CVPR2023对抗攻击相关论文
在各种计算机视觉应用中，现实世界的对抗性物理补丁被证明在妥协最先进的模型中是成功的。基于输入梯度或特征分析的现有防御已经被最近基于 GAN 的攻击所破坏，这些攻击会产生自然补丁。在本文中，我们提出了Jedi，这是一种针对对抗性补丁的新防御，它对现实补丁攻击具有弹性。Jedi从信息论的角度解决了补丁定
AI大模型的神经网络模型量化技术：INT8 还是 INT4 ？
如果要量化的目的是实现硬件加速，则应首选确定性量化，因为可以预先指定适当的量化级别，以便在专用硬件上运行量化网络，对硬件的性能预期得到改善。QAT量化方法在付出重新训练的代价后，采用INT4的量化模型应用场合会较大，但稳定性还是需要大量的实验验证，尤其是安全性要求很高的自动驾驶领域，大家不得不慎重考
【Runtimeerror】解决张量维度不匹配报错信息
【Runtimeerror】解决张量维度不匹配报错信息
基于时态差分法的强化学习：Sarsa和Q-learning
时态差分法（Temporal Difference, TD）是一类在强化学习中广泛应用的算法，用于学习价值函数或策略。Sarsa和Q-learning都是基于时态差分法的重要算法，用于解决马尔可夫决策过程（Markov Decision Process, MDP）中的强化学习问题。
适合新手搭建ResNet50残差网络的架构图（最全）
适合新手搭建ResNet50残差网络的架构图+代码（最全），全网最简单详细
什么是GPT模型,GPT下载和国内镜像
什么是GPT模型，GPT模型是通过预训练的方式，采用无监督学习方式，大量语料输入，经过多次训练后得到模型。它能够自动学习并理解自然语言中的语义、句法和语法信息，并可以用于文本生成、对话系统、情感分析、机器翻译等自然语言处理任务中。今天聊聊GPT国内镜像和GPT怎么下载。
在YOLOv5中添加Swin-Transformer模块
提供了一个在YOLOv5代码中添加SwinTransformer相应模块的代码仓库，并对使用方法进行了简单介绍。
mmdetection使用指定的显卡号并行分布式训练
用mmdet进行多卡并行训练时，期望指定自己需要的显卡号，避免使用默认的0号和1号卡
Torch对应的torchvision版本
安装torch和torchvision时，两者之间存在依赖关系，版本需要对应起来。
不是Nvidia(英伟达)显卡可以安装CUDA跑深度学习算法吗？
不是Nvidia(英伟达)显卡可以安装CUDA跑深度学习算法吗？
一探究竟：人工智能、机器学习、深度学习
CART假设决策树是二叉树，内部结点特征的取值为“是”和“否”，左分支是取值为“是”的分支，右分支是取值为“否”的分支。人工智能（Artificial Intelligence），简称AI，是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域
SadTalker AI模型使用一张图片与一段音频便可以自动生成视频
SadTalker模型是一个使用图片与音频文件自动合成人物说话动画的开源模型，我们自己给模型一张图片以及一段音频文件，模型会根据音频文件把传递的图片进行人脸的相应动作，比如张嘴，眨眼，移动头部等动作。然后就可以git sadtalker的工程目录，并安装相应的第三方库，这里主要是torch相关的库，
【YOLOv5】LabVIEW+TensorRT的yolov5部署实战（含源码）
【YOLOv5】LabVIEW+TensorRT的yolov5部署实战（含源码）
ONNXRuntime介绍及如何使用ONNXRuntime进行模型推理
本文介绍了ONNXRuntime的基本使用方法，包括安装ONNXRuntime、加载模型和进行模型推理。ONNXRuntime提供了简单易用的API，使得使用者可以方便地进行模型推理。同时，其高性能、可扩展、跨平台的特点也让其成为一个优秀的深度学习推理引擎。
用于3D MRI和CT扫描的深度学习模型总结
本文中将介绍6种神经网络架构，可以使用它们来训练3D医疗数据上的深度学习模型。
k8s英伟达GPU插件（nvidia-device-plugin）
k8s英伟达GPU插件（nvidia-device-plugin）
手把手教你如何0基础编写基于AI机器视觉的--王者荣耀百里守约的自瞄程序，我家村头的傻X都能学会的教程！
手把手教你如何0基础编写基于AI机器视觉的--王者荣耀百里守约的自瞄程序，我家村头的傻X都能学会的教程！
Yolov5 数据增强 - Mosaic
Mosaic
YOLOV8改进对比 vs v5 X
YOLOv8与YOLOX的对比
MMdetection 环境配置、config文件解析以及训练自定义VOC数据集
MMDetection是针对目标检测任务推出的一个开源项目，它基于Pytorch实现了大量的目标检测算法，把数据集构建、模型搭建、训练策略等过程都封装成了一个个模块，通过模块调用的方式，我们能够以很少的代码量实现一个新算法，大大提高了代码复用率。本文根据我自己最近的使用经验，记录一下关于MMdete
