TensorFlow和Pytorch中的音频增强
本文将介绍TF和Pytorch这两个非常流行的深度学习框架中进行音频数据增强的方法
特征工程：基于梯度提升的模型的特征编码效果测试
树形结构为什么不需要归一化?使用独热编码和标签编码对模型的表现影响大吗？
使用格拉姆角场(GAF)以将时间序列数据转换为图像
这篇文章将会详细介绍格拉姆角场 （Gramian Angular Field），并通过代码示例展示“如何将时间序列数据转换为图像”。
yolov5——训练策略
yolov5——训练策略前言前言yolov5的训练策略big big丰富，这也是yolov5涨分厉害的reason，目前yolov5的使用量也是非常大的，官网的star已经23.5k了，无论是在迁移学习还是实际场景的应用都是非常广泛的。之前参加比赛，发现好几页的选手都在使用yolov5，确实有必要梳
RetinaNet详解（附Pytorch代码讲解）
RetinaNet详细解读
稀疏矩阵的概念介绍
使用稀疏矩阵既可以节省内存，也可以加快训练速度，本文中将介绍系数矩阵的概念并且通过示例介绍在什么时候以及如何使用稀疏矩阵
第三届阿里云磐久智维算法大赛——GRU BaseLine
赛题比赛链接：第三届阿里云磐久智维算法大赛-天池大赛-阿里云天池 (aliyun.com)大赛概况庸医只知头痛医头脚痛医脚，凡良医者，必会抽丝剥茧，察其根本，方得药到病除。第一届和第二届磐久智维算法大赛，我们针对异常预测开展了积极的探索和卓有成效的实践。本届大赛我们延续对异常/故障这一领域的深入
使用Lenet-5识别手写数字（含简单GUI测试，简单详细版）
Lenet-5识别手写数字，含简单GUI测试（通俗易懂版）
YOLOv5网络详解
在前面我们已经介绍过了YOLOv1~v4的网络的结构，今天接着上次的YOLOv4再来聊聊YOLOv5，如果还不了解YOLOv4的可以参考之前的博文。YOLOv5项目的作者是Glenn Jocher并不是原Darknet项目的作者Joseph Redmon。并且这个项目至今都没有发表过正式的论文。之前
yolov5——train.py代码【注释、详解、使用教程】
yolov5——train.py代码【注释、详解、使用教程】yolov5——train.py代码【注释、详解、使用教程】yolov5——train.py代码【注释、详解、使用教程】前言1. parse_opt函数2. main函数2.1 main函数——打印关键词/安装环境2.2 main函数——是
基于深度学习的交通标识别算法对比研究-TensorFlow2实现
🔗 运行环境：python3🚩 作者：K同学啊🥇 精选专栏：《深度学习100例》🔥 推荐专栏：《零基础入门深度学习》📚 选自专栏：《Matplotlib教程》🧿 优秀专栏：《Python入门100题》大家好，我是K同学啊！今天和大家分享一篇 本科毕设 实战项目，项目中我将使用VGG16、
AI 杀疯了！
本文推荐 11 有趣好玩的 AI 开源项目，这些项目来自计算机视觉、自然语言处理、强化学习等领域，这些项目是：1. 二次元老婆生成器2. 人脸生成器3. 视频换脸神器4. 一键生成动漫风格...
基于Pytorch的神经网络之Optimizer
目录1.引言2.各种优化器2.1 SGD2.2 Momentum2.3 RMSprop2.4 Adam3.效果对比1.引言我们之前提到进行反向传播时我们需要用到优化器(Optimizer)来优化网络中的参数，优化器有许多种，下面介绍几种常见的优化算法。2.各种优化器2.1 SGD优化算法中比较基本的
自监督学习的知识点总结
本篇文章将对自监督学习的要点进行总结
深度学习相关概念：计算图与反向传播
深度学习相关概念：反向传播、梯度消失与梯度爆炸计算图计算图总结反向传播颗粒度 在深度学习分类问题中，反向传播是一个重要的环节，它决定着模型是否能被训练，反向传播相当于一个负反馈，当一件事做完之后，会寻找当前事件做的不好的问题，进行回传，当下次在做的时候，进行优化。计算图 在了解反向传播之前，我们
GAN 并不是你所需要的全部：从AE到VAE的自编码器全面总结
在图像生成方面GAN似乎成为了主流,但是自编码器（autoencoder）还是有很多的优势，所以本文对AE模型做一个全面详细得介绍和总结。
深度学习相关概念：交叉熵损失
深度学习相关概念：交叉熵损失交叉熵损失详解1.激活函数与损失函数1.1激活函数：1.2损失函数：2.对数损失函数（常用于二分类问题）：3.交叉熵、熵、相对熵三者之间的关系4.交叉熵损失函数（常用于多分类问题）4.1交叉熵的作用：5.交叉熵损失 VS 多类支撑向量机损失 我在学习深度学习的过程中，发
构建自己的gym训练环境 巨详细
本文对搭建自己的gym训练环境从内部函数到注册环境对每步进行详细说明。
基于Pytorch的神经网络之Classfication
1.引言我们上次介绍了神经网络主要功能之一预测，本篇大部分内容与回归相似，有看不懂的点可以看看我回归Regression，今天介绍一下神经网络的另一种功能：分类。2.网络搭建2.1 准备工作还是先引用我们所需要的库，和回归所需的一样。import torchimport torch.nn.funct
基于Pytorch的神经网络之Regression
目录1.引言2.神经网络搭建2.1 准备工作2.2 搭建网络2.3 训练网络3.效果4. 完整代码1.引言我们之前已经介绍了神经网络的基本知识，神经网络的主要作用就是预测与分类，现在让我们来搭建第一个用于拟合回归的神经网络吧。2.神经网络搭建2.1 准备工作要搭建拟合神经网络并绘图我们需要使用pyt
