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。
光流估计（三） PWC-Net 模型介绍
PWC-Net 的网络模型在由提出，发表文章为与FlowNet2.0模型相比，PWCNet的大小缩小了17倍，训练成本更低且精确度稳定。此外，它在Sintel数据集（1024×436）图像上的运行速度大约为35 fps，是光流估计深度学习中非常基础且具有重要意义的一个网络模型。FlowNet2.0
VAE模型——pytorch实现
【代码】VAE模型——pytorch实现。
【Pytorch神经网络理论篇】 27 图神经网络DGL库：简介+安装+卸载+数据集+PYG库+NetWorkx库
DGL库是由纽约大学和亚马逊联手推出的图神经网络框架，支持对异构图的处理，开源相关异构图神经网络的代码，在GCMC、RGCN等业内知名的模型实现上也取得了很好的效果。1 DGL库的实现与性能实现GNN并不容易，因为它需要在不规则数据上实现较高的GPU吞吐量。1.1 DGL库简介DGL库的逻辑层使用了
基于物理信息深度学习的交通状态估计：以LWR和CTM模型为例
1.文章信息本次介绍的文章是2022年发表在IEEE Open Journal of Intelligent Transportation Systems的一篇名为《Physics-Informed Deep Learning for Traffic State Estimation: Illust
干货！深度学习模型的水印和验证
点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！劳颖捷：现任克莱姆森大学电气和计算机工程系助理教授。从浙江大学和明尼苏达大学获得学士和博士学位。研究方向包括机器学习安全和隐私，网络安全，对人工智能和密码学的硬件加速，硬件安全，硬件架构与设计。获得美国国家科学基金会杰出青年职业奖（NSF C
深度解析：什么是Diffusion Model？
©PaperWeekly 原创 ·作者 |鬼谷子引言在上一篇基于流的深度生成模型中详解介绍了有关流的生成模型理论和方法。目前为止，基于 GAN 生成模型，基于 VAE 的生成模型，以及基于 flow 的生成模型它们都可以生成较高质量的样本，但每种方法都有其局限性。GAN 在对抗训练过程中会出现模式崩
神经网络Python实现（9行代码）
神经网络由输入层、输出层和之间若干层（一层或多层）隐含层构成，每一层可以有若干个节点。层与层之间节点的连接状态通过权重来体现。这9行代码就是把上图的1~4组数据作为训练集进行模型训练，不断地更新权重使其输出更接近训练集中给出的输出标签（标准答案），然后将最后一组数据当做测试集来检测模型的准确度，它最
分享本周所学——人工智能语音识别模型CTC、RNN-T、LAS详解
本人是一名人工智能初学者，最近一周学了一下AI语音识别的原理和三种比较早期的语音识别的人工智能模型，就想把自己学到的这些东西都分享给大家，一方面想用浅显易懂的语言让大家对这几个模型有所了解，另一方面也想让大家能够避免我所遇到的一些问题。然后因为我也只是一名小白，所以有错误的地方还希望大佬们多多指正。
运用VGG16神经网络进行花朵识别
把数据集的照片进行处理得到向量，花种类名称写入文件class_indices.json中，确定batch_size = 8，运用模型进行训练，反向传播计算梯度，不断更新权重，最终计算损失函数，保存损失最小的模型权重，到vgg16Net.pth文件中。根据vgg16模型建立，在model.py文件中实
MobileNet系列论文
传统CNN，内存需求量大、运算量大，导致无法在移动设备以及嵌入式设备上运行。MobileNet是Google团队在2017年提出，专注于移动端或者嵌入式设备中的轻量级CNN网络。相比于传统的CNN，在准确率下幅度下降的前提下大大减少了模型参数与运算量。（相比于VGG16准确率下降了0.9%，但模型参
如何在云服务器上跑深度学习的代码？(ResNet50为例)
关键字：如何租用云服务器、如何租用网上的GPU、如何把代码上传到云服务器、如何把数据集上传到云服务器、如何在云服务器上训练ResNet50。
理解ConvNeXt网络（结合代码）
ConvNeXt网络本身没有什么亮点，全是应用的现有的方法来进行网络的调整，特别是大量细节的设计都是参考了swin transformer的网络结构的。并且ConvNeXt是以ResNet50网络为backbone来进行调整的，所以ConvNeXt的网络结构非常简单，一目了然，理解起来也是非常容易的
GIN：图同构网络
论文标题：How Powerful are Graph Neural Networks?论文链接：https://arxiv.org/abs/1810.00826论文来源：ICLR 2019一、概述目前的GNN框架大多遵循递归邻域聚合（或者消息传递）框架，并且已经出现各种GNN变种。然而，新的GNN
【综述】一文读懂卷积神经网络(CNN)
卷积神经网络是多层感知机(MLP)的变种，由生物学家休博尔和维瑟尔在早期关于猫视觉皮层的研究发展而来，视觉皮层的细胞存在一个复杂的构造，这些细胞对视觉输入空间的子区域非常敏感，称之为感受野。CNN由纽约大学的Yann Lecun于1998年提出(LeNet-5)，其本质是一个多层感知机，成功的原因在
时间序列数据预测结果为一条直线原因总结
时间序列数据预测结果为一条直线原因总结
ResNet网络 残差块的作用
ResNet简单介绍 ResNet是15年提出的经典网络了。在ResNet提出之前，人们发现当模型层数提升到一定程度后，再增加层数就不再能提升模型效果了——这就导致深度学习网络看似出现了瓶颈，通过增加层数来提升效果的方式似乎已经到头了。ResNet解决了这一问题。 ResNet的核心思想就是引入了残
pytorch获得模型的参数量和模型的大小
pytorch获得模型的参数量和模型的大小
小波神经网络（WNN）的实现（Python，附源码及数据集）
本文对小波神经网络（WNN）的理论基础及建模步骤进行介绍，之后使用Python实现基于WNN的数据预测，通俗易懂，适合新手学习，附源码及实验数据集。
【网络流量识别】总结篇1：机器学习方法在网络流量识别的应用
本文总结深度学习方法在流量识别方面的应用，也是对前四篇文章的总结。主要包括数据集，特征提取方法，深度学习网络，性能比较等几方面的介绍。一、概述网络入侵检测系统（N-IDS）是根据网络类型及其行为，对网络网络流量数据分类的主要方法有（1）误用检测；（2）异常检测；（3）状态完整协议分析机器学习方法是目
