4. 池化层相关概念
① 在 Anaconda 终端里面，激活py3.6.3环境，再输入 tensorboard --logdir=C:\Users\wangy\Desktop\03CV\logs 命令，将网址赋值浏览器的网址栏，回车，即可查看tensorboard显示日志情况。④ 池化使得数据由5 * 5 变为3 *
机器学习之前向传播（Forward Propagation）和反向传播（Back propagation）
在前向传播中，数据从输入层经过各个中间层（隐层）的神经元，经过加权和激活函数的计算，传递到输出层，最终得到模型的预测输出。：反向传播通过链式法则计算梯度，从输出层开始，将损失函数对每个参数的梯度向后传递到每一层，以确定每个参数的梯度。：反向传播是指在前向传播之后，通过计算损失函数对模型参数的梯度，从
第61步 深度学习图像识别：多分类建模（TensorFlow）
第61步 深度学习图像识别：多分类建模（TensorFlow）
机器学习之损失函数（Loss Function）
选择适当的损失函数取决于您的问题类型和任务目标。在训练过程中，优化算法会尝试最小化损失函数，以调整模型参数，使其能够更好地拟合训练数据和泛化到新数据。不同的损失函数会导致不同的训练行为和模型性能，因此选择合适的损失函数是非常重要的。损失函数（Loss Function）是机器学习和深度学习中的关键概
机器学习之损失函数
用于两阶段物体检测算法（如Faster R-CNN），包括区域建议网络（RPN）的分类损失和回归损失，以及目标检测网络（Fast R-CNN）的分类损失和回归损失。：用于二分类和多类别分类任务，包括二元交叉熵（Binary Cross-Entropy）和多元交叉熵（Categorical Cross
深度学习7:生成对抗网络 – Generative Adversarial Networks | GAN
生成对抗网络 GAN 的基本原理大白话版本非大白话版本第一阶段：固定「判别器D」，训练「生成器G」第二阶段：固定「生成器G」，训练「判别器D」循环阶段一和阶段二GAN的优缺点10大典型的GAN算法GAN 的13种实际应用
深度学习经典检测方法的概述
这些算法采用了单阶段的检测方式，即所有目标的检测和分类都在一个单独的网络中完成。相比于传统的两阶段检测（如Faster R-CNN和Mask R-CNN），YOLO系列具有更快的检测速度和更高的实时性能，但也存在一定的精度损失。通过比较预测结果和真实目标之间的差异，我们可以计算出模型的精度。在深度学
深度学习优化入门：Momentum、RMSProp 和 Adam
深度学习优化入门：Momentum、RMSProp 和 Adam
使用 Transformer 和 Amazon OpenSearch Service 构建基于列的语义搜索引擎
在数据湖中，对于数据清理和注释、架构匹配、数据发现和跨多个数据来源进行分析等许多操作，查找相似的列有着重要的应用。如果不能从多个不同的来源准确查找和分析数据，就会严重拉低效率，不论是数据科学家、医学研究人员、学者，还是金融和政府分析师，所有人都会深受其害。传统解决方案涉及到使用词汇关键字搜索或正则表
10. 网络模型使用及修改
【代码】10. 网络模型使用及修改。
使用卷积操作实现因子分解机
本文将介绍如何使用卷积操作实现因子分解机器。
交叉熵简介
交叉熵（Cross Entropy）是用来衡量两个概率分布之间的差异性的一种方法。在机器学习和深度学习中，交叉熵常常被用作损失函数，用来衡量模型预测的结果与真实结果之间的差距。Hpq−i1∑npilogqi其中，pi表示真实分布中第i个事件发生的概率，qi表示模型预测分布中第i个事件发生的
BIT 变化检测模型复现 深度学习学习笔记 基于transformer结构的图像处理模型
transformer结构在遥感图像处理和计算机视觉当中展现出优势，BIT网络利用了transformer结构，这里是变化检测模型BIT复现过程，手把手教GitHub源码复现。包括数据结构解析、修改及环境配置，训练、预测过程报错及debug修改。利用pycharm进行代码debug。
AI时代,程序员需要焦虑吗?
ChatGPT 横空出世后，“AI 即将取代程序员” 的观点一度引发热议，至今尚未完全冷却。ChatGPT 是一种基于人工智能技术的对话生成系统，其受欢迎的程度在一定程度上说明了人们对于人工智能技术的兴趣和追求。但是，从目前的实际情况来看，人工智能技术还没有达到完全替代程序员的程度。首先，AI 技术
Fooocus：一个简单且功能强大的Stable Diffusion webUI
在这篇文章中，我们将介绍如何在本地和Colab上使用Fooocus
基于开源模型搭建实时人脸识别系统（四）：人脸质量
这篇我们简要介绍了一下人脸质量评估，不过笔者在这方面涉猎也不深，只是做个简单的总结，需要深入做还是有不少工作。
医学图像分割综述:U-Net系列
论文地址代码地址医学图像自动分割是医学领域的一个重要课题，也是计算机辅助诊断范式的一个重要对应。U-Net是最广泛的图像分割架构，由于其灵活性，优化的模块化设计，并在所有医学图像模式的成功。多年来，U-Net模型得到了学术界和工业界研究人员的极大关注。该网络的几个扩展已经被提出，以解决医疗任务所产生
利用Google Colab免费使用GPU服务器详细攻略
前言Google Colab是一个基于云端的免费Jupyter笔记本环境，可供用户创建、分享、运行Python代码和机器学习模型。
Dynamic ReLU：根据输入动态确定的ReLU
这是我最近才看到的一篇论文，它提出了动态ReLU (Dynamic ReLU, DY-ReLU)，可以将全局上下文编码为超函数，并相应地调整分段线性激活函数
使用DiffusionDet训练自己的数据集（pascal-voc）
此贴建立在DiffusionDet和detectron2环境已经配置好（能跑通DiffusionDet的demo.py就行），之后再出这个手顺我没有跟着官方手顺建立软链接什么的，比较麻烦，我直接按照自己的习惯建的目录。
