VAN（大核注意力机制）
VAN（大核注意力机制）
在anaconda下安装pytorch + python3.8+GPU/CPU版本 详细教程
在Anaconda下用命令安装pytorch，手把手教会。按照安装CPU版本和GPU两个版本进行分类，一般运行程序建议使用CPU版本的，安装更方便。注意！如果切换镜像后当出现下载不了的情况，就先切换默认源，然后再修改另一个可以使用的conda源（一定要先恢复默认，再换另一个！！！）......
用Python+ChatGPT批量生成论文概述
用python+GPT-3 API开发了一个可以直接从arxiv地址生成论文概述的工具，大大提升论文阅读速度。
4、OpenCV-Python双目标定流程
双目视觉标定就是通过求解实际三维空间中坐标点和摄像机二维图像坐标点的对应关系，在该篇文章中，利用opencv-python检测棋盘格角点获取到用于计算二维图像坐标和三维空间的物理坐标求解出变换矩阵。
AUTOMATIC1111/stable-diffusion-webui安装教程
AUTOMATIC1111/stable-diffusion-webui
【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
自动标注工具 Autolabelimg
简单配置目标检测自动标注工具，减小标注工作量！！！
理解DALL·E 2， Stable Diffusion和 Midjourney工作原理
作者 | Arham Islam编译 | 岳扬在过去的几年里，人工智能（AI）取得了极大的进展，而AI的新产品中有AI图像生成器。这是一种能够将输入的语句转换为图像的工具。文本转图像的AI工具有许多，但最突出的就属DALLE 2、Stable Diffusion和Midjourney了。DALL-E
A2C算法原理及代码实现
A2C算法原理及代码实现
YOLO5 旋转模型图片标注及训练
YOLO 标注及训练教程
在kaggle上用Yolov5训练口罩模型并部署到android端
利用Kaggle免费提供的GPU能很好的对YOLOV5口罩数据集的进行训练。下载链接。
Paper Reading - 综述系列 - 计算机视觉领域中目标检测任务常见问题与解决方案
目录小目标检测数据方面Label Smoothing模型方面样本不均衡目标遮挡More更多可见计算机视觉-Paper&Code - 知乎小目标检测数据方面将图像resize成不同的大小 对小目标进行数据增强，过采样策略oversampling，重复正样本数 在图片内用实例分割的Mask抠出小
强化学习总结
强化学习：寻找一个合适的函数，将观察到的环境（environment）作为输入，目标是最大化回报（reward）（从经验中学习）
YOLO系列损失函数详解
YOLOV1最后生成7×7的网格(gridcell)，每个gridcell会产生两个预测框(boundingbox)，每个gridcell产生的两个预测框只能预测同一种类物体，也就是说YOLOV1最多只能预测49种物体，两个预测框中哪一个与标注框的IOU大就选哪一个(此即正样本)，另外一个会被舍弃(
历时两天，我终于在TensorFlow里面调用起来了gpu
TensorFlow调用gpu
Matplotlib从入门到精通01-matplotlib简介与绘图基本流程
本文主要是Matplotlib从入门到精通系列第1篇，本文介绍了Matplotlib的历史，绘图元素的概念以及Matplotlib的多个层级，同时介绍了较好的参考文档置于博客前面，读者可以重点查看参考链接。本系列的目的是可以完整的完成Matplotlib从入门到精通。
pytorch的下载解决方案（下载出错、下载过慢问题）
第一次下载pytorch往往会出现一些问题，比如不知道如何下载，或者下载过慢等问题，由此本文给出以下解决放方案，并给出图示解决。
传统图像处理之颜色特征
在深度学习广泛应用之前，也就是我们所说的传统图像处理，人们是如何处理图像的呢？首先找出图片中的关键特征，然后对这些特征进行识别，检测，分割等。在对计算机进行处理时，也需要先寻找特征。在让计算机理解图像之前，我们先来熟悉熟悉图像特征。
显卡、显卡驱动版本、cuda版本和Pytorch相互之间的依赖关系
探讨如何根据显卡和显卡驱动版本去选择相应的CUDA和Pytorch。
RepVGG：算法简介及repvgg.py代码解析
Make VGG-Style Great Again ！
