每日AI值得看--2023-08-01

[CSDN-Ada助手]

① 【CVPR2023】详细解读 Multi-Concept Customization of Text-to-Image Diffusion 论文和代码（沉迷单车的追风少年:[博客] [成就]） [质量分：95；难度等级：高(关键词：论文)；新鲜技术：99]
摘要：我认为本文的两个主要贡献点：1、通过实验说明微调扩散模型的哪些部分是最有效的。《微调stable diffusion哪个部分才是最有效的？2、面对多个概念组合时，可以先单独训练各个概念模型，再通过约束优化将多个微调模型合并成一个。

② 【机器学习】分类算法 - 朴素贝叶斯 MultinomialNB（士别三日wyx:[博客] [成就]） [质量分：86；难度等级：初；新鲜技术：99]
摘要：朴素贝叶斯法（Naive Bayes model 简称NBM）是基于「贝叶斯定理」与「特征条件独立假设」的分类方法。「贝叶斯定理」：也叫贝叶斯公式，用来描述两个「条件概率」之间的关系。

③ Pytorch使用VGG16模型进行预测猫狗二分类（山河亦问安:[博客] [成就]） [质量分：94；难度等级：中；新鲜技术：99]
摘要：深度学习已经在计算机视觉领域取得了巨大的成功，特别是在图像分类任务中。VGG16。

④ PyTorch 中的多 GPU 训练和梯度累积作为替代方案（冷冻工厂:[博客] [成就]） [质量分：87；难度等级：中；新鲜技术：99]
摘要：因此，为了累积梯度，我们调用 loss.backward() 来获取我们需要的梯度累积数量，而不将梯度设置为零，以便它们在多次迭代中累积，然后我们对它们进行平均以获得累积梯度迭代中的平均梯度（loss = loss/ACC_STEPS）。

⑤ 【机器学习】Overfitting and Regularization（CS_木成河:[博客] [成就]） [质量分：96；难度等级：初；新鲜技术：99]
摘要：拟合度= 6的数据；线性回归和逻辑回归之间的损失函数存在差异，但在方程中添加正则化是相同的。运行梯度下降的基本算法不会随着正则化发生改变，正则化改变的是计算梯度。为0(没有正则化)，开始拟合数据，出现了过拟合现象。为1(增加正则化)，开始拟合数据。

⑥ 使用腾讯云 Cloud studio 实现调度百度AI实现文字识别（全栈若城:[博客] [成就]） [质量分：91；难度等级：初；新鲜技术：99]
摘要：今天我们也来高大上一下，玩一把人工智能。那就是免费调用百度AI实现图片上面的文字识别。相对于Python的第三方库，百度人工智能要更强大，毕竟人工智能不是那么容易搞的。要调用，其实很简单，关键的代码只需要三行。但需要先注册百度AI，获得ID和密钥。。

⑦ 使用机器学习进行疾病预测 -- 机器学习项目基础篇（3）（吃肉的小馒头:[博客] [成就]） [质量分：92；难度等级：初(关键词：基础)；新鲜技术：99]
摘要：本文旨在实现一个强大的机器学习模型，可以根据他/她所拥有的症状有效地预测人类的疾病。最后，我们将定义一个函数，该函数以逗号分隔的症状作为输入，通过使用训练的模型根据症状预测疾病，并以JSON格式返回预测结果。

⑧ Convolution operation and Grouped Convolution（SmartDemo:[博客] [成就]） [质量分：89；难度等级：初；新鲜技术：99]
摘要：【代码】Convolution operation and Grouped Convolution。

⑨ 基于word2vec预训练词向量+Bi-LSTM实现Amazon评论情感二分类程序（小思非陌:[博客] [成就]） [质量分：85；难度等级：初；新鲜技术：99]
摘要：相较评论文件分析主要变化在于在线评论爬取。(2) 评论文件分析：用户输入csv文件路径及评论列号，系统获取评论内容并分析情感趋向，生成分类饼状图，最终将评论内容、饼状图及评论数显示在界面上。数据集原标注为1和2，修改为0和1，以训练集举例，测试集同理。

⑩ 使用 OpenCV 和深度学习对黑白图像进行着色（TD程序员:[博客] [成就]） [质量分：84；难度等级：初(领域：OpenCV；匹配程度：0.38)；新鲜技术：99]
摘要：在本文中，我们将创建一个程序将黑白图像（即灰度图像）转换为彩色图像。我们将为此程序使用 Caffe 着色模型。您应该熟悉基本的 OpenCV 功能和用法，例如读取图像或如何使用 dnn 模块加载预训练模型等。现在让我们讨论实现该程序所遵循的过程。