YOLOv8改进 | 2023主干篇 | FasterNeT跑起来的主干网络（ 提高FPS和检测效率）
本文给大家带来的改进机制是FasterNet网络，将其用来替换我们的特征提取网络，其旨在提高计算速度而不牺牲准确性，特别是在视觉任务中。它通过一种称为部分卷积（PConv）的新技术来减少冗余计算和内存访问。这种方法使得FasterNet在多种设备上运行速度比其他网络快得多，同时在各种视觉任务中保持高
大数据深度学习ResNet深度残差网络详解：网络结构解读与PyTorch实现教程
深度残差网络（Deep Residual Networks，简称ResNet）自从2015年首次提出以来，就在深度学习领域产生了深远影响。通过一种创新的“残差学习”机制，ResNet成功地训练了比以往模型更深的神经网络，从而显著提高了多个任务的性能。深度残差网络通过引入残差学习和特殊的网络结构，解决
RAG中的3个高级检索技巧
本文将探讨三种有效的技术来增强基于rag的应用程序中的文档检索，通过结合这些技术，可以检索与用户查询密切匹配的更相关的文档，从而生成更好的答案。
【Week-P5】CNN运动鞋品牌识别
说明：根据自己定义的函数更新学习率。关键参数详解：●：是之前定义好的需要优化的优化器的实例名称●：更新学习率的函数用法示例：lambda1 = lambda epoch: (0.92 ** (epoch // 2) # 第二组参数的调整方法scheduler = torch.optim.lr_sch
MMSeg框架segformer模型训练自己的数据集
mmsegmentation训练跑自己的数据集改配置文件，包含多卡跑、单卡跑、可视化日志等
机器学习、人工智能、深度学习的关系
传统的机器学习方法在面对数据量激增的情况下，其性能表现得差强人意，与此形成鲜明对比的是，深度学习反而表现出卓越的性能，特别是在2010年之后，各种深度学习框架的发布及其在各领域的突出表现，更进一步促进了深度学习算法的发展。人工智能范围很广，它是一门新的科学与工程，是研究、开发用于模拟、延伸和扩展人的
【深度学习基础】反向传播BP算法原理详解及实战演示（附源码）
【深度学习基础】反向传播BP算法原理详解及实战演示（附源码）
【Ubuntu20.04 CUDA11.1+Torch1.10+Anaconda 保姆级安装教程】
Ubuntu20.04下配置深度学习环境，详细讲解CUDA11.1、Torch1.10、Anaconda的安装过程
AI：11-基于深度学习的鱼类识别
当今，人工智能和深度学习已经成为许多领域的关键技术。在生态学和环境保护领域，鱼类识别是一项重要的任务，因为准确识别和监测鱼类种群对于保护水生生物多样性和可持续渔业管理至关重要。基于深度学习的鱼类识别系统能够自动识别和分类不同种类的鱼类，为生态学研究和渔业管理提供有力的工具。基于深度学习的鱼类识别系统
4种通过LLM进行文本知识图谱的构建方法对比介绍
本文将介绍和比较使用LLM转换非结构化文本的四种方法，这些方法在不同的场景中都可能会用到。
transformer概述和swin-transformer详解
transformer和swin-transformer
开源模型应用落地-qwen-7b-chat与vllm实现推理加速的正确姿势（一）
1、你是否一直在寻找qwen-7b-chat推理加速的方法，但是一直找不到合适的解决方案？2、你是否一直在拼凑网上零散的资料，但是连demo都无法运行起来？3、你是否正在学习开源模型，并寻找解决方案？
Tokenization 指南：字节对编码，WordPiece等方法Python代码详解
计算机要处理语言，首先需要将文本转换成数字形式。这个过程由一个称为标记化 Tokenization。
聊聊关于分类和分割的损失函数：nn.CrossEntropyLoss()
解释分类和分割中，CrossEntropyLoss 交叉熵损失函数的作用
AI：105-基于深度学习的手术操作监控与辅助
AI：105-基于深度学习的手术操作监控与辅助随着人工智能技术的飞速发展，深度学习作为其重要组成部分，在医学领域取得了显著的成就。其中，基于深度学习的手术操作监控与辅助系统成为医学界的研究热点。本文将深入探讨深度学习在手术领域的应用，重点关注手术操作的实时监控与辅助技术，并提供一个简单的代码实例来说
神经网络卷积反卷积及池化计算公式、特征图通道数（维度）变化实例
神经网络卷积反卷积及池化计算公式、特征图通道数（维度）变化实例
OpenCV | 告别人工目检：深度学习技术引领工业品缺陷检测新时代
本书专注于介绍OpenCV4在工业领域的常用模块，通过合理的章节设置构建了阶梯式的知识点学习路径。化繁就简、案例驱动，注重算法原理、代码演示及在相关场景的实际使用。本书还介绍了必备的深度学习知识与开发技巧，拓展OpenCV开发者技能。全书共16章，分为3篇。● 基础篇（第1～4章）：主要介绍Open
huggingface下载的.arrow数据集读取与使用说明
huggingface下载的arrow数据集读取与使用说明
AI：05- - 基于深度学习的道路交通信号灯的检测与识别
随着人工智能的快速发展，基于深度学习的视觉算法在道路交通领域中起到了重要作用。本文将探讨如何利用深度学习技术实现道路交通信号灯的检测与识别，通过多处代码实例展示技术深度。道路交通信号灯是指示交通参与者行驶和停止的重要信号。准确地检测和识别交通信号灯对于智能交通系统和自动驾驶技术的发展至关重要。传统的
