关于 FLOPS、FLOPs、参数量的相关计算
最近找到一些计算FLOPs的文章，奈何全是水文，讲都讲不清楚，完完全全的究极缝合怪。因此，这里准备彻底搞懂。
【YOLO】YOLOv8训练自定义数据集（4种方式）
使用YOLOv8训练自定义数据集
知识蒸馏研究综述
知识蒸馏综述阅读
nms和P，R，map原理及在Yolov5代码中的解析
nms，准确率，召回率，map原理讲解及示例，基于Yolov5代码中对以上指标进行解析，并分析各指标的利弊
小波神经网络（WNN）的实现（Python，附源码及数据集）
本文对小波神经网络（WNN）的理论基础及建模步骤进行介绍，之后使用Python实现基于WNN的数据预测，通俗易懂，适合新手学习，附源码及实验数据集。
深度学习 简介
在介绍深度学习之前，我们先看下人工智能，机器学习和深度学习之间的关系：机器学习是实现人工智能的一种途径，深度学习是机器学习的一个子集，也就是说深度学习是实现机器学习的一种方法。与机器学习算法的主要区别如下图所示：传统机器学习算术依赖人工设计特征，并进行特征提取，而深度学习方法不需要人工，而是依赖算法
在服务器上配置Pytorch
在服务器上安装pytorch的教程
【深度学习21天学习挑战赛】备忘篇：我们的神经网模型到底长啥样?——model.summary()详解
构建深度学习模型，我们会通过`model.summary()`**输出模型各层的参数状况，已我们刚刚学过的模型为例
一文总结图像生成必备经典模型（一）
一文总结图像生成必备经典模型（一）
slowfast
一个神器 并且模型转换加部署全套 我慢慢说来近年来，基于深度学习的人体动作识别的研究越来越多，slowfast模型提出了快慢两通道网络在动作识别数据集上表现十分优异，本文介绍Slowfast数据准备，如何训练，以及slowfast使用onnx进行推理，着重介绍了Slowfast使用Tensorrt推
CVPR2022 多目标跟踪（MOT）汇总
CVPR2022 MOT文章汇总
FPN细节剖析以及pytorch代码实现
FPN细节剖析以及pytorch代码实现
[ 数据集 ] VOC 2012 数据集介绍
[ 数据集 ] VOC 2012 数据集介绍VOC 2012它从根本上说是一个有监督的学习问题，提供了一组标记图像的训练集；包括二十个对象类别：Person、Animal、Vehicle、Indoor；有三个主要的对象识别竞赛：分类、检测和分割；VOC 2012 文件夹介绍1）Annotations
模型初始化与随机种子——Pytorch 炼丹技巧（随手记）
模型参数的默认初始化方式和自定义初始化方式，以及通过设置随机种子让每次实验的模型初始化参数保持一致
【网络流量识别】总结篇1：机器学习方法在网络流量识别的应用
本文总结深度学习方法在流量识别方面的应用，也是对前四篇文章的总结。主要包括数据集，特征提取方法，深度学习网络，性能比较等几方面的介绍。一、概述网络入侵检测系统（N-IDS）是根据网络类型及其行为，对网络网络流量数据分类的主要方法有（1）误用检测；（2）异常检测；（3）状态完整协议分析机器学习方法是目
ResUnet++
ResUnet++
训练自己的GPT2-Chinese模型
基于GPT2-Chinese训练中文文本模型
UNet - 预测数据predict(多个图像的分割)
目录1. 介绍2. predict 预测分割图片3. 结果展示4. 完整代码之前已经将unet的网络模块、dataset数据加载和train训练数据已经解决了，这次要将unet网络去分割图像，下面是之前的链接unet 网络：UNet - unet网络dataset 数据处理：UNet - 数据加载
使用 PatchCore 进行图像异常检测
我们已经介绍了 PatchCore 的关键概念，并将其应用于医学影像数据集。即使数据集非常有限，我们也看到了一些非常有希望的结果。一般来说，如果您有一个用例，其中正常数据很容易获取但异常数据很昂贵（甚至是先验未知的），anomalib 可能是一个值得考虑的好工具。相关代码与数据集下载：欢迎关注公众号
Dropout的深入理解（基础介绍、模型描述、原理深入、代码实现以及变种）
深度神经网络包含多个非线性隐藏层，这使得它们有强大的表现力，可以学习输入和输出之间非常复杂的关系。但是在训练数据有限的情况下，深度神经网络很容易过度学习造成过拟合，过拟合是深度神经网络的一个非常严重的问题，此外，神经网络越大，训练速度越慢，Dropout可以通过在训练神经网络期间随机丢弃单元来防止过
