毕业设计-基于深度学习的垃圾邮件过滤系统的设计与实现
毕业设计-基于深度学习的垃圾邮件过滤:随着互联网相关应用的快速发展，广告技术的进步和电子邮件的普及，越来越多的垃圾邮件充斥着我们的生活。如何高效的区分垃圾邮件的研究也逐渐成为了热门课题。因自然语言在结构上有着很强的前后相关性，而且对于中文邮件直接转化成向量会有过高的维度产生，影响最后分类的准确性。基
深度学习修炼（三）——自动求导机制
自动求导机制以及线性回归的初体验
chatGTP的全称Chat Generative Pre-trained Transformer
chatGPT是由OpenAI开发的一个人工智能聊天机器人程序，于2022年11月推出。该程序使用基于GPT-3.5架构的大型语言模型并通过强化学习进行训练。ChatGPT目前仍以文字方式交互，而除了可以通过人类自然对话方式进行交互，还可以用于相对复杂的语言工作，包括自动文本生成、自动问答、自动摘要
pytorch安装（离线下载）——众多踩坑教训后终于学会
经过各种方法尝试安装pytorch，不是因为下载的pytoch版本和cuda不匹配，就是因为网络超时，pip下载失败，最后成功进行离线下载，本篇记录一下自己踩过的各种坑和经验。
文本摘要生成方法
文本摘要概览
Yolov5(v5.0) + pyqt5界面设计
PyQt5利用QtDesigner设计UI界面
联邦聚合(FedAvg、FedProx、SCAFFOLD)
联邦聚合算法简单对比(FedAvg、FedProx、SCAFFOLD)，简单对比流程上不一样的地方。
手把手教你在百度飞桨云平台下运行PPYOLO-E,训练COCO数据集
手把手教你在百度飞桨平台使用PPYOLOE训练COCO数据集。
线性判别分析法（LDA）
在主成分分析法（PCA）中，我们对降维算法PCA做了总结。这里我们就对另外一种经典的降维方法线性判别分析（Linear Discriminant Analysis, 以下简称LDA）做一个总结。LDA在模式识别领域（比如人脸识别，舰艇识别等图形图像识别领域）中有非常广泛的应用，因此我们有必要了解下
torch.randn的用法
torch.randn的用法
狗都能看懂的CenterNet讲解及代码复现
狗都能看懂的CenterNet讲解及代码复现
深度学习部署(十九): CUDA RunTime API YOLOV5后处理cpu解码以及gpu解码
这是一个使用CPU和GPU解码YOLOv5，它可以在CPU和GPU上分别实现目标检测的加速，相比较于仅在CPU上运行的实现，GPU实现可以显著地提高检测速度。此外，该项目提供了一个端到端的实现流程，包括数据预处理、模型加载、前向推理、NMS等核心算法的实现，能够帮助我们深入理解目标检测的算法原理和实
基于SwinTransformer+UNet的遥感图像语义分割
目录摘要1.Introduction摘要全局上下文信息（context information）对于遥感图像的语义分割至关重要。然而，现有的大多数方法都依赖于卷积神经网络（CNN），由于卷积运算的局部性（locality），直接获取全局上下文信息充满了挑战性。受具有强大全局建模能力的Swin tra
全15万字丨PyTorch 深度学习实践、基础知识体系全集；忘记时，请时常回顾。
本篇博客介绍的知识是——深度学习之PyThon框架基础。这是深度学习/神经网络的基础，多次回顾，会有不一样的感受。书读百遍，其义自见。
利用标注好的.xml文件对图片进行裁剪
第一步对数据进行标注，我用的是自动标注（我就是想把图像剪裁一下），代码来自这里自行下载。解压得到是这个文件夹，需要的环境我不知道，但是我的换进是可以运行的，我就简单说说（只是大概，多句嘴，建议一个项目一个虚拟环境，我全部弄一起了，啥都用一个换进，就很是麻烦）：1.1数据：如果自己不会改代码，不知道路
全网独家首发｜极致版YOLOv7改进大提升（推荐）网络配置文件仅24层！更清晰更方便更快的改进YOLOv7网络模型
极致版YOLOv7改进大提升（推荐🌟🌟🌟🌟🌟）网络配置文件仅24层！更清晰更方便更快的改进YOLOv7网络模型
论文速读Backbone系列一：点云Transformer结合、PointNet++改进、点云卷积核设计
如有错误，恳请指出。对一些经典论文进行快速思路整理，以下内容主要关注的是3d点云的backbone设计，包括transformer的应用，卷积核的设计，PointNet++网络的改进。1）提出Offset Atention，在原本的self-attention中的LBR(Fa)改为LBR(Fin-F
常用归一化/正则化层：InstanceNorm1d、InstanceNorm2d、
批量归一化与实例归一化的最大区别在于计算均值及方差的依据不同，实例归一化是对每个样本沿着通道方向独立对各个通道进行计算，而批量归一化则是对所有样本沿着batch的方向对各个通道分别进行计算。比如：输入特征图形状为：(2,3,256,512)，表示有两个256×512的特征图，特征图通道数为3，假设为
史上最强tensorflow2.6.0安装教程
安装tensorflow-gpu版本
基于Transformer的交通预测模型部分汇总【附源代码】
交通预测一直是一个重要的问题，它涉及到交通运输系统的可靠性和效率。随着人工智能的发展，越来越多的研究者开始使用深度学习模型来解决这个问题。其中，基于Transformer的交通预测模型在近年来备受关注，因为它们具有优秀的建模能力和较好的预测准确性。
