人工智能-卷积神经网络之多输入多输出通道
在最流行的神经网络架构中，随着神经网络层数的加深，我们常会增加输出通道的维数，通过减少空间分辨率以获得更大的通道深度。我们演示了一个具有两个输入通道的二维互相关运算的示例。阴影部分是第一个输出元素以及用于计算这个输出的输入和核张量元素：(1×1+2×2+4×3+5×4)+(0×0+1×1+3×2+4
学习如何使用GPT2进行文本生成（torch+transformers）
GPT2是OPen AI发布的一个预训练语言模型，见论文《Language Models are Unsupervised Multitask Learners》，GPT-2利用单向Transformer的优势，做一些BERT使用的双向Transformer所做不到的事。那就是通过上文生成下文文本。
DINO在Windows环境下训练 自定义数据集
DINO: 让目标检测拥抱Transformer
基于YOLOv5的停车位检测系统（清新UI+深度学习+训练数据集）
基于YOLOv5的停车位检测系统用于露天停车场车位检测，应用深度学习技术检测停车位是否占用，以辅助停车场对车位进行智能化管理。在介绍算法原理的同时，给出Python的实现代码、训练数据集以及PyQt的UI界面。博文提供了完整的Python代码和使用教程，适合新入门的朋友参考，完整代码资源文件请转至文
Spectron: 谷歌的新模型将语音识别与语言模型结合进行端到端的训练
Spectron是谷歌Research和Verily AI开发的新的模型。与传统的语言模型不同，Spectron直接处理频谱图作为输入和输出。该模型消除归纳偏差，增强表征保真度，提高音频生成质量。
【人工智能】LLM大模型中的词嵌入和上下文理解技术实例讲解，附具体的代码例子
词嵌入（Word Embeddings）可以将高维的文本数据转换成低维的稠密向量表示，在进行自然语言处理任务时，这样的表示方式可以帮助算法理解词语之间的相似性以及上下文关系。以下是一个使用 TensorFlow 和 Keras 实现 Word2Vec 词嵌入模型的代码实例。
【AI】了解人工智能、机器学习、神经网络、深度学习
【AI】了解人工智能、机器学习、神经网络、深度学习。
基于BILSTM时间序列预测 python程序
基于BILSTM时间序列预测 python程序
VOC数据集格式转COCO数据集格式
VOC数据集转COCO数据集
【AI】深度学习——人工智能、深度学习与神经网络
表示学习与深度学习：传统机器学习是对经过特征工程抽取后的特征进行运算，而特征工程的作用就是消除语义鸿沟，与深度学习结合的特征抽取也称为表示学习深度学习可以用一系列非线性函数的复合表示深度学习天然是神经网络，介绍了人类大脑机制，与神经元的工作机制，人工神经网络有三种模型（前馈，记忆，图网络），且本身是
ST-GCN复现的全过程（详细）
目录提前工作服务器本机环境数据集运行逻辑第一步 处理数据集第二步训练网络第三步 测试总结的问题提前工作服务器我其实复现了2次，第一次是用的3070，第二次尝试了并行超算云服务器，里面有8张 A100。两个都是采用了本机远程ssh连接服务器跑。（超算云服务器跑ST-GCN的一些配置可以之前写的博客：并
目标检测算法——收藏|小目标检测的定义（一）
目标检测算法——收藏|小目标检测的定义（一）。小目标检测一直以来是计算机视觉领域中的一个难点和研究热点。本期小海带主要对小目标检测的定义与难点进行全面总结，有需要的小伙伴赶快收藏起来！！！
7.卷积和Transformer结合的ViT
前面两节课我们讲了Swin Transformer的结构，以及其中的细节部分，进行了实现，其中由Swin Block 以及 Patch Merging等等，上节课讲了 SW-MSA的shift和mask，对于shift之后，其中window中需要的保留，不需要的去掉，用到了boardcasting等
下载及安装NCCL教程
nccl下载安装参考。
10月发布的5篇人工智能论文推荐
10月发布的5篇人工智能论文推荐
Tensorflow实现训练数据的加载—模型搭建训练保存—模型调用和加载全流程
在Tensorflow深度学习框架下，实现从模型训练数据的加载—模型训练保存—模型调用和加载。
深入了解 Hugging Face 中的生成工具：Generate方法
自然语言生成是自然语言处理领域的一个热门研究方向。Hugging Face 是当前最为流行的自然语言处理库之一，其在自然语言生成领域也提供了一系列实用的工具，以便开发者能够更方便地构建、训练和部署自然语言生成模型。本文将深入介绍 Hugging Face 中的生成工具，涵盖其原理、实现细节以及如何使
卷积核的尺寸、数量、通道数
torch.squeeze() 这个函数主要对数据的维度进行压缩，去掉维数为1的的维度，比如是一行或者一列这种，一个一行三列（1,3）的数去掉第一个维数为一的维度之后就变成（3）行。还有一种形式就是b=torch.squeeze(a，N) a就是在a中指定位置N加上一个维数为1的维度。给指定位置加上
Pytorch版Mask-RCNN图像分割实战（自定义数据集）
Mask R-CNN是一种广泛应用于目标检测和图像分割任务的深度学习模型，它是由Faster R-CNN（一种快速目标检测模型）和Mask R-CNN（一种实例分割模型）组成的。Mask R-CNN将Faster R-CNN中的RPN和RoI Pooling层替换成了RPN和RoI Align层，以
pytorch中nn.ModuleList()使用方法
我们可以将我们需要的层放入到一个集合中，然后将这个集合作为参数传入nn.ModuleList中，但是这个子类并不可以直接使用，因为这个子类并没有实现forward函数，所以要使用还需要放在继承了nn.Module的模型中进行使用。
