深度学习——稠密连接网络（DenseNet）原理讲解+代码（torch）
DenseNet（稠密连接网络）是由Cornell大学的Gao Huang等人于2017年提出的深度学习网络架构。它的设计灵感来自于ResNet（残差网络）以及其前身 Highway Networks 的思想。这是作者发表的一篇CVPR顶会上的一篇论文，代码的地址，大家可以自行下载。
AI极速批量换脸！Roop-unleashed下载介绍，可直播
要说AI换脸领域，最开始火的项目就是Roop了，Roop-unleashed作为Roop的嫡系分支，不仅继承了前者的强大基因，更是在功能上实现了重大突破与升级。在控制台中可以查看处理进度，程序执行完毕会打印信息Finished，可以在“打开输出文件夹”中找到换好的文件，也可以在“最终结果”界面的右上
AI人工智能深度学习算法：深度学习代理的安全与隐私保护
1. 背景介绍随着人工智能技术的迅猛发展，深度学习代理（Deep Learning Agents）在各个领域得到了广泛应用，例如自动驾驶、智能家居、医疗诊断等。这些代理能够从海量数据中学习并做出智能决策，为我们的生活带来了极大的便利。然而，深度学习代理也面临着安全和隐私保护的挑战。恶意攻击者可能会利
AI 内容分享(十八)：秒懂AI-深度学习四种常用激活函数：Sigmoid、Tanh、ReLU和Softmax
Softmax是一种常用的激活函数，主要用于多分类问题中，可以将输入的神经元转化为概率分布。ReLU的输出范围是[0, +∞)，而输入值为负数时输出为0，这导致ReLU输出的分布不对称，限制了生成的多样性。Leaky ReLU在输入小于或等于0时，输出一个较小的斜率，避免了完全的“死亡神经元”问题。
Block Transformer：通过全局到局部的语言建模加速LLM推理
在这篇论文中，作者提出了Block Transformer架构，该架构通过在较低层次之间的粗糙块（每个块代表多个令牌）的自注意力来模拟全局依赖性，并在较高层次的每个局部块内解码细粒度的令牌，
【动手学深度学习】使用块的网络（VGG）的研究详情
本文介绍了深度学习中使用块结构的网络——VGG网络。VGG网络通过堆叠多个卷积层和池化层形成块，使得网络结构更深，从而提高了图像识别的精度。每个块内使用相同的卷积层参数，通过增加网络深度来增强特征提取能力。文章详细讨论了VGG网络的设计原则、块的定义和实现方法，并提供了相应的代码示例。VGG网络在多
智能安防:AI视觉识别与大数据分析保卫安全
1. 背景介绍1.1 安防行业的需求与挑战随着社会的发展和科技的进步，安防行业的需求日益增长。传统的安防系统依赖于人力监控和简单的报警装置，存在着效率低下、误报率高、无法及时应对突发事件等问题。为了满足日益复杂的安防需求，智能安防应运而生。
从提示工程到代理工程：构建高效AI代理的策略框架概述
从提示工程到代理工程的转变才刚刚开始，未来的路还很长。本文提出的代理工程框架只是一个起点，旨在提供一个实用的设计思路，帮助我们在AI代理的开发和实现上取得进展。随着技术的发展和新方法的出现，构建AI代理的模型和技术将不断增多，这要求我们建立能够适应各种技术的通用框架。通过明确定义代理的任务、行动和所
【深度学习】AI修图——DragGAN原理解析
上一篇，我们讲述了StyleGAN2。这一篇，我们就来讲一个把StyleGAN2作为基底架构的DragGAN。DragGAN的作用主要是对图片进行编辑，说厉害点，可能和AI修图差不多。这篇论文比较新，发表自2023年参考代码：https://github.com/skimai/DragGANAI修图
CNN依旧能战：nnU-Net团队新研究揭示医学图像分割的验证误区，设定先进的验证标准与基线模型
这篇论文研究了在3D医学图像分割领近年引入了许多新的架构和方法，但大多数方法并没有超过2018年的原始nnU-Net基准。作者指出，许多关于新方法的优越性的声称在进行严格验证后并不成立，这揭示了当前在方法验证上存在的不严谨性。
深度学习的数据安全：如何保护数据和模型的隐私和安全
1.背景介绍深度学习技术在近年来迅速发展，已经应用于多个领域，包括图像识别、自然语言处理、语音识别等。然而，与其他技术不同，深度学习模型通常需要大量的数据进行训练，这使得数据安全和隐私保护成为了一个重要的问题。在这篇文章中，我们将讨论如何保护深度学习中的数据和模型隐私和安全，以及相关的算法和技术。2
Ubuntu20.04安装cuda12.11
首先就是安装显卡驱动，我是双3090，不知道为什么，官网死活安不上，最后从软件更新那里直接安装上了，绷不住了。
Pytorch入门（四）使用VGG16网络训练CIFAR10数据集
本文使用Pytorch+VGG16+CIFAR10数据集完成图像分类
从提示工程到代理工程：构建高效AI代理的策略框架概述
本框架旨在提供一个实用的思维模型，虽不全面，但足以作为一个起点，随后可根据实际需要进行细化和扩展。
Hive数据挖掘：洞察数据背后的秘密
1. 背景介绍1.1 大数据时代的机遇与挑战随着互联网和移动设备的普及，全球数据量呈现爆炸式增长。海量数据蕴藏着巨大的商业价值，但也给传统的数据处理技术带来了巨大挑战。如何高效地存储、管理和分析海量数据，成为企业面临的重大课题。1.2
OpenCV与AI深度学习 | OpenCV中八种不同的目标追踪算法
目标跟踪作为机器学习的一个重要分支，加之其在日常生活、军事行动中的广泛应用，受到极大的关注。在AI潮流中，大家对于深度学习，目标跟踪肯定都会有过接触了解：在GPU上通过大量的数据集训练出自己想使用的垂直场景后再在实际场景中使用。但麻烦的是，大数人拥有的是CPU，有没有办法能在自己的电脑上用CPU就能
CTF新题型--AI
AI类题目通常涉及到使用或修改AI模型来解决特定的问题。这类题目可能要求选手利用算法对数据进行修改、运算，以实现解题目的.例如，字节跳动安全与风控团队发起的安全AI挑战赛就涵盖了图像文本识别、海量数据分析等方向，而WMCTF2020和TJUCTF新生赛中也有AI相关的题目.在这些题目中，有的是基于神
PyCharm2023中配置使用Anaconda的虚拟环境
在2023版本的PyCharm中配置并使用Anaconda虚拟环境
登天文学顶刊MNRAS！中科院上海天文台利用AI发现107例中性碳吸收线，探测精度达99.8%
其中，包括碳、氧、硅等元素的星际尘埃也随着爆发的扩散在星际介质中富集，不但为新恒星和行星系统的形成提供了重要的物质基础，也在星际介质的冷却和凝聚过程中起着关键作用。然后，由两个 12Å 的窗口连接在一起形成一个 100 元素长的一维通量数组，便能够提供对局部光谱特性和信噪的清晰视图，同时不包括吸收线
目标检测评价指标Precision、Recall、mAP
目标检测评估指标
