【PyTorch】多对象分割项目
对象分割任务的目标是找到图像中目标对象的边界。实际应用例如自动驾驶汽车和医学成像分析。这里将使用PyTorch开发一个深度学习模型来完成多对象分割任务。多对象分割的主要目标是自动勾勒出图像中多个目标对象的边界。对象的边界通常由与图像大小相同的分割掩码定义，在分割掩码中属于目标对象的所有像素基于预定义
【传知代码】LAD-GNN标签注意蒸馏（论文复现）
在当今的数据科学领域，Graph Neural Networks (GNNs) 已成为处理图结构数据的强大工具。然而，传统的GNN在图分类任务中面临一个重要挑战——嵌入不对齐问题。本文将介绍一篇名为“Label Attentive Distillation for GNN-Based Graph C
【人工智能】Transformers之Pipeline（七）：图像分割（image-segmentation）
本文对transformers之pipeline的图像分割（image-segmentation）从概述、技术原理、pipeline参数、pipeline实战、模型排名等方面进行介绍，读者可以基于pipeline使用文中的2行代码极简的使用计算机视觉中的图像分割（image-segmentation
Transformer预测模型及其Python和MATLAB实现
通过将输入的查询、键和值线性变换为多个不同的头部，然后并行计算每个头的注意力，最后将所有头的结果拼接后经过线性变换。- **查询（Query）、键（Key）和值（Value）**：对输入的词嵌入进行线性变换，得到查询、键和值。- **解码器**：解码器结构类似于编码器，但在每个层中加入了对先前生成的
【AI大数据计算原理与代码实例讲解】Hadoop
【AI大数据计算原理与代码实例讲解】Hadoop作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming关键词：Hadoop, 分布式计算, 大数据, 数据处理框架, YARN, MapReduce1
Pyinstaller打包OSError: could not get source code【终极解决】
pyinstaller 打包报错 torch.jit.script
探索LLaMA模型：架构创新与Transformer模型的进化之路
LLaMA模型代表了一种先进的人工智能技术，能够在自然语言处理（NLP）任务上表现出卓越的能力，如文本生成、问答、对话交互、机器翻译以及其他基于语言的理解和生成任务。LLaMA模型家族的特点在于包含了不同参数规模的多个模型版本，参数量从70亿（7B）至650亿（65B）不等。这些模型设计时借鉴了Ch
【机器学习】基于3D CNN通过CT图像分类预测肺炎
本文深入探讨了3D卷积神经网络（3D CNN）在CT图像肺炎分类预测中的应用。通过构建高效的3D CNN模型，结合精确的数据预处理和增强技术，实验结果表明该模型在医学影像诊断中具有显著的潜力。尽管面临数据规模和计算资源的挑战，但通过模型优化和跨学科合作，有望进一步提升性能。未来研究将着眼于扩大数据集
认识神经网络【多层感知器数学原理】
简单认识神经网络，学习多层感知器的数学原理和公式
模型安全与对抗攻防原理与代码实战案例讲解
模型安全与对抗攻防原理与代码实战案例讲解作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming1. 背景介绍1.1 问题的由来随着人工智能技术的飞速发展，深
2024年最新AI大模型，一文带你走进AI搜索！
随着技术的不断进步，这些AI工具将更加深入我们的生活，成为我们探索知识、解决问题的得力助手。智能对话，数据分析，语音识别和多平台支持，提供智能化、便捷化、高效化的解决方案。功能：华为的盘古大模型，它不仅支持知识问答、文案生成、代码生成，以及多模态大模型的图像生成、图像理解等能力集，还支持雷达、红外线
AI Agent: AI的下一个风口 自然语言带来交互革命
AI Agent: AI的下一个风口 自然语言带来交互革命1. 背景介绍1.1 人工智能的发展历程人工智能(Artificial Intelligence, AI)是当代科技领域最具革命性和影响力的技术之一
Kafka Offset原理与代码实例讲解
Kafka Offset原理与代码实例讲解作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming关键词：Kafka，Offset，消息队列，分布式系统，数据流处理1. 背景介绍
YOLOv10改进 | 特殊场景检测篇 | 轻量级的低照度图像增强网络IAT改进YOLOv10暗光检测（全网独家首发）
本文给大家带来的改进机制是轻量级的变换器模型：Illumination Adaptive Transformer (IAT)，用于图像增强和曝光校正。其基本原理是通过分解图像信号处理器（ISP）管道到局部和全局图像组件，从而恢复在低光或过/欠曝光条件下的正常光照sRGB图像。具体来说，IAT使用注意
Datawhale AI 夏令营——从零入门CV图像竞赛(Deepfake攻防) & Task2
深度学习（）是一种机器学习方法，通过使用人工神经网络（）来模拟人脑的功能，从而进行数据处理和模式识别。它属于人工智能（）的一个分支，主要通过大量数据和计算资源来训练多层神经网络模型，以实现复杂的任务。
开源模型应用落地-Yi模型小试-开源模型 vs 闭源模型（四）
测试零一万物的闭源模型，并与其开源模型进行比较
Adam-mini：内存占用减半，性能更优的深度学习优化器
论文提出一种新的优化器Adam-mini，在不牺牲性能的情况下减少Adam优化器的内存占用。
机器学习课程设计，人工智能课程设计，深度学习课程设计--基于Transformer的家庭暴力情绪检测系统（欢迎私）
家庭暴力在现今社会屡见不鲜，成为威胁社会和谐与稳定的重要问题之一。家庭暴力不仅包括身体上的虐待，还涉及情感、心理和经济上的虐待，给受害者尤其是女性和儿童带来深远的负面影响。有效预防和处理家庭暴力事件，及时感知和理解伴侣的情感显得尤为重要。为了帮助社会稳定，提高居民生活幸福指数，本系统选取了CMU-M
【AI大数据计算原理与代码实例讲解】大数据
【AI大数据计算原理与代码实例讲解】大数据作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming关键词：大数据计算原理, 大数据存储, 数据处理流程, 分布式计算, MapReduce, Spark, Hadoop生态系统
减轻幻觉新SOTA，7B模型自迭代训练效果超越GPT-4，上海AI lab发布
本文通过迭代自我训练，逐步扩大数据集的多样性和规模，并提高幻觉标注器的准确性。最终得到的ANAH-v2仅用7B参数在各种幻觉检测基准测试中首次超过了GPT-4，并在第三方幻觉检测基准测试中表现出色。ANAH-v2不仅提供了一个基于的扩展数据集的自动幻觉评估基准，为未来幻觉缓解研究铺平了道路，还通过简
