百度飞桨 paddleX操作手册
paddleX操作手册
【Win 11】Pytorch-CUDA版 安装指南
笔者在很久之前就装过Pytorch，但当时装的是CPU版本，今天尝试装GPU版本，几经波折，总结一些问题在此，以少走弯路。
视觉大模型DINOv2:自我监督学习的新领域
本文将介绍DINOv2是如何改进的，以及这些进步可能对整个领域有什么影响。
深入浅出Pytorch函数——torch.Tensor
torch.Tensor
深入理解机器学习——偏差（Bias）与方差（Variance）
即刻画了学习问题本身的难度。给定学习任务，为了取得好的泛化性能，则需使偏差较小，即能够充分拟合数据，并且使方差较小，即使得数据扰动产生的影响小一般来说，偏差与方差是有冲突的，这称为偏差方差窘境（Bias-Variance Dilemma）。随着训练程度的加深，学习器的拟合能力逐渐增强，训练数据发生的
目标检测算法——YOLOv5/YOLOv7改进之结合SOCA（单幅图像超分辨率）
CVPR19 单幅图像超分辨率来了！！！基于CNN的超分辨方法虽然取得了最好的结果，但此类方法关注更宽或更深的结构设计，忽略了中间层特征之间的关系。基于此，本文提出了二阶注意力机制(SOCA)更好的学习特征之间的联系，此模块通过利用二阶特征的分布自适应的学习特征的内部依赖关系，SOCA的机制是网
【深度学习实战】基于深度学习的图片风格快速迁移软件（Python源码+UI界面）
【深度学习实战】基于深度学习的图片风格快速迁移软件（Python源码+UI界面）
yolov5算法-学习过程
这张图是在找工作前，回忆yolo系列的发展历程，进行梳理的图。内容可能有一些不准确的地方，请指出。
损失函数——交叉熵损失（Cross-entropy loss）
对于每个类别i，yi表示真实标签x属于第i个类别的概率，y^i表示模型预测x属于第i个类别的概率。对于每个输入数据x，我们定义一个C维的向量y^，其中y^i表示x属于第i个类别的概率。假设真实标签y是一个C维的向量，其中只有一个元素为1，其余元素为0，表示x属于第k个类别。该函数将输入数
ChatGPT在线网页版和接口
ChatGPT是一种强大的自然语言生成技术，它可以用来自动生成大量的、质量较高的文本。根据OpenAI官方的演示和使用案例，ChatGPT已经被用于文本摘要、对话生成、语言翻译、文本分类等多种应用场景。然而，ChatGPT作为一种自动生成的技术，其生成的文本仍然需要进行审校和修改，以满足特定的需求和
YOLOv8实例分割训练自己的数据集保姆级教程
对数据集进行转换和划分。注意：在数据标注的时候将图片和json文件放在不同的文件夹里。如下图所示，另外新建两个文件夹txt 和json。新建json2txt.py文件，修改文件路径为自己的路径。新建split.py,修改文件路径为自己的路径。
使用Kaggle训练模型的记录
由于自己手头没有GPU资源，所以只能靠免费的GPU勉强做实验。之前使用的是Google Colab，但是用多用久了以后，就特别容易断，断开以后，基本上就寄了。所以又转向了Kaggle。Kaggle的好处就在于不用fq就能上传文件、运行代码，所以更稳定一点，目前我没有遇到跑着跑着突然断了的情况。这篇博
（新SOTA）UNETR++：轻量级的、高效、准确的共享权重的3D医学图像分割
UNETR++：轻量级的、高效、准确的共享权重的3D医学图像分割高效配对注意(EPA)块，该块使用一对基于空间和通道注意的相互依赖的分支来有效地学习空间和通道方面的判别特征
YOLOv5：IoU、GIoU、DIoU、CIoU、EIoU
Python、YOLOv5、IoU、GIoU、DIoU、CIoU、EIoU、损失函数
探索深度学习世界：掌握PyTorch，成为AI领域的行家
PyTorch是一个开源的机器学习框架，由FacebookAI研究院开发和维护。它基于Torch，是一个动态图计算框架，可以支持动态构建计算图，使得它更加灵活和易于使用。它是由Torch7团队开发，是一个以Python优先的深度学习框架，不仅能够实现强大的GPU加速，同时还支持动态神经网络。PyTo
YOLOv5/v7 更换骨干网络之 SwinTransformer
提供 YOLOv5 / YOLOv7 / YOLOv7-tiny 模型 YAML
gpt.4.0-gpt 国内版
GPT（Generative Pre-trained Transformer）是一种预训练的语言模型，可用于多种自然语言处理任务，如情感分析、文本分类、文本生成等。下面是使用GPT的一些步骤和建议：确定任务和数据集：首先，需明确自己的任务和应用场景，选择合适的数据集进行训练和测试。例如，如果要生成诗
深度学习的定义和未来发展趋势
深度学习的定义及原理📜📜深度学习是一种基于神经网络、具有多个隐藏层来提取高级抽象特征进行模式识别和决策的机器学习技术。其核心思想与人脑神经元相似，通过逐层的计算和学习，将输入数据转化为具有更高级别的表示，从而实现对复杂数据结构的建模和分析。📜深度学习中最重要的思想是构建可训练的人工神经网络模型
人工智能导论课程论文：人工智能及其发展趋势
人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人
深度学习——卷积层的输入输出多通道（笔记）+代码
每组卷积核提取的特征不一样。我的猜测是，比如有一个图片，加上一个滤镜（一组卷积核），是朦胧的。通过一组卷积核，把输入的三个通道的信息对应像素进行加权和，得到一个输出通道。不管输入的是多个通道，每个通道都有对应的卷积核，输出通道的结果是所有卷积核的和。②把输出的6个通道传入，此刻的输入通道识别并组合输
