最基本的25道深度学习面试问题和答案
在本文中，将整理深度学习面试中最常被问到的25个问题和答案。如果你最近正在参加深度学习相关的面试工作，那么这些问题会对你有所帮助
毕业设计-基于深度学习的医学影像分割
毕业设计-基于深度学习的医学影像分割：医学影像分割是计算机辅助诊断中的一项基础且关键的任务，目的在于从像素级别准确识别出目标器官、组织或病变区域。不同于自然场景下的图像，医学影像往往纹理复杂，同时受限于成像技术和成像设备，医学影像噪声大，边界模糊而不易判断。除此之外，对医学影像进行标注极大依赖于医疗
图片隐写之LSB（Least Significant Bit）原理及其代码实现
图片隐写术这项技术可以将秘密信息嵌入到图片媒介中而不损坏它的载体的质量。第三方既觉察不到秘密信息的存在,也不知道存在秘密信息。因此密钥、数字签名和私密信息都可以在开放的环境(如Internet或者内联网)中安全的传送。简单概括就是信息明明就在眼前，但是你却视而不见。基本的LSB原理很简单，最容易实现
【YOLOv5实战4】基于YOLOv5的交通标志识别系统-模型测试与评估
【YOLOv5实战4】基于YOLOv5的交通标志识别系统-模型测试与评估
【PyTorch教程】07-PyTorch如何使用多块GPU训练神经网络模型
在本篇博文中，你将学习到在PyTorch中如何使用多GPU进行并行训练。
【YOLOv5-6.x】设置可学习权重结合BiFPN（Concat操作）
文章目录前言修改yaml文件（以yolov5s为例）修改common.py修改yolo.py修改train.py1. 向优化器中添加BiFPN的权重参数2. 查看BiFPN_Concat层参数更新情况前言这篇博客【魔改YOLOv5-6.x（中）】：加入ACON激活函数、CBAM和CA注意力机制、加权
深度学习——从网络威胁情报中收集TTPs
这篇博客作为对我硕士研究生涯的总结，将会向大家解释如何利用深度学习从网络威胁情报中获取行为描述，形成TTPs实体。
TensorFlow安装与配置教程（2022.12）
TensorFlow安装与配置教程（2022.12）
安装Anaconda/Python3.9/Tensorflow
安装Anaconda/Python3.9/Tensorflow· 安装Anaconda官网安装，开梯子Download即可。打开下载好的安装包，按照提示，一路【Next】选择安装路径这里官方并没有推荐自动配置环境变量，自动或手动配置均可。一般是默认勾选下边的选项（我这里刚刚已经装好一次，因此勾选不上
深度学习中一些注意力机制的介绍以及pytorch代码实现
因为最近看论文发现同一个模型用了不同的注意力机制计算方法，因此懵了好久，原来注意力机制也是多种多样的，为了以后方便看懂人家的注意力机制，还是要总结总结。
机器学习评估指标 - f1, precision, recall, acc, MCC
机器学习评估指标 - f1, precision, recall, acc, MCC
Colab使用教程（超级详细版）及Colab Pro/Colab Pro+评测
Colab使用教程（超级详细版）及Colab Pro/Colab Pro+评测
有关optimizer.param_groups用法的示例分析
pytorch 1.11.0作为测试，param_groups用法探索`optimizer.param_groups`： 是一个list，其中的元素为字典；`optimizer.param_groups[0]`：长度为7的字典，包括['**params**', '**lr**', '**betas*
YOLOv8检测和分割训练自己数据集
yolov8的分割训练以及报错：runtimeerror: sizes of tensors must match except in dimension 1. expected size 2 but got size 0 for tensor number 1 in the list.
基于GPT2-Chinese文本自动生成
基于 GPT2-Chinese 模型的中文文本生成项目，可用于中文生成任务。当下市面上很多文本自动生成业务都是基于该模型二次开发的，可以很少有那种特定垂直领域的模型用于该领域的创作，也就导致大家在使用类似产品的时候会发现很多的问题，这种问题多数会导致写出来的文章前后逻辑不对，这个自己体会就知道了，真
NeRF 源码分析解读（二）
NeRF 代码解析之光线生成部分
使用指定GPU训练模型：os.environ[‘CUDA_VISIBLE_DEVICES‘]设置无效问题解决——随笔
使用指定GPU训练模型之os.environ[‘CUDA_VISIBLE_DEVICES‘]设置无效问题解决
Yolov5/Yolov7加入Yolov8 c2f模块，涨点
Yolov5/Yolov7加入Yolov8 c2f模块，涨点，提升小目标检测精度
WIN10安装配置TensorRT详解
Windows10 安装TensorRT详解
MAE实现及预训练可视化 （CIFAR-Pytorch）
MAE实现及预训练可视化 （CIFAR-Pytorch）自去年 11 月份恺明大神提出 MAE 来，大家都被 MAE 简单的实现、极高的效率和惊艳的性能所吸引。近几个月，大家也纷纷 follow 恺明的工作，在 MAE 进行改进（如将 MAE 用到层次 Transformer 结构）或将 MAE 应
