基于时序模式注意力机制（TPA）的长短时记忆（LSTM）网络TPA-LSTM的多变量输入风电功率预测
0 前言1、TPA理论注意力机制（Attention mechanism）通常结合神经网络模型用于序列预测，使得模型更加关注历史信息与当前输入信息的相关部分。时序模式注意力机制（Temporal Pattern Attention mechanism, TPA）由 Shun-Yao Shih 等提出
带图讲解，深度学习YOLO里面的anchors的进阶理解
可视化网格grid及anchors
【yolov6系列一】深度解析网络架构
在yolov5霸屏计算机视觉领域很久时，六月处美团开源了yolov6，并号称在精度和速度上均超越其他同量级的计算机视觉模型，刚刚瞅了一眼，star已经超过2.8k。网上基于yolov6的解读有很多，文末会附上美团的官方解读和开源代码的github链接。文本开始yolov6系列，先和大家分享下整个yo
深度学习（一）深度学习简介以及常用算法
深度学习属于机器学习的范畴，深度学习可以说是在传统神经网络基础上的升级，约等于神经网络。深度学习和传统机器学习在数据预处理上都是类似的。核心差别在特征提取环节，深度学习由机器自己完成特征提取，不需要人工提取。学习能力强覆盖范围广，适应性好数据驱动，上限高可移植性好计算量大，便携性差硬件需求高模型设计
Self-Attention详解
文章目录Sequence数据的处理Sequence Labeling（输入和输出的大小一样）Self-Attention内部机理如何求解b？Multi-head Self-AttentionPositional EncodingSelf-Attention for ImageSelf-Attenti
双目相机基本原理
双目相机基本原理
一分钟玩转Stable Diffusion
Stable Diffusion，Ai绘图
Yolov7-pose 训练body+foot关键点
yolo-pose
什么是YOLOR？
因此，YOLOR 是一个统一的网络，可以一起处理隐性和显性知识，并产生由于该方法而改进的一般表示。YOLOR 是一种用于对象检测的最先进的机器学习算法，与 YOLOv1-YOLOv5 不同，原因在于作者身份、架构和模型基础设施的差异。YOLOR研究论文的标题为“你只学习一种表示：多个任务的统一网络”
模型调优：验证集的作用（就是为了调整超参数）
注意这里的表现，是指在验证集上的表现。好比训练轮数（epochs），在同样的训练集上，训练3轮和训练10轮，结果肯定是不一样的模型。一般训练几个 epoch 就跑一次验证看看效果，如果发现训练3轮效果更好，那么就应该丢弃掉训练6轮、10轮的潜在模型，只用训练3轮的结果。所以必须从训练样本中取出一部分
CA-用于轻型网络的坐标注意力 | CVPR2021
CA-用于轻型网络的坐标注意力 | CVPR2021
AI又进化了，声音克隆革命性突破
用AI唱了几首歌
Anaconda下的tensorflow-gpu2.6.0安装使用
# Anaconda下的tensorflow-gpu2.6.0安装使用
使用Unit Scaling进行FP16 和 FP8 训练
Unit Scaling 是一种新的低精度机器学习方法，能够在没有损失缩放的情况下训练 FP16 和 FP8 中的语言模型。
最新人机对话工具：GPT4介绍（ChatGPT升级版 支持图片且更智能）
今天偶然发现期待已久的GPT-4发布了，比上一版的ChatGPT（GPT-3.5）性能还好，最主要是支持图片输入，就增加了很多新的场景
Softmax分类器及交叉熵损失（通俗易懂）
简单的说,softmax函数会将输出结果缩小到0到1的一个值，并且所有值相加为1，cross-entropy一般再softmax函数求得结果后再用，
深度学习：根据 loss曲线，对模型调参
深度学习模型调参笔记train loss 下降，val loss下降，说明网络仍在学习； 奈斯，继续训练train loss 下降，val loss上升，说明网络开始过拟合了；赶紧停止，然后数据增强、正则train loss 不变，val loss不变，说明学习遇到瓶颈；调小学习率或批量数目trai
YOLOX优点介绍与解析，详细易懂。
YOLOX各个优点详解，让你一篇文章了解！
主动学习(Active Learning，AL)的理解以及代码流程讲解
针对有监督的学习任务，存在标记成本较为昂贵且标记难以大量获取的问题。 在此问题背景下，主动学习（Active Learning, AL）尝试通过选择性的标记较少数据而训练出表现较好的模型。主动学习的工作流程的关键是选择模型、使用的不确定性度量以及应用于请求标签的查询策略。主要步骤为：收集数据、建立模
从零开始完成YOLOv5目标识别（三）用PyQt5展示YOLOv5的识别结果
用pyqt5实现yolov5图像、视频和摄像头的实时监测
