全景分割（Panoptic Segmentation）（CVPR 2019）
全景分割（Panoptic Segmentation）
猿创征文｜信息抽取（2）——pytorch实现Bert-BiLSTM-CRF、Bert-CRF模型进行实体抽取
猿创征文｜信息抽取（2）——pytorch实现Bert-BiLSTM-CRF、Bert-CRF模型进行实体抽取
KITTI数据集解析和可视化
文章链接概述KITTI数据集是目前国际上最大的自动驾驶场景下的计算机视觉算法评测数据集。该数据集用于评测立体图像(stereo)，光流(optical flow)，视觉测距(visual odometry)，3D物体检测(object detection)和3D跟踪(tracking)等计算机视觉技
透彻分析Transformer中的位置编码（positional enconding）
Transformer中为什么要使用位置编码positional encoding
tt100k数据集跑yolov5s模型时，所遇到的问题记录
yolov5遇到的错误
pytorch GPU分布式训练 单机单卡、单机多卡
GPU分布式训练
谷歌Colab（免费算力平台）——正确打开方式（常用操作指导tips）
谷歌Colab算力平台的正确打开方式！！常用操作指导：数据集问题、谷歌云盘和colab的使用、jupyter指令、colab中的路径问题、如何再colab中使用GPU等等。
多智能体强化学习MAPPO源代码解读
多智能体强化学习MAPPO源代码解读在上一篇文章中，我们简单的介绍了MAPPO算法的流程与核心思想，并未结合代码对MAPPO进行介绍，为此，本篇对MAPPO开源代码进行详细解读。本篇解读适合入门学习者，想从全局了解这篇代码的话请参考博主小小何先生的博客。论文名称：The Surprising Eff
yolov8 瑞芯微RKNN和地平线Horizon芯片仿真测试部署
yolov8 瑞芯微RKNN和地平线Horizon芯片仿真测试部署。包含模型、测试图片和完整测试代码。跟上技术的步伐，yolov8 首个板端芯片部署。
anaconda：安装cuda和对应版本的cudnn
复现别人论文的时候经常遇到不同的cuda版本，可以使用anaconda创建虚拟环境，并在不同的虚拟环境中配置对应的cuda版本。
PyTorch多进程模型推理
Python多进程，PyTorch多进程加速模型推理
目标检测算法——收藏|小目标检测难点分析（二）
目标检测算法——收藏|小目标检测难点分析（二）。可利用特征少无论是从基于绝对尺度还是基于相对尺度的定义，小目标相对于大/中尺度尺寸目标都存在分辨率低的问题。低分辨率的小目标可视化信息少，难以提取到具有鉴别力的特征，并且极易受到环境因素的干扰，进而导致了检测模型难以精准定位和识别小目标。
pytorch预训练模型下载保存路径和路径更改
pytorch 预训练模型下载
端到端模型（end-to-end）与非端到端模型
端到端模型（end-to-end）与非端到端模型，pipeline，序列到序列
使用网上服务器（AutoDL）训练模型
租服务器（AutoDL）训练网络模型
二十. 在ROS系统上实现基于PyTorch YOLO v5的实时物体检测
在ROS系统上实现基于PyTorch YOLO v5的实时物体检测
Python NLP自然语言处理详解
在这个大数据时代，几乎所有事物都能用数据描述。数据可以大致分为三类。第一类是用于传播的媒体数据，如图片、音频、视频等。这类数据一般不需要做处理，只需要存储和读取。第二类是数字类数据，其价值很高。因为数字是有一定规律的，从已有数字中发现的规律可以用于预测未来的数据。这也是传统大数据处理与分析的主要方面
ChatGPT原理解析
在时序模型中，2017年最常用的模型是循环神经网络(RNN)，RNN是一种序列模型，通过将之前的信息存储在隐藏状态中，使得它能够有效地处理时序信息。也就是说，在进行下游任务时，不需要下游任务的任何标注信息，也不需要再次训练模型，然后得到了差不多的结果。因此，它回到了GPT一开始考虑的few-shot
基于BERT的自然语言处理垃圾邮件检测模型
在我们日常的网络通信中，垃圾邮件成为了我们必须要面对的问题之一。传统的垃圾邮件检测模型需要使用手动设计的规则和特征进行分类，但这种方法在复杂的邮件分类任务上表现并不理想。随着自然语言处理技术的不断发展，利用深度学习技术进行垃圾邮件检测的方法也变得越来越普遍。本文将介绍基于BERT的自然语言处理垃圾邮
卷积 - 3. 分组卷积 详解
1. 起源分组卷积(Group Convolution) 起源于2012年的AlexNet - 《ImageNet Classification with Deep Convolutional Neural Networks》。由于当时硬件资源的限制，因为作者将Feature Maps分给多个GPU
