win10 cuda11.8 和torch2.0 安装
win10 cuda11.8 和torch2.0 安装,pytorch 新版本
PyTorch 实现CycleGAN 风格迁移
一、前言 pix2pix对训练样本要求较高，需要成对的数据集，而这种样本的获取往往需要耗费很大精力。CycleGAN恰巧解决了该问题，实现两个domain之间的转换，即只需要准备两种风格的数据集，让GAN去学习将domain X中的图片转换成domain Y的风格(不改变domain X原图中
“ChatGPT们”的淘金时代
语言（即读写能力）是人类最重要的发明，也是人类与其它物种的最大区别。语言使我们掌握了抽象推理，发展出了复杂思维，学会了与他人沟通交流。可以说，没有语言就不会有现代文明。因此，未来几年大型语言模型（LLM）将极大地影响生成式AI的发展，ChatGPT的迅速普及就是很好的例证。此外，LLM还在多种场景得
语义分割系列15-UPerNet（pytorch实现）
本文介绍了UPerNet论文思想，介绍了UPerNet作者如何创建Multi-task数据集以及如何设计UPerNet网络和检测头来解决Multi-task任务。本文对于UPerNet语义分割部分的模型进行单独复现，所有代码基于pytorch框架，并在Camvid数据集上进行训练和测试。......
字节跳动CVPR 2023论文精选来啦（内含一批图像生成新研究）
计算机视觉领域三大顶会之一的 CVPR 今年已经开奖啦。今年的 CVPR 将于六月在加拿大温哥华举办，和往年一样，字节跳动技术团队的同学们收获了不少中选论文，覆盖文本生成图像、语义分割、目标检测、自监督学习等多个领域，其中不少成果在所属领域达到了 SOTA（当前最高水平）。一起来看看这些成果吧~
手把手教你搭建自己本地的ChatGLM
如果能够本地自己搭建一个ChatGPT的话，训练一个属于自己知识库体系的人工智能AI对话系统，那么能够高效的处理应对所属领域的专业知识，甚至加入职业思维的意识，训练出能够结合行业领域知识高效产出的AI。这必定是十分高效的生产力工具，且本地部署能够保护个人数据隐私，能够内网搭建办公使用也十分的方便。而
Transformers回顾 ：从BERT到GPT4
在本文中，我们将研究革命性的Transformers架构以及它如何改变NLP，我们还将全面回顾从BERT到Alpaca的Transformers模型，重点介绍每种模型的主要特征及其潜在应用。
RealSense D435i深度相机介绍
D435i硬件结构及各个组件原理详解
使用LSTM预测结果为一条直线原因总结
使用LSTM预测结果为一条直线原因总结
深入浅出Pytorch函数——torch.ones
torch.ones
yolov7目标检测：基于自定义数据集完成检测、训练、测试
主要分三步：（1）环境配置与文件配置（2）检测（3）训练。其中，检测和训练都是可以独立进行的。检测是依赖于权重文件即可运行，而训练是基于自定义训练数据集和超参数生成权重文件。
基于SadTalker的AI主播，Stable Diffusion也可用
基于之前的AI主播的的学习基础和，这次尝试一下VideoRetalking生成效果。总体来说，面部处理效果要好于Wav2Lip，而且速度相对于Wav2Lip+GFPGAN也提升很多，也支持自由旋转角度，但是如果不修改源码的情况下，视频的部分截取稍微有点问题。这个训练图片还好，如果是做视频的话还是比较
chatGPT在数据安全领域的应用场景分析
ChatGPT作为一种先进的聊天机器人技术，在数据安全领域有着广泛的应用场景。通过自动化文本生成、信息分类和标记、自动化数据加密解密、威胁检测和预防、自动化数据清理和去重等多个方面的应用，ChatGPT可以帮助企业降低数据处理的时间和成本，提高数据处理的效率和精度，从而保证数据的安全和准确性。同时，
概述：隐式神经表示（Implicit Neural Representations，INRs）
本文主要概述了隐式神经表示的相关内容，主要倾向于三维重建的应用。同时对隐式表示做了一个展开阐述。
使用思维链（Chain-of-thoughts）提示在大型语言模型中引出推理
“思维链提示”的方法，通过生成一系列中间推理步骤或思维链来提高法LLM 的复杂推理能力。
毕业设计-基于深度学习的图像去噪方法研究
毕业设计-基于深度学习的图像去噪方法研究：图像去噪是利用图像序列的上下文信息去除噪声，从而恢复出清晰图像的一种技术，是计算机视觉领域重要研究内容之一。随着机器学习的发展，深度学习在图像去噪领域得到广泛应用，成为处理图像去噪的有效解决方法。图像的去噪研究是计算机视觉领域的重要组成部分。近年来，基于深度
【YOLO系列】YOLOv4论文超详细解读2（网络详解）
YOLOv4包含的tricks超级详细介绍，更深一步的解读。
李宏毅_机器学习_作业4（详解）_HW4 Classify the speakers
李宏毅_机器学习_作业4（详解）_HW4 Classify the speakers
Python ：MNIST手写数据集识别 + 手写板程序 最详细，直接放心，大胆地抄！跑不通找我，我包教！
利用Python语言编写和调试一个识别手写数字图像的三层深度前馈网络，包括数据预处理，网络模型构建，模型参数初始化和正向推理，反向梯度下降参数寻优，最后模型预测的功能。目的是学会基本的深度网络模型建立、训练和推理过程，理解深度网络的实现原理。
优化改进YOLOv5算法之添加SE、CBAM、CA模块(超详细)
本文主要是在YOLOv5算法中加入SE、CBAM和CA注意力机制模块，通过实验验证对比，加入CBAM和CA注意力机制后的效果均有所提升
