Faster RCNN学习笔记
对Faster RCNN的学习进行一些记录，方便后面的复习，有错误欢迎指出
YOLOv7来临：论文解读附代码解析
官方版的YOLOv7相同体量下比YOLOv5精度更高，速度快120%（FPS），比 YOLOX 快180%（FPS），比 Dual-Swin-T 快1200%（FPS），比 ConvNext 快550%（FPS），比 SWIN-L快500%（FPS）。在5FPS到160FPS的范围内，无论是速度或是
强化学习入门笔记
我们先回忆一下童年，来看看超级玛丽这款游戏在这款游戏里面的，我们需要控制超级玛丽进行左右行走、跳、攻击等动作，来躲避或攻击小动物、吃金币以及各种类型的增益道具。最终，获得的金币数量的多少以及通关代表我们玩游戏玩的好不好。那么，如果我们希望让机器来玩这个游戏呢？怎么能让机器在合适的时候做出合适的动作？
Pytorch入门实战（6）：基于GAN生成简单的动漫人物头像
Pytorch入门实战（6）：基于GAN生成简单的动漫人物头像
基于双语数据集搭建seq2seq模型
基于英-法数据集搭建无注意力机制的seq2seq模型
【深度学习】（一）机器学习基础学习笔记
作为一个图像算法工程师，传统图像算法和深度学习算法都应该掌握，这样在面对不同的实际场景时可以有更多得解决方法。之前的文章基本上都是以传统方法为主，所以今天一起来学习一下有关深度学习的算法。以后也会持续更新深度学习相关的内容。AI人工智能包含的内容十分广泛，对于图像处理而言，机器学习、深度学习或者计算
Block Recurrent Transformer：结合了LSTM和Transformer优点的强大模型
2022年3月Google研究团队和瑞士AI实验室IDSIA提出了一种新的架构，称为Block Recurrent Transformer 从名字中就能看到，这是一个新型的Transformer模型，它利用了lstm的递归机制，在长期序列的建模任务中实现了显著改进。
Linux下使用Anaconda安装 Pytorch（GPU）各个版本（万无一失），不会出现问题，经历各种踩坑的总结
（1）按照自己的环境选择，但是没有自己想要的版本。（2）修改安装命令里的版本号不是安装出错就是运行出错。（3）安装上之后用进入python环境，导入torch模块，之后输入命令输出安装torch的cuda版本没有反应，因为使用命令装上的是CPU版本的或者装的torch缺失cuda.（3）pytorc
智能科学毕业设计题目汇总
丹成学长，搜集分享最新的智能科学与工程业专业毕设选题，难度适中，适合作为毕业设计，大家参考。如何选题，项目分享：https://gitee.com/dancheng-senior/project-sharing-1/blob/master/%E6%AF%95%E8%AE%BE%E6%8C%87%E5
DGL中异构图的一些理解以及异构图卷积HeteroGraphConv的用法
相比同构图，异构图里可以有不同类型的节点和边。这些不同类型的节点和边具有独立的ID空间和特征。 例如在下图中，”用户”和”游戏”节点的ID都是从0开始的，而且两种节点具有不同的特征。因此异构图才是最能够表达和适用我们真实世界的各种表达的。下面可以使用DGL创建一个如下的异构图：一共有三种实体，三种关
OCR文字识别方法综述
摘 要：文字识别可以把海量非结构化数据转换为结构化数据，从而支撑各种创新的人工智能应用，是计算机视觉研究领域的分支之一，其任务是识别出图像中的文字内容，一般输入来自于文本检测得到的文本框截取出的图像文字区域。近几年来，基于深度学习的文字识别算法模型已取得不错成果，其过程无需进行特征处理且可以实现复
【手把手带你学习神经机器翻译--模型篇】
全连接神经网络(FullyConnected Neural Network,FCNN)，是深度神经网络中最基本的一种结构，如图所示。按照神经元所处的位置划分，全连接网络由输入层，隐藏层和输出层组成，通常第一层为输入层，最后一层为输出层，中间部分全为隐藏层。顾名思义，全连接神经网络中每一个神经元都与
深入浅出PyTorch中的nn.CrossEntropyLoss
PyTorch中的交叉熵详解
不懂AI不会写代码怎么做专业时序预测
预测是业务开展、数据分析、算法开发时的一个高频话题，贯穿各行各业的经营过程：不管是高层要做战略规划，管理层要做生意计划，还是执行层要决定执行数量，都依赖于通过预测判断未来。本文介绍一款最新预测工具DChain Forecast，不需要编写代码，也不需要了解深度学习和机器学习算法原理，跟随系统的引导
【强化学习PPO算法】
强化学习基础记录
卷积神经网络在深度学习中新发展的5篇论文推荐
卷积神经网络在深度学习中新发展的5篇论文推荐
人脸识别AdaFace学习笔记
简单或困难样本的相对重要性应基于样本的图像质量。 AdaFace 提出了一种新的损失函数，它根据图像质量强调不同难度的样本。 该方法通过特征范数来表示图像质量，以自适应裕值函数的形式实现这一点。...
分享本周所学——Transformer模型详解
大家好，欢迎来到《分享本周所学》第二期。本人是一名人工智能初学者，最近一周学了一下Transformer这个特别流行而且特别强大的模型，觉得非常有收获，就想用浅显易懂的语言让大家对这个超级神器有所了解。然后因为我也只是一名小白，所以有错误的地方还希望大佬们多多指正。 其实这周我还干了一
ArgMiner：一个用于对论点挖掘数据集进行处理、增强、训练和推理的 PyTorch 的包
对kaggle中Feedback Prize比赛该兴趣的小伙伴推荐了解下。ArgMiner可以用于对SOTA论点挖掘数据集进行标准化处理、扩充、训练和执行推断。
