python3

Ai之大模型进阶模型微调-Unsloth微调-实战5.2

123 2025-03-20 10:42:40 人工智能

 76°

 20

Unsloth 采用了某些优化技术，可以帮助我们在比较低级的硬件设备资源下更高效的微调模型

Ai之大模型进阶模型微调-Unsloth微调-实战5.1

123 2025-03-20 10:16:25 人工智能

 199°

 20

Unsloth 采用了某些优化技术，可以帮助我们在比较低级的硬件设备资源下更高效的微调模型

Ai之大模型进阶模型微调-平台微调大模型-实战4

789 2025-03-15 13:13:12 人工智能

 136°

 20

模型微调（Fine-Tuning）是提升大模型在特定领域或任务性能的核心技术，其核心逻辑是通过调整预训练模型的参数，使其适应下游任务需求

Ai之大模型进阶模型微调--理论篇3

987 2025-03-14 14:28:09 人工智能

 122°

 20

模型微调（Fine-Tuning）是提升大模型在特定领域或任务性能的核心技术，其核心逻辑是通过调整预训练模型的参数，使其适应下游任务需求

Ai之大模型加知识库检索RAG-实战2

123 2025-03-13 18:49:25 人工智能

 180°

 20

增强模型自身的知识和内容生成，从而缓解内容幻觉和知识及时性的问题。这也就是目前很火的RAG

Ai之本地部署大模型超详细-实战1

321 2025-03-13 18:04:06 人工智能

 256°

 20

本地大模型部署的优点:数据隐私与安全性,控制与独立性，性能与成本，实时响应，离线运行，定制化与控制，边缘计算应用

python3-scipy-ndimage平滑

run 2021-10-08 22:21:07 图像处理

 6115°

 20

scipy ndimage模块提供了一个名为percentile_filter()的函数，它是中值滤波器的一个通用版本。

python3-scikit-image平滑去噪

run 2021-09-29 00:24:51 图像处理

 6830°

 20

scikit-image库还在图像复原模块中提供了一组非线性滤波器，双边滤波器，非局部均值滤波器

python3-PIL非线性噪声平滑

run 2021-09-28 00:06:02 图像处理

 6329°

 20

非线性(空间)滤波器也同样作用于邻域，也类似于线性滤波器通过在图像上滑动核来实现

python3-Scipy-ndimage进行盒核与高斯核平滑比较

run 2021-09-26 23:14:05 图像处理

 6274°

 20

使用scipy的ndimage模块函数对图像进行线性滤波，应用线性滤波器对带有脉冲(椒盐)噪声的图像进行去噪处理。

python3-PIL高斯模糊滤波器平滑

run 2021-09-25 23:14:11 图像处理

 7399°

 20

高斯模糊滤波器也是一种线性滤波器，但与简单的均值滤波器不同的是它采用核窗口内像素的加权平均值来平滑一个像素（相邻像素的权重随着相邻像素与像素距离呈指数递减）

python3-PIL基于盒模糊核均值化平滑

run 2021-09-24 22:38:33 图像处理

 6219°

 20

基于盒模糊核均值化平滑,使用PIL的ImageFilter.Kernel()函数和大小为3x3和5x5的盒模糊核(均值滤波器)来平滑噪声图像

python3-PIL线性噪声平滑

run 2021-09-23 23:31:15 图像处理

 6359°

 20

线性(空间)滤波具有对(在邻域内)像素值加权求和的功能，它是一种线性运算，可以用来对图像进行模糊或去噪。

python3-scikit-image直方图匹配

run 2021-09-22 22:29:14 图像处理

 6833°

 20

直方图匹配是指一幅图像的直方图与另一个参考(模版)图像的直方图相匹配的过程

python3-scikit-image对比拉伸和直方图均衡化

run 2021-09-21 23:48:24 图像处理

 6846°

 20

直方图处理技术为改变图像中像素值的动态范围提供了一种更好的解决方法，使其强度直方图具有理想的形状。对比度拉伸操作的图像增强是有限的，因为它只能应用线性缩放函数。

python3-PIL二值化

run 2021-09-13 23:44:59 图像处理

 8203°

 20

python3-PIL二值化，这是一种点操作，通过将阀值以下的所有像素变为0，阀值以上的所有像素变为1，从灰度级的图像创建二值图像。

python3-PIL对比度拉伸

run 2021-09-10 00:06:58 图像处理

 5936°

 20

对比度拉伸操作是以低对比度图像作为输入，将强度值的较窄范围拉伸到所需的较宽范围，以输出高对比度的输出图像，从而增强图像的对比度。

python3-scikit幂等变换

run 2021-09-08 23:10:21 图像处理

 5053°

 20

将应用幂等变换对具有scikit-image的RPG彩色图像进行这样的变换，然后可视化变换对颜色通道直方图的影响

python3-PIL图像增强

run 2021-09-08 00:08:02 图像处理

 5626°

 20

图像增强的目地是提高图像的质量或使特定的特征显得更加突出。图像增强技术的一些例子有对比度拉伸，平滑和锐化。

python3-scipy-图像复原

run 2021-09-07 00:53:48 图像处理

 5995°

 20

scipy-图像复原，要进行图像复原，需对图像退化(degradation)过程进行建模，这样能够在很大程度上消除退化的影响，但面临图像信息和噪声会丢失信息。