CVPR 2023 | 达摩院REALY头部重建榜单冠军模型HRN解读
本文中提出了一种新颖的层次化表征网络 (HRN)，以实现单图的高精细头部重建。 具体来说，我们对头部几何细节进行了解耦并引入了层次表征来实现精细的头部建模。 同时，结合面部细节的3D先验，提高重建结果的准确性和真实性。
深入浅出Pytorch函数——torch.t
torch.t(input) → Tensor
[AI语音克隆] 5秒内克隆您的声音并生成任意语音内容
MockingBird是一款先进的TTS（文本到语音）项目，使用深度学习模型生成高质量的合成语音。它由一组热衷于自然语言处理和语音技术的研究人员和工程师开发。关键特点：对普通话的支持。使用多个中文数据集进行训练，包括aidatatang_200zh、magicdata、aishell3、biaobe
yolov8-pose：在yolov8上添加人体关键点检测
最近因为工作关系接触了yolo-pose，1月份yolov8也出来了，就想着能不能在yolov8上也加上pose分支，也算加深对网络的认识。有兴趣的朋友可以到我github查看完整代码，包含训练以及推理，https://github.com/yts1111/yolov8-pose。yolov8在数据
win11 文件拖到任务栏无法打开的解决办法
计算机\HKEY_LOCAL_MACHINE\SOFTWARE\Microsoft\Windows\CurrentVersion\Policies\System。解决win11 文件拖到任务栏无法打开的问题。实测win11家庭版、专业版均可以使用。系统更新到最新版也可以使用。win11中重新设置一个
单位冲激函数卷积的计算问题
所谓一居上行正中央说的是1在第一行的正中，依次斜填切莫忘说的是一直向右上方填，上出框时往下填是斜填到方框上面去了，就放在这竖行的最下边，右出框时左边放是说斜填到右框外面，就在横行左边放，排重便在下格填是斜填上面有数字了，就在自己的下面放，右上排重一个样就是右上格上面没有格子了，就和排重一样，放在自己
Anaconda修改环境默认保存路径
anaconda修改环境默认保存路径
用于语义图像分割的弱监督和半监督学习：弱监督期望最大化方法
这篇论文只有图像级标签或边界框标签作为弱/半监督学习的输入。使用期望最大化(EM)方法，用于弱/半监督下的语义分割模型训练。
人工智能期末复习（背题家的落幕！）
小时候最喜欢的一集😿 内容比较多
PSO优化的BP神经网络
????欢迎来到智能优化算法的世界????博客主页：卿云阁????欢迎关注????点赞????收藏⭐️留言????????本文由卿云阁原创！????本阶段属于筑基阶段之一，希望各位仙友顺利完成突破????首发时间：????2021年1月7日????✉️希望可以和大家一起完成进阶之路！????作者水平
pytorch安装GPU版本 (Cuda12.1)教程
使用本教程前，默认您已经安装并配置好了python3以上版本。
关于GPT的20个知识，你都知道吗？
GPT提出了无监督预训练+微调的方案,对许多下游任务取得了state-of-the-art的效果,对人工智能产生了巨大影响。GPT的主要创新在于提出了大规模无监督预训练语言模型的方案,实现了NLP多个下游任务的效果提升。GPT的目的是通过无监督的预训练 obtain 语言理解能力,然后应用于下游的N
关于集群分布式torchrun命令踩坑记录（自用）
在训练或者微调模型的过程中，单节点的显存溢出，或者单节点的显卡较少，算力有限。需要跨节点用多个节点多块显卡来运行这项任务。这里就需要使用分布式命令，将这项任务分布到多个节点上来处理。
PyTorch-实现对表格类型数据的一维卷积（CNN1D）
pytorch-实现对表格数据类型的一维卷积
10个图像处理的Python库
在这篇文章中，我们将整理计算机视觉项目中常用的Python库，如果你想进入计算机视觉领域，可以先了解下本文介绍的库，这会对你的工作很有帮助。
【PyTorch如何实现CPU、GPU相互转换？】
PyTorch如何实现CPU、GPU相互转换？三种方法：定义device对象，.cuda方法，.cpu方法
怎么使用charGPT?
charGPT 是一种用于文本生成的模型，它以字符级别进行训练，可以根据给定的输入文本生成相关的输出文本。要使用 charGPT，你需要准备训练数据，然后使用 PyTorch 或 TensorFlow 进行训练。训练完成后，你可以使用训练好的 charGPT 模型来进行文本生成。你可以调用 char
2023 年十大目标检测模型！
上面列出的 2023 年用于对象检测的 10 大深度学习模型突出了该领域一些最有前途和创新的模型。是一种用于对象检测的深度学习模型，它使用特征金字塔网络和新的焦点损失函数。是一种用于对象检测的深度学习模型，它使用 R-CNN 网络的级联来提高对象检测的准确性。，即全卷积单阶段对象检测，是一种用于对象
基于tensorflow深度学习的猫狗分类识别
本实验的目的是基于深度学习方法进行猫狗分类，通过设计和训练深度神经网络模型，实现对输入图像进行准确的猫狗分类。
