(<1秒)。我们提出的模型,我们进一步称之为CDur(CRNN持续时间,见表I),由五层CNN组成随后是门控循环单元(GRU)。声音事件检测(SED)是标记的任务音频事件的缺失或存在及其对应给定音频片段内的间隔。虽然SED可以使用监督机器学习,其中训练数据被完全标记通过访问每个事件的时间戳

基于BP神经网络的股票价格预测论文及其Python代码实现
通过BP神经网络对明尼亚波利斯春小麦期货的收盘价进行了预测,准确的预测出收盘价的变动。

基于BP神经网络的股票价格预测论文及其Python代码实现
通过BP神经网络对明尼亚波利斯春小麦期货的收盘价进行了预测,准确的预测出收盘价的变动。

多目标检测模型加权框集成
目标检测加权框融合 WBF原理讲解(Weighted Boxes Fusion)目标检测加权框融合 WBF原理讲解。
