基于YOLO-World的工业产品质量检测系统 本研究开发了一种基于YOLO-World的工业产品质量检测系统，利用高清摄像头捕获生产线上的产品质量图像，并结合深度学习算法进行缺陷检测。研究内容包括缺陷检测算法的优化、模型的迁移学习、以及实时检测系统的集成。 数据集获取链接：MVTec AD数据集和Kaggle工业检测数据集

我目前本科在读，跟着老师做科研项目（为了升学背景提升），一开始就是普通的结构设计，做完了之后老师说让我学机器学习，然后基于机器学习预测结构的力学性能这种的。但我之前没有接触过，老师就说可以看看b站吴恩达机器学习的视频，别的没说。我也不知道机器学习需要什么知识储备，想问问各位大佬学些什么呢？该看哪些书入门，需要哪些模块的知识

huanggingface点进去是介绍参数，想要复写函数 多个输入 多个预测 多个loss单独

斯坦福大学的CS229机器学习课程是非常著名的公开课，这是一门研究生课程，更偏重数学理论，不满足调包而想深入理解算法本质的同学可以学习这门课程。 即使不想看课程视频或者不想做作业，我也非常推荐这门课程的讲义(网站上的notes)。虽然仅有200多页，但是写得非常严谨和专业，需要有一定的数学功底。 课程网站：http://cs229.stanford.edu/

快该期末了，有什么题库推荐吗，题书也行，得做做题，

本人算了半天都是1.6左右，和2.06相差甚远，不知问题出自哪里。做不出来，难受死了qwq。大佬们救命呀

论文的选题是，通过历史财报数据预测企业借贷违约的概率 我的研究思路是，数据集选取一些有违约记录的企业当年的财报数据作为违约，再选取一些没有违约的企业的随机年报数据作为不违约。通过算法找出对是否违约影响较大的因素，再运用一些算法进行预测。问题如下 1.这种数据选取是合理的吗 2.运用什么算法筛选数据和预测，目前考虑用线性回归筛选数据，预测还没想好，什么会简单一点，只是专业选修课论文，刚入门

这段时间通过和一些学弟学妹的聊天，给我的感受非常深刻，今天有空我就想写下这篇文章来聊一些我的想法和观点。希望能帮助到迷茫的你们。 距离本科毕业也有快3个年头了，回顾过往，本科时候的科研经历也算丰富，数学建模国赛国二，美赛国二，数维杯省三。计算机设计大赛国二，计算机博弈国二，国家级大创项目结题。本科毕业论文关于生成对抗网络，获优秀毕业论文，备发ccfb。计算机垂直领域粉丝2w+。也进了实验室与研究生，老师多次参

如题，对每个k我已经1000次随机选取初始点

申请人：@sk-cp3 申请感言：认真履行吧主的责任，普及机器学习理论和应用

课程已完结

红外小目标检测(infrared small target detection，简称IRST)真的是一个容易发论文的好方向。 数据集小，神经网络小，一张3090就能跑实验，而且也能发到TIP和CVPR这些顶级的期刊和会议上。

请问各位大哥nndl 这个库是在哪里。我怎么也找不到

想要掌握如何运用析易科研平台来进行数据分析吗？现在，就让我们一起详细探究构建分类模型的整个流程。 分类模型是数据分析中的一种重要工具，它能帮助我们根据已有的特征将数据分为不同的类别。通过析易科研平台，我们可以便捷地进行数据预处理、特征选择、模型训练、评估和优化。这个平台提供了丰富的算法库和用户友好的操作界面，使得从数据载入到模型部署的每一步都变得简单明了。我们将一步步学习如何利用析易科研平台的强大

如题，用mamba 安装Tensorflow 之后出现此问题

机器学习在聚合物及其复合材料中的应用与实践 研究背景与机器学习基础模型介绍 实例：展示不同的机器学习算法（如BP神经网络、SVR、CNN、DTR、RF）在复合材料性能预测中的应用，以及如何利用机器学习模型预测复合材料在不同温度下的力学性能 材料力学性能研究中应用机器学习模型 实例：以PBO为例，讲解如何进行有效的数据清洗和预处理，以提高模型的预测准确性。 实例：以POM为例，讨论特征选择、特征工程在提高模型性能中的作用，以及如何

最近在学习李沐《动手学深度学习pytorch版》的时候遇到一个问题，就是from d2l import paddle as d2l无法执行，然后发现百度AIStudio用0.17.6版本的d2l，1.21.5版的numpy可以import，但是我在本地环境安装d2l的0.17.6版本失败，显示numpy版本不兼容，但是想安装numpy旧版的时候卡在Building wheel for numpy(pyproject.toml)这一步失败。我想在本地跑沐神paddle版的代码，兄弟姐妹们谁知道我应该怎么做？能向谁反映？(pip install d2l装的1.0.3版简介里好像没有paddle，vscode用Ctrl+左键点d2l

自动化专业大三，没什么好的竞赛和项目，想在大作业上下功夫，认真做一个，包装一下，以备考研之需，求大佬指点一个比较好的方向

有问题问我就对辣！

请问各位大佬，为什么我的模型在A100上训练这么慢？甚至不如A40，和A800。这是为什么？a100卡的TF32算力不是很高吗？按理说和A800差不多啊，但是训练速度是A800的40％

有做这方面的大佬吗可以互相交流学习一下

数据如图 每一列都是以1-10的整数 共十列 如果以列单位 挑个好的区间 在500数据以内 也许能有一些规律 主要是整体分布太随机了 局部分布有可能有不错的规律 预测未来的数据 为什么要在500以内 我们研究过 一旦超过500 数据就没有规律了 各个值的占比都会在10%左右 求大佬帮忙 必有重谢 价格美丽 数据下载地址： 链接：https://pan.baidu.com/s/1pKuxJahwI0N7PyB_5xwqyw?pwd=qazx 提取码：qazx

基于MATLAB的神经网络回归和分类，机器学习，深度学习

在网上找数据集，看到跨象乘云这个公司有个数据集很好，他是倒闭了嘛，公众号都注销了

人工智能大模型是指拥有超大规模参数（通常在十亿个以上）、复杂计算结构的机器学习模型。它通常能够处理海量数据，完成各种复杂任务，如自然语言处理、图像识别等。 2024年政府工作报告提出“发展新质生产力”，并将其列为年度十大工作任务之首。新质生产力正在重塑社会生产运行的方式，为企业开辟一条通向高质量发展的道路。新质生产力的提出加速了企业数字化转型步伐，人工智能技术作为核心新质技术，正在赋能企业数字化转型。从2

RT,torch，cuda的相关库都安装好了，也没有报错，但训练进度一直为零

本人双非材料研二，准备做一个机器学习的材料性能预测

本人硕士刚毕业，信号处理和模式识别方向，两篇SCI2区，一篇发明专利和一件软著。熟悉实验设计流程，以及各种时、频分析的信号处理方法(CWT\WPT\EMD\VMD)和基于人工智能(机器学习\深度学习)的模式识别算法，也包括一些迁移学习方法和一些多源信息融合策略等等。读研三年，深知老师放养的无奈与无助，故在此立贴，希望能给需要帮助的学弟、学妹提供一些辅导和助攻(视情况有偿或无偿)。我知道本吧大佬数不胜数，我也只是个小菜鸡，所以太难的

令θ=θn的话不该是似然函数这一整个表达式的θ都被换掉了么，不理解为什么只有q(Z)里的θ被换掉了

临床随机性研究，通常指的是随机对照试验（Randomized Controlled Trial, RCT），这是一种研究设计，旨在通过随机分配受试者到不同的研究组（如治疗组和对照组）来比较一种或多种医疗干预措施的效果。随机化是这种研究设计的核心，它有助于消除选择偏倚和混杂因素的影响，从而提高研究结果的内部有效性。 随机化的方法有多种，包括： 简单随机化：这是一种非限制性的随机方法，可以通过抛硬币、抽签、使用随机数字表或计算机生成的随机数来进

探索机器学习基础知识：了解基本概念、学习算法、实践项目。

删掉#之后应该怎么改

我己窥探部分灵魂，你也能理解，因人人多有个大脑 人工灵魂其实很简单，因人人多有个大脑，人人多可以研究产生行为及认知背后的机制 - 对灵魂的一点见解 - - 意识的本质就是时时好坏感知，然后趋利避害 人判断好坏的依据就是感受。如：好的感受，就像打了鸡血，人很爽。坏的感受，就像累，苦，饿，的感受。感受好，那趋利避害。感受就是系统释放的好坏信号加告知好坏的因果。有时不理智分析，系统告知好坏因果，你会认为自己判断的没

有几道题目不会，这是其中之一，学临床的被要求写这种东西

假设我们有以下数据集，其中A、B、C分别是输入的二进制随机变量并且相互独立，y是二进制输出变量。 请采用伯努利贝叶斯分类器训练模型，并预测新样本（1,0,1）的类别标签，并给出计算过程。（12分）

双非院校材料研二，准备做一个机器学习的材料性能预测。我现在有加了1-5份改性剂的改性材料，加上原材料一共六组样品，然后测了他们的五项性能，后期可能会加，手上现有的就是这些数据，我不知道我这些能不能和机器学习做一个交叉啊？我本来想的是多用几种机器学习的模型，再拿出来几份实验数据做训练和检测，然后再预测最后一份实验样品的性能，用预测的结果和我现在的数据对比一下。不知道这个可行性高了不？我之前也没有计算机专

工业和信息化部电子工业标准化研究院计算机视觉设计开发2024年11月29日-12月3日 北京+线上直播具体课程内容：1. 人工智能与机器学习概述2. 深度学习简介与经典网络结构介绍3. 经典深度网络结构介绍与图像分类4. 深度学习-网络结构-Transformer5. 生成对抗网络-GAN6. 图像分割算法7. 目标检测算法8. 视觉迁移学习基础9.深度视觉迁移学习10.红外与可见光视频转换方法研究实操【实验实操1】环境配置+python基础+opencv+pytorch+目标检测1.1环境配置1.2Python基础1.3OpenCV

工业和信息化部电子工业标准化研究院计算机视觉设计开发2024年11月29日-12月3日 北京+线上直播具体课程内容：1. 人工智能与机器学习概述2. 深度学习简介与经典网络结构介绍3. 经典深度网络结构介绍与图像分类4. 深度学习-网络结构-Transformer5. 生成对抗网络-GAN6. 图像分割算法7. 目标检测算法8. 视觉迁移学习基础9.深度视觉迁移学习10.红外与可见光视频转换方法研究实操【实验实操1】环境配置+python基础+opencv+pytorch+目标检测1.1环境配置1.2Python基础1.3OpenCV

工业和信息化部电子工业标准化研究院计算机视觉设计开发2024年11月29日-12月3日 北京+线上直播具体课程内容：1. 人工智能与机器学习概述2. 深度学习简介与经典网络结构介绍3. 经典深度网络结构介绍与图像分类4. 深度学习-网络结构-Transformer5. 生成对抗网络-GAN6. 图像分割算法7. 目标检测算法8. 视觉迁移学习基础9.深度视觉迁移学习10.红外与可见光视频转换方法研究实操【实验实操1】环境配置+python基础+opencv+pytorch+目标检测1.1环境配置1.2Python基础1.3OpenCV

工业和信息化部电子工业标准化研究院计算机视觉设计开发 2024年11月29日-12月3日 北京+线上直播 具体课程内容： 1. 人工智能与机器学习概述 2. 深度学习简介与经典网络结构介绍 3. 经典深度网络结构介绍与图像分类 4. 深度学习-网络结构-Transformer 5. 生成对抗网络-GAN 6. 图像分割算法 7. 目标检测算法 8. 视觉迁移学习基础 9.深度视觉迁移学习 10.红外与可见光视频转换方法研究 实操 【实验实操1】环境配置+python基础+opencv+pytorch+目标检测 1.1环境配置 1.2Pytho