前言 没啥意思，很简单，需要实现一个目标检测，但是，不能占用太多运算资源，同时需要保证一定的精度。并且要在移动端部署，要在一台ROS小车上面部署。那么此时常见的选择自然有yolov3-tiny等。但是

选自 Medium，作者：Eddie Smolyansky，机器之心编译，参与：刘晓坤、王淑婷。 作为像深度学习这样高产领域的研究人员，我们经常会发现自己被论文的汪洋所淹没。这些论文是如此之多，想全部读完并跟踪最新研究似乎很难很难。我觉得形成这种局面的一个重要原因是，我们没有充…

众所周知，最近这半年AI相关的话题实在是火到出圈。尤其是生成式AI的流行，让我们普通人也可以近距离地接触和应用AI。这其中最典型的就是ChatGPT。 那除了ChatGPT，还有一个非常实用的领域，也

本文介绍Stable Diffusion的快速上手，本地部署，以及更多有趣的玩法展示。 在 DALL-E 2 和 Imagen 之后，AI绘图领域又一个热乎的深度学习模型出炉-SD

2022了你还不知道“低代码”？一起看看数据分析、机器学习、深度学习领域最受欢迎的 Python 低代码工具：D-Tale、AutoViz、Lux、Pandas-Profiling、PyCaret等

线性回归对已有数据进行建模，可以对未来数据进行预测。有些人觉得线性回归太过简单，甚至不屑于称之为机器学习；另外一些人觉得很多编程库已经对线性回归做了封装，使用时调用一下函数就好，不必了解太多数学推导过程。实际上，线性回归是所有机器学习技术的一个最好起点，很多复杂的机器学习技术以…

本专栏之前的文章介绍了线性回归以及最小二乘法的数学推导过程。对于一组训练数据，使用线性回归建模，可以有不同的模型参数来描述数据，这时候可以用最小二乘法来选择最优参数来拟合训练数据，即使用误差的平方作为损失函数。机器学习求解参数的过程被称为参数估计，机器学习问题也变成求使损失函数…

频率学派认为参数虽未知，但却是客观存在的固定值，故通常使用极大似然估计来确定参数。而贝叶斯学派则认为参数是未观测到的随机变量，其本身具有某种分布，故可假定参数服从一个先验分布，然后基于已有数据来计算参数的后验分布 一. 基本概念 样本空间是一个随机实验的所有可能结果的集合。通常…

模型评估是整个建模周期中基础且核心的部分。选择恰当的评估指标，可以使模型训练和测试事半功倍。本文介绍分类模型评估的几个常用指标。理解并能熟练使用这几个指标对模型进行评估，基本可以应对初中级的数据建模工作。 一. 错误率和准确率 80% 的准确率似乎还不错，该模型将所有样本全部预…