NVIDIA显卡驱动及CUDA相关安装流程（包括多版本cuda切换）
NVIDIA显卡驱动及CUDA相关安装流程——包含多版本cuda切换
深度学习Github项目实例复现：从虚拟环境安装到得出代码的复现结果
深度学习Github项目实例复现：从虚拟环境安装到得出代码的复现结果
2021年研究生数学建模竞赛优秀论文汇总
参赛者提交的作品应为一篇包括模型假设、模型建立、模型求解、模型改进以及结果分析与检验等内容的论文。作品评审的标准主要为模型及其假设与结果的合理性、创造性、文字表述的规范性。，并经过提炼加工，不要求参赛者预先掌握深入的专门知识。面向全国研究生培养单位和企事业单位广泛征集竞赛命题，由专家委员会讨论最终确
设置和使用DragGAN：搭建非官方的演示版
DragGAN的官方版还没有发布，但是已经有非官方版的实现了，我们看看如何使用。DragGAN不仅让GAN重新回到竞争轨道上，而且为GAN图像处理开辟了新的可能性。
深度学习 - 国科大2021年试题
1 名词解释 卷积神经网络： 是一类包含卷积计算且具有深度结构的前馈神经网络，其隐藏层包含卷积核参数共享，减少网络参数量，包含输入层（标准化输入数据）、卷积层（卷积核、激活函数、池化层、全连接层）、输出层（归一化指数函数softmax输出）。循环神经网络：奇异值分解：交叉熵：深度信念网络：2 简答题
魔改YOLOv5/YOLOv7高阶版——改进之结合解耦头Decoupled_Detect
🚀🚀🚀NEW！！！魔改YOLOv5/YOLOv7目标检测算法来啦 ~💡魔法搭配计算机视觉领域各类创新新颖且行之有效的网络结构，平均精度均值mAP涨点明显，实验效果也俱佳。有需要的小伙伴可以在CSDN后台留言+点赞收藏喔！！！👍👍👍🔥🔥🔥
七篇深入理解机器学习和深度学习的读物推荐
在这篇文章中将介绍7篇机器学习和深度学习的论文或者图书出版物，这些内容都论文极大地影响了我对该领域的理解，如果你想深入了解机器学习的内容，哪么推荐阅读。
【人工智能】常见问题以及解答
人工智能（Artificial Intelligence, AI）是一门涉及计算机科学、数学、心理学、哲学等多个领域的交叉学科，旨在研究如何使计算机能够像人一样地思考、学习和行动。在过去几十年中，人工智能技术得到了广泛的应用和发展，涵盖了诸如机器学习、自然语言处理、计算机视觉、知识表示和推理等多个方
【最新】CUDA Toolkit版本及可用PyTorch对应关系（参考官网）
【最新】CUDA Toolkit版本及可用PyTorch对应关系（参考官网）
基于YOLOv5的水下海洋目标检测
准确率表示模型对正确目标的识别率，召回率表示模型对所有目标的识别率，精确率表示模型对所有预测目标的正确率，F1 分数表示准确率和召回率的调和平均数，平均精度表示模型在所有类别上的平均精度。本文提出了一种基于 YOLOv5 的水下海洋目标检测方法，使用数据增强方法进行了大量实验，并与其他方法进行了对比
QLoRa：在消费级GPU上微调大型语言模型
LoRa让我们的微调变得简单，而QLoRa可以让我们使用消费级的GPU对具有10亿个参数的模型进行微调，
配置深度学习环境（tensorflow-gpu版）
tensorflow
冲激阶跃与卷积
时移性质：若ƒ1(t)*ƒ2(t)=ƒ(t)，则有ƒ1(t-t1)*ƒ2(t-t2)=ƒ(t-t1-t2)。分配律：ƒ1(t)*[ƒ2(t)+ƒ3(t)]=ƒ1(t)*ƒ2(t)+ƒ1(t)*ƒ3(t)；f(t)与冲激偶函数的卷积：ƒ(t)*δ’(t)=f’(t)*δ(t)=ƒ’(t)；2）反转平移
AI 工具合辑盘点，总有一款适合你
等功能。其中，翻译支持。
空间变形网络——STN
CNN 的机理使得 CNN 在处理图像时可以做到 transition invariant，却没法做到 scaling invariant 和 rotation invariant。即使是现在火热的 transformer 搭建的图像模型 (swin transformer, vision tran
torch.cuda.OutOfMemoryError: CUDA out of memory.
发现gpu:0显存被PID:19409程序大量占用, 报错应该是默认在gpu:0训练导致显存不足, 接着查看gpu:0上程序所属用户(如果不是师兄的我就kill了)设置完成后查看显存占用情况可以看到, gpu:1显存占用马上上升了, 不影响其他gpu卡的显存。这样即可指定在gpu:1上训练, 实际上
yolov7改进系列
111
YOLOv5基础知识点——激活函数
激活函数
使用 T5 模型来做文本分类任务的一些总结
使用 T5 (Text-to-Text Transfer Transformer) 来做文本分类任务的一些总结
nn.Parameter()
可以方便地定义和管理模型的可训练参数，并且在模型训练过程中可以自动计算梯度并更新参数值，是构建神经网络模型时常用的工具。是 PyTorch 中的一个类，用于创建可训练的参数（权重和偏置），这些参数会在模型训练过程中自动更新。
