TransFuse跑自己的数据集
基于Transformer的语义分割
学习率设置
本篇主要学习神经网络超参数学习率的设置，包括人工调整和策略调整学习率。在模型优化中，常用到的几种学习率衰减方法有：分段常数衰减、多项式衰减、指数衰减、自然指数衰减、余弦衰减、线性余弦衰减、噪声线性余弦衰减。......
MAE：视觉自监督2021（原理+代码）
MAE论文「Masked Autoencoders Are Scalable Vision Learners」证明了 masked autoencoders（MAE） 是一种可扩展的计算机视觉自监督学习方法。遮住95%的像素后，仍能还原出物体的轮廓，效果如图：本文提出了一种掩膜自编码器 (MAE)架
基于Pytorch的可视化工具
通过文本输出myConvNet网络的网络结构得到上面的输出结果，但这并不容易让读者理解在网络中层与层之间的连接方式，所以需要将PyTorch搭建的深度学习网络进行可视化，通过图像来帮助读者理解网络层与层之间的连接方式。而网络训练过程的可视化，通常用于监督网络的训练过程或呈现网络的训练效果。当使用Py
MobileViT模型简介
自从2010年ViT(Vision Transformer)模型的横空出世，人们发现了Transformer架构在视觉领域的巨大潜力。近些年，越来越多的科研人员投入Transformer的怀抱，视觉领域的各项任务也不断被Transformer架构模型刷新。Transformer虽然强大，但在现在看来
深度学习之文本分类总结
一、文本分类概况二、文本分类的发展三、文本分类常用的模型结构四、文本分类模型实际中遇到的问题（Q&A）
什么是AI预训练模型?
预训练 AI 模型是一种深度学习模型，在大型数据集上进行训练以完成特定任务，它可以按原样使用或定制以满足多个行业的应用需求。想象一下，试图教一个蹒跚学步的孩子什么是独角兽。一个好的起点可能是展示该生物的子图像并描述其独特的特征。现在想象一下，试图教人工智能机器什么是独角兽。从哪里开始呢？预训练的 A
YOLOV5+deepsort+rknn(rk3588进行实时目标跟踪)
rk3588的目标检测+目标跟踪
如何提高bp神经网络精度,改进bp神经网络的方案
人工神经网络,是一种旨在模仿人脑结构及其功能的信息处理系统,就是使用人工神经网络方法实现模式识别.可处理一些环境信息十分复杂,背景知识不清楚,推理规则不明确的问题,神经网络方法允许样品有较大的缺损和畸变.神经网络的类型很多,建立神经网络模型时,根据研究对象的特点,可以考虑不同的神经网络模型. 前馈型
pytorch:常见的pytorch参数初始化方法总结
使输入的张量服从（a,b）的均匀分布并返回。从给定的均值和标准差的正态分布N(mean,std)中生成值，初始化张量。以一确定数值初始化张量。从均匀分布U(−a, a)中采样，初始化输入张量，其中a的值由如下公式确定,公式中的gain值根据不同的激活函数确定[1]https://www.cxyzjd
windows中labelme安装教程
1.labelme是什么2.详细安装教程1.labelme是什么labelme是图形图像注释工具，它是用Python编写的，其实就是标注去软件，---点、矩形、多边形等形式可用于目标检测与分割任务等---进行flag形式的标注，可用于图像分类和清理任务---视频标注，生成VOC数据集---生成COC
实现pycharm运行.sh文件——本地运行和打开服务器终端
实现pycharm运行.sh文件——本地运行和打开服务器终端Windows系统下实现pycharm运行.sh文件1、安装Git2、在pycharm中设置terminal3、运行run.sh文件注意① 路径的斜杆要用/② ModuleNotFoundError: No module named 'sk
GPT-4报告解读
前面我们介绍了《GPT-4报告的整体情况》，那接下来展开介绍GPT-4报告中讲的内容。
jetson nano 运行 yolov5 ( tensorRT 加速， FPS＞25)
jetson nano 运行 yolov5， FPS>25
【论文精读】TMI2021医学图像分割 SMU-Net
SMU-Net: Saliency-guided Morphology-aware U-Net for Breast Lesion Segmentation in Ultrasound ImageSMU-Net: 显著引导形态感知U-Net用于超声图像乳腺病变分割深度学习方法，尤其是卷积神经网络已成
图像分割评价指标：Dice和MIoU
语义分割指标Dice和MIoU代码实现
华为2023年提出的多元时间序列预测模型（MTS-Mixers）
华为在这2023年2月9日发布了一篇的多元时间序列预测的文章，借鉴了NLP中前一阵比较热的Mixer模型，取代了Attention结构，不仅实现了效果上的提升，而且还实现了效率上的提高。
怎么搭建本地chatgpt
要搭建本地的 ChatGPT 模型，您需要具备以下基础知识和技能：熟练使用 Linux 系统，特别是命令行。熟悉 Python 编程语言。理解和经验使用 PyTorch 框架。了解和经验使用 CUDA 和 GPU 计算。如果您具备以上条件，您可以按照以下步骤搭建本地的 ChatGPT 模型：安装 P
【bug】解决yolov5模型转换后，模型推理结果不一致问题
yolov5在模型转换后，推理输出结果与原pt模型偏差较大，是因为参数变化导致的，需要手动指定
ChatGPT强化学习大杀器——近端策略优化（PPO）
近端策略优化是当前最先进的强化学习 (RL) 算法。这种优雅的算法可以用于各种任务，并且已经在很多项目中得到了应用，最近火爆的ChatGPT就采用了该算法。本文重点讲解近端策略优化算法，并用PyTorch从头实现一遍。
