改进YOLOv5系列：8.增加ACmix结构的修改,自注意力和卷积集成
🚀YOLO Air：小白科研Trick改进推荐 | 包括Backbone、Neck、Head、注意力机制、IoU损失函数、NMS、Loss计算方式、自注意力机制、数据增强部分、激活函数
CVPR 2022上人脸识别相关的论文分类整理
人脸识别是AI研究的一个重要的方向，CVPR 2022也有很多相关的论文，本篇文章将针对不同的应用分类进行整理，希望对你有帮助
你的模型是最好的还是最幸运的？选择最佳模型时如何避免随机性
对于数据科学家来说，知道模型选择中哪一部分是偶然发挥的作用是一项基本技能。在本文中，我们将说明如何量化选择最佳模型过程中涉及的随机性。
【手把手反内卷】开创全新AI多模态任务一视听分割：代码实践、优化教程（二）
代码实战，有手就行，反内卷，最新多模态
2022年8月的10篇论文推荐
10篇关于强化学习(RL)、缩放定律、信息检索、语言模型等的论文推荐
改进YOLOv5系列：7.改进DIoU-NMS,SIoU-NMS,EIoU-NMS,CIoU-NMS,GIoU-NMS
Soft-NMS,DIoU-NMS,SIoU-NMS,EIoU-NMS,CIoU-NMS,GIoU-NMS,Soft-CIoUNMS,Soft-SIoUNMS,...
tqdm高级使用方法(类keras进度条)
在很多场景，我们希望对一个进度条标识其运行的内容()，同时也希望在进度条中增加一些信息，如模型训练的精度等。本文就将基于tqdm，在实际应用中充实进度条。
【深度学习前沿应用】图像风格迁移
【深度学习前沿应用】图像风格迁移，基于百度飞桨开发，参考于《机器学习实践》所作。
DALL·E-2是如何工作的以及部署自己的DALL·E模型
在本文中，我们将简单介绍DALL-E2是如何工作的，并且把DALL·E Mini生成的图像输入到其他图像处理模型(GLID-3-xl和SwinIR)中来提高生成图像的质量
【深度学习】笔记2-模型在测试集的准确率大于训练集
在模型训练过程中突然发现，模型的准确率在测试集上居然比在训练集上还要高。但是我们知道，我们训练模型的方式就是在训练集上最小化损失。因此，模型在训练集上有着更好的表现，才应该是正常的现象。那么，是什么导致了在测试集上准确率更高的现象呢？......
更简单的掩码图像建模框架SimMIM介绍和PyTorch代码实现
在本文中我们将探索一篇和MAE同期的工作：SimMIM，任何VIT都可以在大量未注释的数据上进行训练，并且可以很好地学习下游任务。
YOLOv7基于自己的数据集从零构建模型完整训练、推理计算超详细教程
到底使用哪个完全看自己的选择和需求。我这里选择的是tag里面的稳定版本。前段时间感觉也是应接不暇了，先是美团技术团队提出来了yolov6，也就间隔一周的时间吧，yolov7就出来的，当然了，两者的优化思路是不一样的，可以根据自身的实际业务场景需求来进行选择即可，也未必说越新的模型就会越好。到这里，基
【深度学习实践（一）】安装TensorFlow
【深度学习实践（一）】安装TensorFlow
【机器学习】数据科学基础——神经网络基础实验
【机器学习】数据科学基础——神经网络基础实验，基于百度飞桨开发，参考于《机器学习实践》所作。
8个常见的机器学习算法的计算复杂度总结
计算的复杂度是一个特定算法在运行时所消耗的计算资源(时间和空间)的度量。
365天深度学习训练营-学习线路
要求：学习如何编写一个完整的深度学习程序，并记录学习所得（详细介绍其中一个知识点、简略介绍两个知识点）
实际工作中的高级技术（训练加速、推理加速、深度学习自适应、对抗神经网络）
针对训练数据过于庞大的对策，多GPU训练，加速生产模型的速度，可以认为是离线操作。我们主要看一下基于数据的并行，下面列出了三种并行方式①Model Average（模型平均）②SSGD（同步随机梯度下降）③。......
YOLOv5应用轻量级通用上采样算子CARAFE
手把手教你YOLOv5添加轻量化上采样算子CARAFE
在表格数据集上训练变分自编码器 (VAE)示例
变分自编码器 (VAE) 是在图像数据应用中被提出，但VAE不仅可以应用在图像中。在这篇文章中，我们将简单介绍什么是VAE，以及解释“为什么”变分自编码器是可以应用在数值类型的数据上，最后使用Numerai数据集展示“如何”训练它。
【深度学习】今日bug（8月2)
一. TypeError: ‘method‘ object is not iterable，意思是类型错误“方法”对象不可迭代。二. 自动求梯度，求函数值了吗？
