Windows下pytorch-gpu安装以及CUDA详细安装过程 附带各个版本安装包
2.Cuda的下载安装及配置2.1安装Cuda2.1.1查看本机是否有独立显卡首先我们要确定本机是否有独立显卡。在计算机-管理-设备管理器-显示适配器中，查看是否有独立显卡。可以看到本机有一个集成显卡和独立显卡NVIDIA GeForce RTX 2080 SUPER...
【深度学习】| 基于keras以及cv2实现人脸识别
利用python下的keras、cv2实现人脸识别认证以及7种微表情、性别识别
【深度学习】初识ndarray
文章目录前言1. 矩阵操作1.1 ndarray1.2 创建行向量1.3 改变张量的形状1.4 获取张量中的元素个数2. 创建矩阵2.1 创建一个全是0的矩阵2.2 创建一个全是1的矩阵2.3 创建随机数矩阵3. 矩阵运算总结前言主要介绍pytorch中对于ndarray的一些基础操作；1. 矩阵操
【人工智能】话说人工智能与人工神经网络的历程
人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。那么，它的发展历程是经历了什么过程呢？
全网首发，Swin Transformer+FaceNet实现人脸识别
一、 简介与其他的深度学习方法在人脸上的应用不同，FaceNet并没有用传统的softmax的方式去进行分类学习，然后抽取其中某一层作为特征，而是直接进行端对端学习一个从图像到欧式空间的编码方法，然后基于这个编码再做人脸识别、人脸验证和人脸聚类等。FaceNet主要有两个重点：Backbone和Tr
机器学习决策树作业
机器学习决策树作业
2022年关于损失函数的5篇最新论文推荐
2022年最新的损失函数论文总结
BRIO：抽象文本摘要任务新的SOTA模型
在 SimCLS [2]论文发布后不久，作者又发布了抽象文本摘要任务的SOTA结果 [1]。BRIO在上述论文的基础上结合了对比学习范式。
学习笔记：深度学习（8）——基于PyTorch的BERT应用实践
使用PyTorch将BERT嵌入网络进行应用的一次初尝试！
连夜看了30多篇改进YOLO的中文核心期刊 我似乎发现了一个能发论文的规律
第1种：焕然一新的创新；比如Faster-RCNN、Yolov1、Transformer、ShuffleNet等，能……第2种：守正出奇的创新；比如将图像金字塔改进为特征金字塔……第3种：各种先进算法集成的创新，比如……
一般神经网络(DNN)反向传播过程
DNN反向传播过程多元函数微分损失函数都是标量函数，它使用范数损失将向量转换为标量。计算损失函数在第L层输入的导数是一种标量对向量的求导。实际上不论是几维向量，都可以视为一列多元函数的自变量数组。例如，m×nm\times nm×n维度的矩阵{Wij}\{W_{ij}\}{Wij}可以转化为一列多
ICLR 2022的10篇论文推荐
一千多篇论文，19个研讨会和8次邀请演讲。 所以我整理了10篇论文作为推荐，希望对你有帮助
手把手带你Yolov5 (v6.1)添加注意力机制（并附上30多种顶会Attention原理图）
Yolov5 (v6.1)添加注意力机制教程（并附上30多种顶会Attention原理图）
深度学习中的归一化技术全面总结
归一化是深度学习中的一个基本概念。它加快了计算速度并稳定了训练。多年来发展了许多不同的技术。本篇文章整理了目前与它相关的方法，希望对你有所帮助
42个激活函数的全面总结
这个列表将包含 42 个激活函数，这里面肯定有没有见过的
《协同式智能清漂子母船》——第十四届国际水中机器人大赛---国赛亚军
摘要：水库、湖泊等水域在降雨和人类活动的作用下经常会聚集大量漂浮垃圾，严重影响水利枢纽正常运行，以及水域和周边的生态环境健康。如何适应各种水域特征，及时而高效安全的清除漂浮垃圾仍然是亟需解决的问题。针对此问题，本作品设计了一种子母船，在大型水域由母船直接清理漂浮垃圾，而在母船无法完成清理工作的较浅水
手把手带你调参Yolo v5 (v6.1)（一）
解析Yolov5项目中每一个参数含义
Keras深度学习实战（3）——神经网络性能优化技术详解
在神经网络训练过程中，有多种超参数可以影响神经网络的准确性。在本节中，我们将详细介绍神经网络中各种超参数的作用，通过使用不同的超参数来优化神经网络性能，以 MNIST 手写数字分类模型为例应用多种神经网络优化技术提高模型准确率。
在预测中使用LSTM架构的最新5篇论文推荐
本文总结了近半年来关于LSTM的5篇论文，推荐阅读
