轻量级的深度学习框架Tinygrad
Tinygrad是一个轻量级的深度学习库，它提供了一种简化和直观的方法来理解和实现神经网络。在本文中，我们将探讨Tinygrad及其主要功能，以及它如何成为那些开始深度学习之旅的人的有价值的工具。
深度学习项目：男女性别识别【附完整源码】
深度学习项目：男女性别识别【附完整源码】
CVPR2023 即插即用系列 | 一种高效轻量的自注意力机制助力图像恢复网络问鼎SOTA！
如果您也对人工智能和计算机视觉全栈领域感兴趣，强烈推荐您关注有料、有趣、有爱的公众号『CVHub』，每日为大家带来精品原创、多领域、有深度的前沿科技论文解读及工业成熟解决方案！同时欢迎添加小编微信: cv_huber，备注CSDN，加入官方学术|技术|招聘交流群，一起探讨更多有趣的话题！
李宏毅2022机器学习HW12解析
李宏毅2022机器学习HW12解析，强化学习！
PromptBench:大型语言模型的对抗性基准测试
PromptBench是微软研究人员设计的一个用于测量大型语言模型(llm)对对抗性提示鲁棒性的基准测试。这个的工具是理解LLM的重要一步，随着这些模型在各种应用中越来越普遍，这个主题也变得越来越重要。
【YOLOv5问题记录】thop库的安装
YOLOv5问题-thop库的安装
通用的融合框架：IFCNN
仅供自己参考
深入浅出TensorFlow2函数——tf.Variable
tf.Variable( initial_value=None, trainable=None, validate_shape=True, caching_device=None, name=None, variable_def=None, dtype=No
GragGAN：人工智能黑科技，本地使用详细教程
DragGAN是一种由Max Planck研究所开发的创新型人工智能工具，通过仅需几个点击和拖动操作，能够实现对照片的真实修改。根据一篇研究论文，该工具主要包括两个要素：基于特征的运动监控和一种革命性的点追踪技术。DragGAN赋予用户交互性，使其能够自主拖动图片中的点，并将其移动至所选择的目标位置
图像分割综述之语义分割
语义分割综述，列举的是经典论文，适合入门的初学者
yolov5训练自己的数据集
目标检测
Video-LLaMa:利用多模态增强对视频内容理解
本文将重点介绍称为video - llama的多模态框架。Video-LLaMA旨在使LLM能够理解视频中的视觉和听觉内容。
YOlov5网络架构
yolov5网络架构
使用ChatGpt做考试卷: 助力拿高分的利器
作为一名学生，在考试的时候总是会有些焦虑和压力。为了在考试中取得更好的成绩，我们经常会去准备各种资料和笔记，并不断地复习和巩固。但是，有时候，这些准备方法并不足以让我们完全应对考试中的各种难题。这时候，我们就需要借助其他的工具来帮助我们。最近，我发现了一种新的方法——使用ChatGpt来做考试卷。在
线性卷积和循环卷积（圆周卷积）
线性卷积和循环卷积（圆周卷积）
Anchor based and Anchor free(无锚VS有锚)【总结】
anchor-based方法使用不同大小和形状的anchor框来回归和分类目标，例如faster rcnn、retinanet和yolo等。anchor-free，例如fcos、atss和cornernet等。anchor-free方法比anchor-based方法更简单和灵活，但可能存在召回率或定
Docker AIGC等大模型深度学习环境搭建（完整详细版）
本文是《》（https://blog.csdn.net/suiyingy/article/details/130169592）专栏的一部分，所述方法和步骤基本上是通用的，不局限于AIGC大模型深度学习环境。ChatGPT、Stable Diffusion等大模型属于相对较新的模型，所以依赖的Pyto
Ai作图可控性演进——从SD到MJ
1.介绍了文本生成图提高可控性的几种思路2.介绍了市面主流的可控模型几个解决方案3.回归到问题本质，更细粒度的控制更精准的控制才是未来4.多模态和数据的规范化是未来竞争实力
图解transformer中的自注意力机制
本文将将介绍注意力的概念从何而来，它是如何工作的以及它的简单的实现。
CLIP，GLIP论文解读，清晰明了
CLIP：Contrastive Language-Image Pre-training，论文名称：Learning Transferable Visual Models From Natural Language Supervision。GLIP论文名称：Grounded Language-Im
