手把手写深度学习(10)：用Pix2Pix GANs实现sketch-to-image跨模态任务(理论基础)
前言：2017年GANs正如火如荼地发展，有CGANs、DCGANs等前辈珠玉在前，Pix2Pix GANs横空出世，在多种多模态任务上有着亮眼的表现，并且首次把U-net结构带到了深层次生成模型当中，非常有意义。本文用Pix2Pix GANs实现sketch-image这一跨模态任务。encode
论文推荐：ReLICv2 ，新的自监督学习能否在ResNet 上超越监督学习？
自监督 ResNets 能否在 ImageNet 上没有标签的情况下超越监督学习？
动手学深度学习——卷积层
从全连接到卷积1、简单例子：分类猫和狗的图片使用一个还不错的相机采集图片（12M像素）RGB图片有36M元素使用100大小的单隐藏层MLP，模型有3.6B元素，远多于世界上所有猫和狗总数（900M狗，600M猫）2、重新考察全连接层将输入和输出变形为矩阵（宽度，高度）；将权重变形为4-D张量（h,w
深度盘点：30个用于深度学习、自然语言处理和计算机视觉的顶级 Python 库
今天我们来盘点一下有哪些用于深度学习、自然语言处理和计算机视觉的顶级Python库。我尽力将每个库按预期的使用情况进行归类，所有包含的库都有对应的Github代码仓库，我还列出每个库的在Github上的收藏(Stars) ，提交(Commits )，贡献者(Contributors)的数据，这在一定
神经网络中的激活函数与损失函数&深入理解推导softmax交叉熵
介绍神经网络中常用的激活函数和损失函数，主要是介绍softmax交叉熵损失函数，并使用计算图手动推导softmax交叉熵反向传播过程。
【论文笔记】道路检测 SNE-RoadSeg
论文标题：SNE-RoadSeg: Incorporating Surface Normal Information into Semantic Segmentation for Accurate Freespace Detection论文地址：https://arxiv.org/abs/2008.
BN-Batch Normalization 算法的学习
文章目录背景前景知识-白化BN算法原理BN算法的优点BN的代码实现学习神经网络的时候，发现了很多的算法在输入层之前加上了Batch Normalization 算法，记录一下自己的学习。背景前景知识-白化BN算法原理BN算法的优点BN的代码实现...
眼见不为“实”，人们更信任人工智能合成的假脸
常言道，耳听为虚，眼见为实。但是现在随着人工智能技术的发展，眼见可不一定为实。而造成这一结果的全都是因为深度伪造技术，简称深伪技术或者深度伪造。是Deep Learing（深度学习）和Fake（伪造）的混成词。一种基于人工智能的人体图像合成技术。而该技术的扩散与发展，引起了人们的担忧。2018年，英
论文推荐：StarCraft II Unplugged 离线强化学习
在本文中，我们将介绍 StarCarft II Unplugged 论文 [1]，本论文可以将AlphaStar进行了扩展或者说更好的补充解释，绝对值得详细阅读。
音频数据建模全流程代码示例：通过讲话人的声音进行年龄预测
从EDA、音频预处理到特征工程和数据建模的完整源代码演示
构建可以查找相似图像的图像搜索引擎的深度学习技术详解
在本文中将介绍如何查找相似图像的蛇毒学习理论基础并且使用一个用于查找商标的系统为例介绍相关的技术实现，阅读本文后你将有能够从头开始为创建类似图像的搜索引擎的能力。
TensorFlow2 实现动物识别（90类）MobileNetV2算法（内附源码与数据）
本文已加入 ???? Python AI 计划，从一个Python小白到一个AI大神，你所需要的所有知识都在 这里 了。在之前的文章中我们通过Xception算法模型实现了狗、猫、鸡、马四种的动物的识别（新模型！实现动物识别）。今天我们接着介绍MobileNetV2算法，将数据集扩充到90个类别，即
TensorFlow2.x得环境下如何运行TF1.x环境的代码
最近因为学习需要，所以在看别人的代码，但是发现有些教科书或是很久以前的代码都是在TF1.x的环境下编写的。而很多显卡例如Genforce系列在TF1.x中是无法派上用场的，因此需要安装TF2.x-gpu版本来运行代码，但是中间也遇到了很多问题：系统：win11cuda 11.2tensorflow-
从零实现深度学习框架——手写前馈网络实现电影评论分类
本文通过手写前馈神经网络来解决IMDB电影评论分类问题，最终达到了和Keras同类模型相同的表现。
《Python深度学习》读书笔记：第5章 深度学习用于计算机视觉
目录第5章 深度学习用于计算机视觉5.1 卷积神经网络简介5.1.1 卷积运算5.1.2 最大池化运算5.2 在小型数据集上从头开始训练一个卷积神经网络5.2.1 深度学习与小数据问题的相关性5.2.2 下载数据5.2.3 构建网络5.2.4 数据预处理5.2.5 使用数据增强5.3 使用预训练的卷
TensorFlow2 入门指南 | 18 keras.callbacks 回调使用方法
全网最简洁高效的TensorFlow2入门指南！
5分钟NLP：快速实现NER的3个预训练库总结
在本文中，将介绍对文本数据执行 NER 的 3 种技术。这些技术将涉及预训练和定制训练的命名实体识别模型。
yolact推理环境搭建
下载地址：git clone https://github.com/dbolya/yolact.git安装环境:cd yolact，执行conda env create -f environment.yml下载模型权重：运行测试用例：python eval.py --trained_model=we
详细且通俗讲解轻量级神经网络——MobileNets【V1、V2、V3】
文章目录轻量级神经网络——MobileNetsMobileNetV1深度可分离卷积1、**深度卷积**✨✨✨2、**逐点卷积**✨✨✨参数量和计算量1、**标准卷积**2、**深度可分离卷积**✨✨✨MobileNetV1的网络结构及效果MobileNetV2Linear Bottlenecks✨✨
还在为模型加速推理发愁吗？不如看看这篇吧。手把手教你把pytorch模型转化为TensorRT，加速推理
文章目录摘要环境配置ONNX模型转化第一种推理写法第二种推理写法TensorRT模型转化动态推理静态推理摘要最近，学习了一些模型转化和加速推理的知识，本文是对学习成果的总结。对模型的转化，本文实现了pytorch模型转onnx模型和onnx转TensorRT，在转为TensorRT模型的过程中，实现
