Keras 的模型（Model）和层（Layers）的介绍
我们上面使用 Model 快速建立一个模型，总结一下，很简单的：1、我们的权重不需要初始化了2、我们构建模型也比较简单，使用 dance 就可以，不需要我们进行线性计算。事实上，如果模型越来越复杂的话，那么这个方法的优势就会越来越明显得。
PyTorch 深度学习入门
深度学习是机器学习的一个分支，其中编写了模仿人脑功能的算法。深度学习中最常用的库是 Tensorflow 和 PyTorch。由于有各种可用的深度学习框架，人们可能想知道何时使用 PyTorch。以下是人们可能更喜欢将 Pytorch 用于特定任务的原因。Pytorch 是一个开源深度学习框架，带有
nn.Conv2d详解
注意，对于卷积操作，输入数据一般为四维张量，需要按照 batchsize × 通道数 × 高度 × 宽度的维度排列，这里 x 的大小为 (1, 3, 224, 224) 表示 batchsize 为 1，通道数为 3，输入图像的尺寸为 224x224。这里我们定义了一个输入通道数为 3，输出通道数为
【人工智能与深度学习】注意力机制和Transformer
集合vectx1vectx1到vectxtvectxt通过编码器输入。使用自我注意和更多块，获得输出表示lbracevecthtextEncrbracei1tlbracevecthtextEncrbracei1t，该输出表示被馈送到解码器。在对其施加自注意力之后，进行交叉注意力。在此块中，查询
MaskFormer：将语义分割和实例分割作为同一任务进行训练
本文中将介绍Facebook AI Research在21年发布的一种超越这些限制的实例分割方法MaskFormer。
树莓派图像识别应该怎么上手
就我自己来说第一次做图像识别（那时候我Linux，Python都没接触过）最难的就是自己训练模型和装环境，索性我不干了，直接找已经弄好的。
易语言调用Yolov8与Yolov8综合工具使用
相信大家也看了不少的Yolo(Yolov4\Yolov5\Yolov6Yolo\v7\Yolov8)系列那些繁杂的理论.自己也经过了一段的深入研究。有一定基础的小伙伴，也许已经能够成功使用了。但是肯定还有一部分，基础不是很强的小伙伴们还不能成功的运用。那么欢迎加入我们，我会翻译好，整理好。会让你快速
深度学习基础及实现的必备步骤
深度学习基础--深度要素和步骤，以及相关算法讲解
GPU算力租用平台推荐
GPU算力租用平台推荐，推荐AutoDL、OpenBayes、智星云
【人工智能 | 多模态】几种常见的多模态任务
【人工智能 | 多模态】几种常见的多模态任务
人工智能之深度学习
在DNN中，每个隐藏层都可以学习不同的特征和模式，从而更好地适应各种复杂的任务。近年来，深度学习在图像识别领域取得了重大的突破，如在2012年ImageNet图像识别挑战赛中，AlexNet网络使用了深度学习的方法，取得了显著的成绩，并引起了深度学习的热潮。在实际应用中，深度学习模型被广泛应用于自然
深度学习——CNN实现MNIST手写数字的识别
本篇博客记录了学习K同学啊的深度学习100例的第一例的学习过程,主要介绍了CNN神经网络的基本知识,使用方法及使用流程, 简单介绍了数据集的归一化和标准化 激活函数 优化器 损失函数 metrics等配置............
【新手向】conda安装及虚拟环境创建-ubuntu18.04
【新手友好版】conda安装及虚拟环境创建-ubuntu18.04
【论文合集】Awesome Low Level Vision
介绍Low-level任务以及视觉顶会中的相关文章。
如何在PS2023中安装神经网络滤镜离线安装包
如何在PS2023中安装神经网络滤镜离线安装包
VGG网络讲解——小白也能懂
我们上文已经说了，VGG其实就是五层卷积。我们来看这个图：这个图是作者当时六次实验的结果图。在介绍这个图前，我先进行几个概念说明：卷积层全部为3*3的卷积核，用conv3-xxx来表示，xxx表示通道数。在这个表格中，我们可以看到，第一组（A）就是个简单的卷积神经网络，没有啥花里胡哨的地方。第二组（
label studio 结合 MMDetection 实现数据集自动标记、模型迭代训练的闭环
一个 AI 方向的朋友因为标数据集发了篇 SCI 论文，看着他标了两个多月的数据集这么辛苦，就想着人工智能都能站在围棋巅峰了，难道不能动动小手为自己标数据吗？查了一下还真有一些能够满足此需求的框架，比如 [cvat](https://github.com/opencv/cvat) 、 [doccan
走进人工智能|机器学习 解码未来的科技革命
在本文中，我们深入探索了机器学习的发展历程、历史背景以及其在应用领域中的重要性。机器学习不仅是科技革命的驱动力，也是我们解码未来的关键。通过机器学习，我们能够从海量的数据中发现模式、提取有价值的信息，并应用于各个领域，从而推动社会的进步和创新。机器学习的发展源于科学家们对人工智能的追求和探索。他们希
学习记录：BRATS 2021数据集介绍
BRATS 2021数据集是一个医学图像分割数据集，该数据集由2000例患者脑部MRI（核磁共振成像）扫描构成。其中训练集有1251例、验证集219例、测试集530例，每例MRI扫描有4个模态的3D图像。其中训练集是包含3D图像和分割标签的，而验证集和测试集则不包含分割标签，验证集被用于公共排行榜，
［超级详细］如何在深度学习训练模型过程中使用GPU加速
在深度学习当中，我们训练模型通常要对模型进行反复的优化训练，仅用CPU来进行训练的话需要花费很长时间，但是我们可以使用GPU来加速训练模型，这样就可以大大减少我们训练模型花费的时间。
