语义分割数据集：Cityscapes的使用
本文主要介绍Cityscapes在语义分割方向上的理解和使用。其中包括Cityscapes具体构建流程和使用方法。并提供了具体代码和pytorch dataset代码。
Notion AI vs ChatGPT vs New Bing 三款AI软件使用体验对比
三款AI问答软件均师出同门，全部基于OpenAI公司开发的GPT-3模型（其中Chatgpt使用的应是ChatGPT3.5版本的模型）。本篇文章从多个维度对比三款软件使用的优缺点，帮助大家了解它们的使用方式，以及应该如何更好地使用它们作为自己的辅助。
【深度学习】预训练语言模型-BERT
BERT是一种预训练语言模型（pre-trained language model, PLM），其全称是Bidirectional Encoder Representations from Transformers。
2023年4月的12篇AI论文推荐
GPT-4发布仅仅三周后，就已经随处可见了。本月的论文推荐除了GPT-4以外还包括、语言模型的应用、扩散模型、计算机视觉、视频生成、推荐系统和神经辐射场。
【论文笔记】—低光图像增强—Supervised—URetinex-Net—2022-CVPR
【题目】：URetinex-Net: Retinex-based Deep Unfolding Network for Low-light Image Enhancement 提出了一种基于Retinex的 deep unfolding network （URetinex-Net），它将一个优化问题
YOLOv5源码逐行超详细注释与解读（3）——训练部分train.py
全网最详细的YOLOv5项目源码解读之训练部分train. py。全文近5万字！代码逐行注释，逐段讲解，小白入门必备！
摄像头标定--camera_calibration
用于指明标定板的内角点数量，如下图每个红圈的位置就是一个内角点，我所使用的GP290标点板有横向有11个内角点，纵向有8个内角点。当所有进度条都变成绿色后，CALIBRATE按钮由灰色变成深绿色，点击CALIBRATE，点击一下后，界面会卡住，此时不要做任何操作，直到运行标定程序的终端输出标定的结果
图解transformer | The Illustrated Transformer
写在最前边看transformer相关文章的时候发现很多人用了相同的图。直到我搜到作者的原文……于是决定翻译一下无删改的原文。翻译讲究：信、达、雅。要在保障意思准确的情况下传递作者的意图，并且尽量让文本优美。但是大家对我一个理工科少女的语言要求不要太高，本文只能保证在尽量通顺的情况下还原原文。作者博
PyTorch中的可视化工具
本文主要介绍Pytorch中的一些可视化工具
ChatGLM-6B 类似ChatGPT功能型对话大模型 部署实践
ChatGLM（alpha内测版：QAGLM）是一个初具问答和对话功能的中英双语模型，当前仅针对中文优化，多轮和逻辑能力相对有限，但其仍在持续迭代进化过程中，敬请期待模型涌现新能力。中英双语对话 GLM 模型：ChatGLM-6B，结合模型量化技术，用户可以在消费级的显卡上进行本地部署（INT4 量
Video Transformer | TimeSformer 理解+ 代码实战
TimeSformer（video transformer）Is Space-Time Attention All You Need for Video Understanding?
如何判断训练中的模型已经收敛
3.模型收敛：train loss 下降趋于稳定，val loss 下降也趋于稳定，且train loss 的值与val loss 的值相差不大。5.train loss上升，val loss上升：网络结构设计有问题，或者训练参数设置不当等，及时停止学习，调整代码。4.train loss稳定，va
torch.load() 、torch.load_state_dict() 详解
torch.load() 、torch.load_state_dict() 详解
全局平均池化/全局最大池化Pytorch实现：
全局池化与普通池化的区别在于“局部区域”和“全局”：普通池化根据滑动窗口以及步长以逐步计算局部区域的方式进行；而全局池化是分别对每个通道的所有元素进行计算，谓之全局池化。大大降低计算的参数量；没有需要学习的参数，可以更好的避免过拟合；更能体现输入的全局信息；拿一个简单的网络验证参数量下降（此处只计算
A Time Series is Worth 64 Words（PatchTST模型）论文解读
论文A Time Series is Worth 64 Words:Long-Time Forecasting With Tranformer解读，最新时间序列预测SOTA模型PatchTST
【异构知识蒸馏：IVIF】
仅供自己参考
大模型时代的“Linux”生态，开启人工智能新十年
演讲 | 林咏华 智源人工智能研究院副院长 整理 | 何苗出品 | CSDN（ID：CSDNnews）2018 年以来，超大规模预训练模型的出现推动了 AI 科研范式从面向特定应用场景、训练专有模型，转变为大模型+微调+模型服务的AI工业化开发模式。直至对话大模型 ChatGPT 引发全球广泛关注，
【周末闲谈】AI的旅途
忙碌的一周终于快要过去了，本周就让我们来谈谈AI这个热点话题吧😉(ps:但愿下个星期会更加轻松)AI无论在那个时代都是人们津津乐道的话题，人们即担心其的发展终有一天会取代人类，又好奇它能够成长到何种地步，今天就让我们来谈谈AI的发展史吧。
pytorch深度学习一机多显卡训练设置，流程
pytorch深度学习一机多显卡训练设置，流程
pytorch如何搭建一个最简单的模型，
在 PyTorch 中，可以使用torch.nn模块来搭建深度学习模型。具体步骤如下：定义一个继承自的类，这个类将作为我们自己定义的模型。在类的构造函数__init__()中定义网络的各个层和参数。可以使用torch.nn模块中的各种层，如Conv2dLinear等。在类中定义前向传播函数forwa
