【Unet系列】（三）Unet++网络
Unet++主要是探索encoder和decoder需要多大的问题，以此为基础，提出了融合不同尺寸Unet结构的网络。创新点就是把不同尺寸的Uent结构融入到了一个网络里。
用Pytorch搭建一个房价预测模型
在此项目中，目的是预测爱荷华州Ames的房价，给定81个特征，描述了房子、面积、土地、基础设施、公共设施等。埃姆斯数据集具有分类和连续特征的良好组合，大小适中，也许最重要的是，它不像其他类似的数据集（如波士顿住房）那样存在潜在的红线或数据输入问题。在这里我将主要讨论PyTorch建模的相关方面，作为
神经网络中的常用算法-BN算法
但是当一张图片输入到神经网络经过卷积计算之后，这个分布就不会满足刚才经过image normalization操作之后的分布了，可能适应了新的数据分布规律，这个时候将数据接入激活函数中，很可能一些新的数据会落入激活函数的饱和区，导致神经网络训练的梯度消失，如下图所示当feature map的数据为1
【PyTorch教程】07-PyTorch如何使用多块GPU训练神经网络模型
在本篇博文中，你将学习到在PyTorch中如何使用多GPU进行并行训练。
人工智能知识全面讲解： RBF神经网络
7.4.1 全连接与局部连接1968 年 ， 生 物 学 家 休 伯 尔 （ David Hunter Hubel ） 教 授 与 维 泽 尔（Torsten N.Wiesel）教授在研究动物如何处理视觉信息时有一个重要的发现。他们发现动物大脑皮层是分级、分层处理信息的。在大脑的初级视觉皮层中存在好
超图神经网络（HGNN）
HGNN解读
强化学习领域值得关注的国际顶级会议
强化学习（Reinforcement Learning, RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。今天给大家介绍几个强化学习领域值得关注的顶级会议。
PyTorch 之 强大的 hub 模块和搭建神经网络进行气温预测
【代码】PyTorch 之 强大的 hub 模块和搭建神经网络进行气温预测。
tt100k数据集跑yolov5s模型时，所遇到的问题记录
yolov5遇到的错误
二十. 在ROS系统上实现基于PyTorch YOLO v5的实时物体检测
在ROS系统上实现基于PyTorch YOLO v5的实时物体检测
FCN全卷积网络理解及代码实现（来自pytorch官方实现）
FCN是首个端对端的针对像素级预测的全卷积网络而换为卷积层之后，最后得到的是1000通道的2D图像，可以可视化为heat map图。一般说的vgg16是D：全连接操作前后：77512（通道）【假设忽略偏置】\color{red}{【假设忽略偏置】}【假设忽略偏置】全连接FC1计算：计算对应某一个结点
PyTorch深度学习实战 | 神经网络的优化难题
即使我们可以利用反向传播来进行优化，但是训练过程中仍然会出现一系列的问题，比如鞍点、病态条件、梯度消失和梯度爆炸，对此我们首先提出了小批量随机梯度下降，并且基于批量随机梯度下降的不稳定的特点，继续对其做出方向和学习率上的优化。
BP神经网络的诊断分类（初学者+matlab代码实现）
初学者推荐，bp神经网络的实现
Grad-CAM源码保姆级讲解（pytorch）
Grad-CAM源码保姆级详解。
遗传算法优化神经网络—MATLAB实现
遗传算法优化神经网络MATLAB实现
深度学习和日常代码中遇到的报错汇总及解决方案，持续更新中。。。。
深度学习和日常代码中遇到的报错汇总及解决方案，持续更新中。。。。解决方案也大多参考网上的解决方案，有些有用，有些没有效果，本文章中的问题，也仅是本人遇到的问题
OpenMV：19OpenMV4 Plus训练神经网络进行口罩识别
注意： 只有可以自己训练神经网络，其他版本的性能不够本节讲解如何使用网站来自行训练神经网络模型，进而实现机器学习的功能是一个在线网站，是一个为嵌入式产品非常快速地生成嵌入式上面使用的神经网络的模型，非常地易用且快速，大概只需要5min左右就可以训练出一个OpenMV4 Plus上使用的模型机器学习有
mmsegmentation框架SegFormer训练自己的数据集
使用mmsegmentation中的SegFormer网络训练自己的数据集
校园打架行为识别检测 yolov7
校园打架行为识别检测系统基于python基于yolov7深度学习框架+边缘分析技术，自动对校园、广场等区域进行实时监测，当监测到有人打架斗殴时，系统立即抓拍存档语音提醒，并将打架行为回传给学校后台，提醒及时处理打架情况。YOLOv7 在 5 FPS 到 160 FPS 范围内，速度和精度都超过了所有
【深度学习】pix2pix GAN理论及代码实现与理解
深度学习，pix2pixGAN, CGAN,patchGAN, 代码实现。
