Keras中如何设置学习率和优化器以及两者之间的关系
Keras对优化器和学习率做了很好的封装，以至于很多人搞不清楚怎么设置学习率，怎么使用优化器，两者到底有什么区别。
文本-图像生成（Text-to-Image Generation）的评价指标介绍——CLIPScore、TISE
文本到图像生成的评价指标综述
yolov7训练自己的数据集
yolov7训练自己的数据集并使用labellmg标注工具的安装和使用
一文看懂卷积运算（convolution）与互相关运算（cross-correlation）的区别
一文看懂卷积运算（convolution）与互相关运算（cross-correlation）的区别
【翻译】为深度学习购买哪种GPU: 我在深度学习中使用GPU的经验和建议
这篇博文的结构如下。首先，我将解释是什么让GPU变得快速。我将讨论CPU与GPU、Tensor Cores、内存带宽和GPU的内存层次，以及这些与深度学习性能的关系。这些解释可能会帮助你对在GPU中寻找什么有一个更直观的感觉。我讨论了新的NVIDIA RTX 40安培GPU系列的独特功能，如果你购买
Bert 得到中文词向量
通过bert模型得到中文词向量
【详解】BiLSTM+CRF模型
1 BiLSTM-CRF模型用途命名实体识别(Named Entity Recognition，NER)定义从一段自然语言文本中找出相关实体，并标注出其位置以及类型。是信息提取, 问答系统, 句法分析, 机器翻译等应用领域的重要基础工具。在自然语言处理技术走向实用化的过程中占有重要地位. 包含行业,
睿智的目标检测——PyQt5搭建目标检测界面
基于B导开源的YoloV4-Pytorch源码开发了戴口罩人脸检测系统（21年完成的本科毕设，较为老旧，可自行替换为最新的目标检测算法）。
让PyTorch训练速度更快，你需要掌握这17种方法
与传统的学习率 schedule 相比，在最好的情况下，该 schedule 实现了巨大的加速（Smith 称之为超级收敛）。然后，这个周期的长度应该略小于总的 epochs 数，并且，在训练的最后阶段，我们应该允许学习率比最小值小几个数量级。一个比较好用的经验是，batch 大小加倍时，学习率也要
知识图谱之知识抽取
知识抽取是知识图谱构建的核心技术之一，是实现自动化构建大规模知识图谱的重要技术。其目的主要从不同来源、不同结构的数据中进行知识提取并存入知识图谱中。知识抽取任务主要包括以下三个子任务：实体抽取、关系抽取和事件抽取。
保姆级Gmapping算法介绍到复现
1.概述本文主要是学习SLAM过程中，记录下我复现Gmapping算法的过程，包括我遇到的各种问题，以便后续自己复习，也希望能对大家有所帮助，在此，也感谢很多CSDN的前辈的文章，给了我很多帮助，在此致谢。2.下载Gmapping源代码安装编译所需要的依赖包sudo apt-get install
Landsat Collection 2 数据集详细介绍（T1/T2产品差异）
第 2 层场景遵循与第 1 层场景相同的辐射标准，但不符合第 1 层几何规范，因为轨道信息不太准确（特定于旧的 Landsat 传感器） )、明显的云层覆盖、地面控制不足或其他因素。第 1 层包括 1 级精度和地形 (L1TP) 校正数据，这些数据具有良好的辐射特性，并在不同的 Landsat 仪器
【AI智能写作】怎样写一篇高质量热门火爆的技术文章？
怎样写出一篇高质量的文章？写一篇高质量热门火爆的技术文章需要以下几个步骤：找到您感兴趣的话题：选择一个您感兴趣的话题，这样您就会更有动力和热情地写作。同时，您也需要确保您选择的话题是热门和具有吸引力的，以吸引更多的读者。选择一个热门话题：选择一个人们正在关注的技术话题，并确保您的文章提供有价值的信息
脑电EEG代码开源分享 【1.前置准备-静息态篇】
本文档旨在归纳BCI-EEG-matlab的数据处理代码，作为EEG数据处理的总结，方便快速搭建处理框架的Baseline，实现自动化、模块插拔化、快速化。本文以非锁时任务（无锁时刺激，如静息态、运动想象）为例，分享脑电EEG的前置准备方法。前置准备是数据处理的敲门砖，前置准备的主要功能，分为以下4
当下呼声最高的NeRF究竟是什么？
作为今年计算机视觉领域最火的AI技术，NeRF可谓是应用广泛，前景一片大好。
【yolov5s中加入DCNv2（可变形卷积v2）】
在yolov5s中加入DCNv2进行实验
实测百度文心一言距离ChatGPT还有多远？
期待已久之后，终于拿到了文心一言的邀请码，第一时间进行了测试。最后面会讲一下如何获取邀请码。
工业互联网网络体系安全防护研究
摘要：深入实施工业互联网创新发展战略对加速我国产业数字化转型、抢占国际竞争制高点意义重大。网络体系是工业互联网的基础，网络体系的安全是核心保障，从防护对象、防护措施、防护管理等视角出发，通过对网络体系安全的总体研究，提出了相关安全建议，以期通过对工业互联网网络安全的研究，保障工业实体经济安全快速发展
量化策略——准备3 数据、Backtrader回测框架与quantstats评价指标
我们一般使用这个库来获取股票数据或策略中用得到的数据：使用Backtrader框架作为回测的框架：使用quantstats库作为回测结果评价的库：这一部分准备好之后，后续我们将关注点主要放在【策略】上，对于数据、评价指标这些如无特殊处理，将不再赘述。整个量化的框架构造起来不太容易，如果以前有所了解，
一文看懂膨胀（空洞）卷积（含代码）
详细说明了膨胀卷积（空洞卷积）的背景，特点，特点解释，计算，优缺点，代码
