深度学习系列25：注意力机制
1. 从embedding到Encoder-Decoder1.1 Embedding首先需要用到embedding，把K维的0-1特征向量用k维的浮点数特征向量表示。直观代码如下：from keras.models import Sequentialfrom keras.layers import
Stable Diffusion原理详解
本文向大家介绍了图像生成领域最前沿的Stable Diffusion模型。本质上Stable Diffusion属于潜在扩散模型(Latent Diffusion Model)。潜在扩散模型在生成细节丰富的不同背景的高分辨率图像方面非常稳健，同时还保留了图像的语义结构。 因此，潜在扩散模型是图像生成
【深度学习】--图像处理中的注意力机制
注意力机制是一个非常有效的trick，注意力机制的实现方式有许多。可以在知网上搜索一下yolov下的目标监测的硕士论文，没有一篇没有提到注意力机制的迭代修改的，所以很有必要学一下,最后给出了一个例子。输入还是等于输出，可是却是已经获取和注意力的特征．正是因为这个特点，所以注意力机制可以任意插拔。 *
超实用的7种 pytorch 网络可视化方法，进来收藏一波
引导前言1. torchsummary2. graphviz + torchviz3. Jupyter Notebook + tensorwatch4. tensorboardX5. netron6. hiddenlayer7. PlotNeuralNet结语前言网络可视化的目的一般是检查网络结构的
数据拟合（excel）
目的使用excel进行数据拟合，拟合出一定的公式，分析数据的趋势，最后通过拟定好的公式，写进代码里面的数值变量，来达到目标传感器与自己传感器采集出来数据的一致性
最详细的YOLO-V5模型配置文件yaml结构理解
YOLO-V5模型配置文件yaml结构详解
10种基于MATLAB的方程组求解方法
直接发和迭代法，都有一定的适用范围，对应复杂的方程组，往往没法收敛，启发式算法，比如粒子群，可以自适应的对方程组的解进行求解，对复杂的方程组的求解精度一般更高，代码通用性更强，PSO是由Kennedy和Eberhart共同提出，最初用于模拟社会行为，作为鸟群或鱼群中有机体运动的形式化表示。
Google Earth Engine（GEE）农作物种植结构提取
前段时间因为考研的原因一直没能更新，已经完成了农作物种植结构的提取，现在给大家分享一下。主要也是结合前面写过的Google Earth Engine（GEE）使用土地利用数据（modis）上采样Landsat数据提取农田范围，将以上结果作为研究的基础，结合物候特征，光谱特征，地形特征，选择随机森林算
pytorch2.0安装与体验
pytorch2.0 相对1.x进行了大版本更新，向下兼容！！！！通过官网阅读可知他最大的更新是torch.compile()，通过编译的方式，用一行代码实现模型的稳定加速。这个语句返回一个原来模型的引用，但是将forward函数编译成了一个更优化的版本。PyTorch 2.0 中支撑 torch.
目标检测--边框回归损失函数SIoU原理详解及代码实现
对目标检测边框回归的SIoU损失函数进行原理详解及代码实现
学会开发自己的Python AI应用【OpenAI API篇】
最近 OpenAI 宣布 ChatGPT 将很快推出他们的 API。虽然我们不知道这需要多长时间，但这之前我们可以熟悉下OpenAI API，快速开发自己的AI应用！通过今天学习 OpenAI API，你将能够访问 OpenAI 的强大模型，例如用于自然语言的 GPT-3、用于将自然语言翻译为代码的
人脸识别经典网络-MTCNN（含Python源码实现）
mtcnn为一个经典的人脸识别的卷积神经网络，其使用的图像金字塔作为一种常用的尺度处理手段，一致在CV领域流行使用，mtcnn提出了P-Net、R-Net、O-Net分层的处理人脸信息、提取特征并优化标定框的方式，有很大的借鉴意义，本文从应用层面介绍了mtcnn，并给出了代码实践方案。
高翔ORB-SLAM2稠密建图编译（添加实时彩色点云地图+保存点云地图）
目录前言系统版本一、准备工作下载源码二、编译 ./build.sh1.删除一些build文件夹2.创建 Vocabulary 文件夹3.在CMakeLists.txt中取消编译器的一些设置4.编译5.运行TUM数据集6.实时查看彩色点云地图1）2）7.保存彩色点云地图三、编译 ./build_ros
AI风暴 ：文心一言 VS GPT-4
AI风暴 ：文心一言 VS GPT-4
面试通过后，我该选B端还是C端方向？
点击上方关注前端技术江湖，一起学习，天天进步周末和某东的一个同事小聚了一下，开始小酌几杯，然后从诗词歌赋谈到人生哲学再到如何实现财富自由，时间到了进入了微醺的状态，也不由自主的开始面对现...
yolov7数据集格式用于目标识别与实例分割
解释yolov7目标识别与实例分割使用的数据集格式
音频（一）时域图、 频谱图 Spectrum
梅尔频率 倒谱 系数为了理解 梅尔频率 倒谱系数 ， 我们需要先理解以下基本概念：mel frequency cepstrum coefficient1. 频谱1.1 声音信号是一维的时域信号，无法观察出频率随时间的变化规律。1.2 频谱： 如果通过傅里叶变换把它变到频域上，可以看出信
Pointpillars三维点云实时检测
实现实时检测的pointpillars
NLP学习笔记——情感分析一 (简介)
情感分析的研究现状、技术方法、存在问题等简单介绍。
