解决nvcc显示不是内部或外部命令的问题
问题描述安装CUDA后，配置完环境变量，始终nvcc -V找不到命令，如下图解决方法（一）检查是否正确安装首先查看一下是否确实成功安装好了CUDA，在C盘中找到CUDA文件夹，并且打开v10.0文件夹，找到对应的位置，即C:\Program Files\NVIDIA GPU Computing To
图像分割（语义分割）的局限以及解决方法
CNN作为最基础的框架，存在很多的问题：比如语义分割除了语义信息还需要细节信息，因此UNet等论文给出了解决方案。比如语义分割需要上下文信息，因此PSPNet、Deeplab系列、基于自注意力机制的一系列方法（Non-Local、DANet、CCNet等）等被提出来获取局部、多尺度乃至全局上下文。比
多目标跟踪(1):使用MOT17数据集训练YOLOv7检测器
本文将介绍如何使用MOT17数据集训练YOLOv7检测器。
细粒度图像分类论文研读-2022
目前的工作主要通过关注如何定位最具识别度的区域并依靠它们来提高网络捕捉细微变化的能力来完成FGVC。这些工作中的大部分是通过RPN模块来提出绑定框并重新使用主干网络来提取所选框的特征。近年来，ViT在传统分类任务重大放异彩，其自我关注机制将每个patch的token连接到分类token。注意力连接的
在kaggle上用Yolov5训练口罩模型并部署到android端
利用Kaggle免费提供的GPU能很好的对YOLOV5口罩数据集的进行训练。下载链接。
OpenAI 官方api 阅读笔记
openai
机器学习和深度学习概述
学习笔记
Pytorch中的广播机制（Broadcast）
如果一个Pytorch运算支持广播的话，那么就意味着传给这个运算的参数会被自动扩张成相同的size，在不复制数据的情况下就能进行运算，整个过程可以做到避免无用的复制，达到更高效的运算。广播机制实际上是在运算过程中，去处理两个形状不同向量的一种手段。pytorch中的广播机制和numpy中的广播机制一
强化学习总结
强化学习：寻找一个合适的函数，将观察到的环境（environment）作为输入，目标是最大化回报（reward）（从经验中学习）
在运行yolo5的v5.0版本detect.py时遇到的一些错误
跟着小土堆的视频教学自己遇到的一些问题。
人工智能导论期末复习重点
绪论人工智能诞生于1956，达特茅斯会议，与空间技术和原子能技术统称为20世纪三大科学技术成就，智能是知识和智力的总和，知识是一切智能行为的基础，智力是获取知识并应用知识求解问题的能力。麦卡锡----人工智能之父。1969年成立国际人工智能会议。1970年创立人工智能杂志,1957年提出感知机模型智
深度学习--超参数（持续更新）
通常情况下，一个或者一组优秀的学习率既能加速模型的训练，又能得到一个较优甚至最优的精度。以上两种情况在训练初期以及中期，此时若仍然以固定的学习率，会使模型陷入左右来回的震荡或者鞍点，无法继续优化。在小数据集上，通常微调的效果比从头训练要好很多，因为在于数据量较小的前提下，训练更多参数容易导致过度拟合
MATLAB深度学习（1） --- 想要做好深度学习？数据集是第一步
该项目的目标是想基于某些人的行走引起的楼板振动加速度作为数据，通过深度学习方案，来将这些人的身份进行识别。数据集构建网络搭建（可能会变换多种网络）网络参数选取训练，并基于训练结果调整得出结论当然，该项目是一个全新的课题，充满挑战，所以每一期可能解决的只是项目中的一个问题。对于深度学习方案真正应用到全
安装Pytorch-gpu版本（第一次安装 或 已经安装Pytorch-cpu版本后）
由于已经安装了cpu版本了，如果再在该环境下安装gpu版本会造成环境污染.因此，再安装gpu版本时，需要再新建一个虚拟环境才能安装成功。然后去官网下载所适配的版本。 安装完cuda和cudnn后，开始安装pytorch的gpu版本。1.安装cude首先查看windows电脑之前是否成功安装了CUDA
cuda版本，pytorch(GPU)版本的选择和下载
cuda版本、cuda(cudatoolkit)下载配置，runtime API、driver API，pytorch(GPU)与cuda对应、版本选择、下载配置，pip、conda
yolov3模型训练并部署到K210(零基础也可）
YOLOV3模型训练自己的数据集，并部署到K210上，零基础即可上手。
快速了解 GPT 发展三阶段
GPT-1 的预训练模型在 GPT-2 团队看来有一个不足的地方，虽然 GPT-1 构建了一个不错的预训练模型，但是对下游任务还是需要使用有标注的样板来训练新的模型，也就是说需要对具体的下游任务做有监督的微调。同时，GPT-2 还引入了一些新的技术，如动态掩码、自适应的词向量权重、多层次的表示等，以
YOLO系列损失函数详解
YOLOV1最后生成7×7的网格(gridcell)，每个gridcell会产生两个预测框(boundingbox)，每个gridcell产生的两个预测框只能预测同一种类物体，也就是说YOLOV1最多只能预测49种物体，两个预测框中哪一个与标注框的IOU大就选哪一个(此即正样本)，另外一个会被舍弃(
没有独立显卡没有NVIDIA 如何安装pytorch
算不上安装教程的安装思路
三分钟认知Softmax和Sigmoid的详细区别
Softmax以及Sigmoid这两者都是神经网络中的激活函数，对应还有其他的激活函数引入激活函数是为了将其输入非线性化，使得神经网络可以逼近任何非线性函数（原本没有引入激活函数，就是多个矩阵进行相乘，无论神经网络多少层都是线性组合，这个概念是感知机）Softmax以及Sigmoid两者都是作为神经
