【8】SCI易中期刊推荐——图像处理领域（中科院4区）
📚📚 SCI即《科学引文索引》是1961年由美国科学信息研究所创办的文献检索工具。在我国，SCI不仅是一部权威的文献检索工具，更是评价个人&团队科研学术水平及优秀创新成果的一种重要依据。
部署运行ai智障写作记录【ChatRWKV】
看到知乎一篇教程……
基于YOLOv5的中式快餐店菜品识别系统
本文基于YOLOv5v6.1提出了一套适用于中式快餐店的菜品识别自助支付系统，综述了食品识别领域的发展现状，简要介绍了YOLOv5模型的历史背景、发展优势和网络结构。在数据集预处理过程中，通过解析UNIMIB2016，构建了一套行之有效的标签格式转换与校验流程，解决了YOLOv5中文件路径问题、标签
结构重参数化（Structural Re-Parameters）PipLine
结构重参数化基础知识储备
模型训练时测试集上正确率大于训练集
数据集切分的时候不均匀，也就是说训练集和测试集的分布不均匀，如果模型能够正确地捕捉到数据内部的分布模式的话，就有可能造成训练集的内部方差大于验证集，会造成训练集的误差更大，这个时候就需要重新划分数据集，使其分布一样。训练集的准确率是每个batch之后产生的，而验证集的准确率一般是一个epoch后产生
语义分割系列11-DAnet（pytorch实现）
本文介绍了DAnet网络，介绍了Position Attention和Channel Attention两个Attention机制的构建方式，在pytorch框架上复现了DAnet网络，在Camvid数据集上进行测试。本文提供了DAnet网络的代码和测试结果。
Anaconda D2L 虚拟环境安装配置
Anaconda配置d2l环境，包安装
torch.cuda常用指令
torch.cuda常用指令
神经网络与深度学习
神经网络与深度学习复习
3D卷积神经网络详解
1 3d卷积的官方详解2 2D卷积与3D卷积1）2D卷积 2D卷积：卷积核在输入图像的二维空间进行滑窗操作。2D单通道卷积 对于2维卷积，一个3*3的卷积核，在单通道图像上进行卷积，得到输出的动图如下所示：2D多通道卷积 在之前的2D单通道的例子中，我们在一张图像上使用卷积核进行扫描，得
PaddleNLP系列课程二：RocketQA、SKEP（属性级情感分析）、通用信息抽取技术UIE
本文是《AI快车道PaddleNLP系列直播课》学习笔记，暂未完结
Anaconda保姆级安装配置教程（新手必看）
本人深度学习入门小白，创建了一个关于深度学习环境配置的专栏，包括从anaconda到cuda到pytorch的一系列操作，本篇文章为Anaconda的保姆级安装教程，也是环境配置专栏的第一步
深度学习之语义分割算法（入门学习）
深度学习之语义分割算法（入门学习）。小海带近期对语义分割算法比较感兴趣，今后会不断学习以及更新深度学习图像分割领域的知识，感兴趣的小伙伴可以一起讨论交流哇！关于计算机视觉以及YOLO算法改进方面也会偶尔更新一下下，需要代码咨询的小伙伴可以随时给小海带留言喔 ~ 🤞 💕
Pytorch深度学习实战3-7：详解数据加载DataLoader与模型处理
本文以MNIST手写数据集为例，图文讲解Pytorch中操作数据的核心类Dataset和DataLoader，介绍其基本原理和主要的数据预处理方法
【计算机视觉】目标检测—yolov5自定义模型的训练以及加载
yolov5如何自定义训练模型？如何加载模型并进行解读
HuggingFace——Accelerate的使用
HuggingFace----Accelerate的使用
paddlepaddle模型的保存和加载
主要介绍了动态图和静态图模型的保存以及模型的加载预测
深度学习：可视化方法（模型可视化，训练过程可视化，特征提取可视化）
深度学习可视化，pytorch（tensorboard/netron）
【Unet系列】（三）Unet++网络
Unet++主要是探索encoder和decoder需要多大的问题，以此为基础，提出了融合不同尺寸Unet结构的网络。创新点就是把不同尺寸的Uent结构融入到了一个网络里。
YOLOV5-网络结构和组件介绍
总的来说在基本网络结构中，会对CSP网络的参数进行确定，而我们将用公式吧参数和给出的深度，宽度参数进行计算，从而算出残差次数的使用次数，也就控制了深度。采用上，下采样灵活的构造特征金字塔。在Yolov5中也是通过这样的方式 ，当时Yolov5采用了一个更好的方式，可以使得加灰边的大小尽可能的小，可以
