pytorch如何搭建一个最简单的模型，
在 PyTorch 中，可以使用torch.nn模块来搭建深度学习模型。具体步骤如下：定义一个继承自的类，这个类将作为我们自己定义的模型。在类的构造函数__init__()中定义网络的各个层和参数。可以使用torch.nn模块中的各种层，如Conv2dLinear等。在类中定义前向传播函数forwa
MobileNet网络详解
Mobile net
Transformer13~目标检测算法汇总
都到了13了 ~~ 还是基于这个的么办法 自从VIT横空出世以来，Transformer在CV界掀起了一场革新，各个上下游任务都得到了长足的进步，然后盘点一下基于Transformer的端到端目标检测算法！进行了深入的消融研究，以验证DINO中不同设计选择的有效性。因此，DINO通过ResNet-5
【ROS】VSCODE + ROS 配置方法（保姆级教程，总结了多篇）
vscode + ros 配置方法（正在更新……）最近开始学习ROS，但是官方给的教程都是在终端命令行下实现的，如果想要编写代码我使用的是vscode进行编写。首先vscode它不是一个IDE，vscode只提供编辑的环境而不提供编译的环境,如果想要用vscode来集成开发环境，就必须安装必须的编译
Cursor！！！GPT-4帮我写代码
目前为止应该是第一个免费能够使用GPT4工作的软件，看作者的Twitter，他说自己提前向OpenAI要到了GPT4的API，然后在这么短的时间内就集成出一个IDE，效率之高简直离谱，并且实际测试代码生成速度也巨快。
AI遮天传 DL-CNN
上次我们介绍了多层感知机(MLP)，本次将介绍深度学习领域中第二个基本的模型：卷积神经网络(CNN)。CNN在MLP之上又引入了两种新的层：卷积层和池化层。
解读YOLO v7的代码(三)损失函数
对Yolov7的代码进行分析，研究其正样本生成机制以及损失函数
深度学习参数初始化（一）Xavier初始化 含代码
Xavier初始化也称为Glorot初始化，因为发明人为Xavier Glorot。Xavier initialization是 Glorot 等人为了解决随机初始化的问题提出来的另一种初始化方法，他们的思想就是尽可能的让输入和输出服从相同的分布，这样就能够避免后面层的激活函数的输出值趋向于0。..
Transformer到底为何这么牛
深度学习自出生以来就不被看好，随着计算机的发展和硬件条件的提升，这种大规模计算的深度学习才重新焕发光芒。但是我们都知道深度学习，甚至是深度强化学习的效率太慢了，人类只需要重复学习几次，甚至几十次就可以学会的东西，深度学习需要成千上万次，不得不感叹深度学习算法的学习真的太慢了。深度学习的学习效率问题是
图像修复（Image Restoration）算法数据集详细介绍
图像修复（Image Restoration）算法数据集详细介绍：人脸数据集【1.Helen Face 2.CelebA (Celebrity Attribute) 3.CelebA-HQ 4.FFHQ（Flickr-Faces-HQ）】场景数据集【1.MS COCO (Common Obje
YOLO系列模型改进指南
YOLO主流模型改进大杂烩！！！目前包含yolov5，yolov7，yolov8模型的众多改进方案，效果因数据集和参数而定，仅供参考。
GPU版本PyTorch详细安装教程
注意：30系列的的显卡暂时不支持cuda11以下版本！！！一、安装显卡驱动第一步：右击右下角开始，在设备管理器中查看计算机显卡型号，例如我的显卡是GTX1050：第二步：进入英伟达官网，下载对应显卡驱动：官方驱动 | NVIDIAhttps://www.nvidia.cn/Download/inde
UNet语义分割实战：使用UNet实现对人物的抠图
摘要在上一篇文章，我总结了一些UNet的基础知识，对UNet不了解的可以看看，文章链接：https://wanghao.blog.csdn.net/article/details/123714994我也整理的UNet的pytorch版本，文章链接：https://blog.csdn.net/hhhh
关于yolov8一些训练的情况
1、使用yolov8s训练(2000轮，真就一直训到了2000轮，不会象是yolov5一样收敛了就不训了)第一次map50=0.915，第一次训练依旧是2000轮，依旧是训练跑完2000轮了，map=0.91,map相差了0.5个点。(训练结果被我删除了，因为上面那个错误，然后我把run文件夹全部删
DDPG 代码调试问题
DDPG的一些问题整理：包括多维动作ddpg，ddpg取边界值，动作加约束的问题，尤其是添加动作约束后网络参数梯度为None这一块，很少有文章结合DDPG网络具体讲，因此把我的解决过程记录下来
深度学习常用的backbone有哪些
深度学习中常用的backbone有resnet系列（resnet的各种变体）、NAS网络系列（RegNet）、Mobilenet系列、Darknet系列、HRNet系列、Transformer系列和ConvNet。
Prompt Learning详解
现阶段NLP最火的两个idea 一个是对比学习（contrastive learning） 另一个就是 promptprompt 说简单也很简单 看了几篇论文之后发现其实就是构建一个语言模板 但是仔细想想又觉得复杂 总感觉里面还有很多细节 因此我想从头到尾梳理一下prompt 很多地方会把它翻译成[
超分之EDSR
这篇文章是SRResnet的升级版——EDSR，其对网络结构进行了优化(去除了BN层)，省下来的空间可以用于提升模型的size来增强表现力。此外，作者提出了一种基于EDSR且适用于多缩放尺度的超分结构——MDSR。EDSR在2017年赢得了NTIRE2017超分辨率挑战赛的冠军。参考目录：①深度学习
准确率、精确率、召回率、F1-score
追求召回率高，则通常会影响精确率。F1值为算数平均数除以几何平均数，且越大越好，将Precision和Recall的上述公式带入会发现，当F1值小时，True Positive相对增加，而false相对减少，即Precision和Recall都相对增加，即F1对Precision和Recall都进行
笔记--Ubuntu20.04安装Nvidia驱动、CUDA Toolkit和CUDA CuDNN
注：选择合适的版本进行安装，确保 CUDA Toolkit 的版本低于 Nvidia 驱动的版本！时，表明 pytorch 安装成功，pytorch 可以使用 Cuda 进行加速，Nvidia驱动、CUDA Toolkit 和 CUDA CuDNN 等均安装成功！末尾添加以下两条路径：（由于博主安装
