【FPGA】基于HLS的全连接神经网络手写体识别
一 系统分析1.1 全连接神经网络简介 二 通过HLS 编写全连接神经网络传入权重参数和偏置参数文件2.1 获得图片、权重以及偏置的参数2.2 编写C语言的全连接算子2.3 Slave Interfaces2.3.1 hls_avalon_slave_component 2.3.2 hls_ava
Paper Reading - 综述系列 - Hyper-Parameter Optimization（上）
自开发深度神经网络以来，几乎在日常生活的每个方面都给人类提供了比较理性的建议。但是，尽管取得了这一成就，神经网络的设计和训练仍然是具有很大挑战性和不可解释性，同时众多的超参数也着实让人头痛，因此被认为是在炼丹。因此为了降低普通用户的技术门槛，自动超参数优化（HPO）已成为学术界和工业领域的热门话题。
深度学习：根据 loss曲线，对模型调参
深度学习模型调参笔记train loss 下降，val loss下降，说明网络仍在学习； 奈斯，继续训练train loss 下降，val loss上升，说明网络开始过拟合了；赶紧停止，然后数据增强、正则train loss 不变，val loss不变，说明学习遇到瓶颈；调小学习率或批量数目trai
主动学习(Active Learning，AL)的理解以及代码流程讲解
针对有监督的学习任务，存在标记成本较为昂贵且标记难以大量获取的问题。 在此问题背景下，主动学习（Active Learning, AL）尝试通过选择性的标记较少数据而训练出表现较好的模型。主动学习的工作流程的关键是选择模型、使用的不确定性度量以及应用于请求标签的查询策略。主要步骤为：收集数据、建立模
神经网络算法基本原理及其实现
目录背景知识人工神经元模型激活函数网络结构工作状态学习方式BP算法原理算法实现（MATLAB）背景知识在我们人体内的神经元的基本结构，相信大家并不陌生，看完下面这张图，相信大家都能懂什么是人工神经网络？人工神经网络是具有适应性的简单神经元组成的广泛并互连的网络，它的组织能够模拟生物神经系统对真实世界
Pytorch：全连接神经网络-MLP回归
使用全连接神经网络(MLP)解决波士顿房价回归预测问题
PyTorch学习系列教程：何为Tensor？
导读本文继续PyTorch学习系列教程，来介绍在深度学习中最为基础也最为关键的数据结构——Tensor。一方面，Tensor之于PyTorch就好比是array之于Numpy或者DataF...
【7】SCI易中期刊推荐——计算机 | 人工智能（中科院4区）
SCI即《科学引文索引》是1961年由美国科学信息研究所创办的文献检索工具。在我国，SCI不仅是一部权威的文献检索工具，更是评价个人&团队科研学术水平及优秀创新成果的一种重要依据。
BartModel 源码解析
BartModel的代码真的有太多的坑了
通过公式和源码解析 DETR 中的损失函数 & 匈牙利算法（二分图匹配）
DETR在单次通过解码器时推断一个固定大小的有N个预测的集合，其中N被设置为显著大于图像中典型的物体数量。所有真实框中的每一个框和所有预测框进行匹配，损失值最小的预测框为该真实框的最佳匹配框，当所有真实框遍历完毕后，得到所有唯一匹配的框。完成最优分配，假设有六位老师和六种课程，通过匈牙利算法进行匹配
知识蒸馏算法和代码（Pytorch）笔记分享，一个必须要了解的算法
知识蒸馏算法和代码（Pytorch）笔记分享，一个必须要了解的算法
深度学习理论篇之 ( 十八) -- 注意力机制之SENet
科普知识ILSVRC（ImageNet Large Scale Visual Recognition Challenge）是机器视觉领域最受追捧也是最具权威的学术竞赛之一，代表了图像领域的最高水平。ImageNet数据集是ILSVRC竞赛使用的是数据集，由斯坦福大学李飞飞教授主导，包含了超过1400
经典神经网络论文超详细解读（一）——AlexNet学习笔记（翻译＋精读）
AlexNet（ImageNet Classification with Deep Convolutional Neural Networks）论文超详细解读。翻译＋总结
Yolov5--从模块解析到网络结构修改（添加注意力机制）
文章目录1.模块解析(common.py)01. Focus模块02. CONV模块03.Bottleneck模块：04.C3模块05.SPP模块2.为yolov5添加CBAM注意力机制最近在进行yolov5的二次开发，软件开发完毕后才想着对框架进行一些整理和进一步学习，以下将记录一些我的学习记录。
【神经网络】(10) Resnet18、34 残差网络复现，附python完整代码
各位同学好，今天和大家分享一下 TensorFlow 深度学习中如何搭载 Resnet18 和 Resnet34 残差神经网络，残差网络利用 shotcut 的方法成功解决了网络退化的问题，在训练集和校验集上，都证明了的更深的网络错误率越小。论文中给出的具体的网络结构如下：Resnet50 网络结构
【YOLO系列】YOLOv5、YOLOX、YOOv6、YOLOv7网络模型结构
YOLOv5、YOLOX、YOLOv6、YOLOv7模型结构图
深度残差网络（ResNet）之ResNet34的实现和个人浅见
残差网络是由来自Microsoft Research的4位学者提出的卷积神经网络，在2015年的ImageNet大规模视觉识别竞赛（ImageNet Large Scale Visual Recognition Challenge, ILSVRC）中获得了图像分类和物体识别的优胜。 **残差网络的特
深度学习之wandb的基本使用
在深度学习训练网络的过程中，由于网络训练过程时间长，不可能一直关注训练中的每一轮结果，因此我们需要将训练过程中的结果可视化，留作后续的查看，从而确定训练过程是否出错。因此，我们需要使用到可视化工具，常用的几种可视化工具有：`wandb`（在线可视化）、`tensorboard`、这里主要介绍`wan
全网最全极限学习机（ELM）及其变种的开源代码分享
愿之称为全网最全的开源极限学习机（ELM）及其变种的开源代码分享~
stable diffusion 2.0本地部署和微调
今天我们来围绕着AUTOMATIC1111的stable-diffusion-webui介绍如何将stable diffusion 2.0 部署到本地，还有在哪里下载基本模型和微调。
