优化改进YOLOv5算法之添加SE、CBAM、CA模块(超详细)
本文主要是在YOLOv5算法中加入SE、CBAM和CA注意力机制模块，通过实验验证对比，加入CBAM和CA注意力机制后的效果均有所提升
激活函数（Relu，sigmoid，Tanh，softmax）详解
总结了常用的激活函数，如何在工程实践中合理选择激活函数。
文本匹配SimCSE模型代码详解以及训练自己的中文数据集
这个模型的定义其实很简单，就是用bert作为特征提取的基础模型，然后再bert模型输出的基础上加上一个dropout操作，就是代码中的pooling层，核心代码就是下面几行outputs . append(output) count += 1 except : break output = bert
LSTM+注意力机制(Attention)实现时间序列预测(PyTorch版)
本专栏整理了《深度学习时间序列预测案例》，内包含了各种不同的基于深度学习模型的时间序列预测方法，例如LSTM、GRU、CNN（一维卷积、二维卷积）、LSTM-CNN、BiLSTM、Self-Attention、LSTM-Attention、Transformer等经典模型，包含项目原理以及源码，每一
什么是注意力机制及其应用（self attention）？
注意力机制是自深度学习快速发展后广泛应用于自然语言处理、统计学习、图像检测、语音识别等领域的核心技术，例如将注意力机制与RNN结合进行图像分类，将注意力机制运用在自然语言处理中提高翻译精度，注意力机制本质上说就是实现信息处理资源的高效分配，例如先关注场景中的一些重点，剩下的不重要的场景可能会被暂时性
YOLOv5 backbone（一）
yolov5中Backbone部分
ChatGPT+Midjourney实现儿童绘本故事及其插图（数字1~10的故事）
近期AI对话技术与AI绘画技术突飞猛进。本文尝试结合AI对话与AI绘画进行儿童绘本内容的创作，发现AI对话技术已经超越大部分人类水平。但是AI绘画在精细的主体个数以及主体动作语义的理解上还远未达到人类水平。
预测任务评价指标acc,auc
1、分别表示什么TP（true positive）：表示样本的真实类别为正，最后预测得到的结果也为正；FP（false positive）：表示样本的真实类别为负，最后预测得到的结果却为正；FN（false negative）：表示样本的真实类别为正，最后预测得到的结果却为负；TN（true neg
UNeXt：基于 MLP 的快速医学图像分割网络
UNeXt是约翰霍普金斯大学在2022年发布的论文。它在早期阶段使用卷积，在潜在空间阶段使用 MLP。通过一个标记化的 MLP 块来标记和投影卷积特征，并使用 MLP 对表示进行建模。对输入通道进行移位，可以专注于学习局部依赖性。
gpt4人工智能怎么下载-chatgpt哪里下载
通常，您需要训练GPT模型，采用有意义的对话数据和有意义的提示和激活响应函数，才能获得高质量和自然的响应。在生成文本时，我们可以使用带有模板的文本提示，以便GPT-2模型了解预期的生成文本类型。但请注意，这只是一个示例，在生产环境中，您可能需要更多的定制和调整，以获得更高质量的中文文本。Happy
SGD，Adam，AdamW，LAMB优化器
BERT 预训练包括两个阶段：1）前 9/10 的训练 epoch 使用 128 的序列长度，2）最后 1/10 的训练 epoch 使用 512 的序列长度。优化器是用来更新和计算影响模型训练和模型输出的网络参数，使其逼近或达到最优值，从而最小化(或最大化)损失函数。优点： 简单性，在优化算法中没
四种类型自编码器AutoEncoder理解及代码实现
慢慢的会设计自己的编码器和解码器。全部都将其搞定都行啦的回事与打算。慢慢的全部都将其搞定都行啦的回事与打算。
YOLOv5车辆测距实践：利用目标检测技术实现车辆距离估算
YOLOv5目标检测技术进行车辆测距。相信大家对YOLOv5已经有所了解，它是一种快速且准确的目标检测算法。接下来，让我们一起探讨如何通过YOLOv5实现车辆距离估算。
YOLOv7保姆级教程！（个人踩坑无数）----环境配置
深度学习，yolo环境详细配置讲解
chatgpt3接口 国内版免费使用
目前OpenAI公司提供了GPT-3的API服务，允许开发者通过调用API接口，使用GPT-3的功能。总的来说，GPT-3的API接口是一个非常方便和高效的自然语言处理工具，可以帮助您快速解决自然语言处理问题，例如生成文本、回答问题等任务。但需要注意的是，API使用需要遵从OpenAI公司的相关规定
GANs系列：CGAN(条件GAN）原理简介以及项目代码实现
cGAN的中心思想是希望 可以控制 GAN 生成的图片，而不 是单纯的随机生成图片。 具体来说，Conditional GAN 在生成器和判别器的输入中 增加了额外的 条件信息，生成器生成的图片只有足够真实 且与条件相符，才能够通过判别器。
【机器学习】有监督、无监督、自监督、半监督、弱监督的区别
自监督数据监督来源于数据本身，其实就是自己生成一些简单的标签，然后去学习，理论上网络就学习到了图像的一些特征信息，然后再在这个模型的基础上添加其他任务。相对于分割的标签来说，分类的标签就是弱标签。
【深度学习】特征融合的重要方法 | 张量的拼接 | torch.cat()函数 | torch.add(函数
【深度学习】特征融合的重要方法 | 张量的拼接 | torch.cat()函数 | torch.add(函数
目标检测算法——安全帽识别数据集（附下载链接）
🎄🎄近期，小海带在空闲之余收集整理了一批安全帽识别数据集供大家参考。整理不易，小伙伴们记得一键三连喔！！！🎈🎈
RTX4070ti-40系列显卡配置pytorch深度学习环境过程
这几天新配的4070需要安装深度学习环境，开始为了图简便把之前显卡的环境复制过来，结果有各种小问题，什么环境无法导入pytorch，显卡算力和torch的算力不匹配等小问题，导致两天才弄好，下面说下成功安装过程。这里有个问题是官方的下载比较慢，也不建议用镜像原，我第一次用镜像下的就是cpu版本的to
