17届全国大学生智能汽车竞赛 中国石油大学（华东）智能视觉组 --模型训练篇
如果你习惯使用jupyter notebook编写代码，这里也提供了jupyter版本的代码。在目录下的example.ipynb，有所有内容的完整代码。这部分的代码已上传到我的。模型的精度在比赛中非常关键，毕竟分类错误的罚时是非常狠的。
FEDformer 代码分析（1）
也就是说加上23维度的才是这个维度的，也就是本来的x是（1,96,7）的维度的，前面拼接上front，后面拼接上end后，变成了（1,119,7）这个维度的了。这个series_decomp_multi的里面有两个可学习的东西，一个是一个pooling，是kernel_size是24的大小的，另一个
VIT：Transformer进军CV的里程碑
Transformer[1]最初提出是针对NLP领域的，并且在NLP领域大获成功，几乎打败了RNN模型，已经成为NLP领域新一代的baseline模型。这篇论文也是受到其启发，尝试将Transformer应用到CV领域。通过这篇文章的实验，给出的最佳模型在ImageNet1K上能够达到88.55%的
番外篇 | 20+ 种注意力机制及代码 适用于YOLOv5/v7/v8（新增5种v7模板）
番外篇 | 20+ 种注意力机制及代码 适用于YOLOv5/v7/v8（新增5种v7模板🍀）
【AIGC】1、爆火的 AIGC 到底是什么 | 全面介绍
本文主要介绍 AIGC 是什么以及能用来干什么
不是所有数据增强都可以提升精度
即使引入噪声或裁剪图像的一部分，模型仍可以对图像进行分类，数据增强有一系列简单有效的方法可供选择，有一些机器学习库来进行计算视觉领域的数据增强，比如：imgaug (https://github.com/aleju/imgaug)它封装了很多数据增强算法，给开发者提供了方便。计算视觉领域的数据增强算
【深度学习】训练集、测试集和验证集
码字不易，如果各位看官感觉该文章对你有所帮助，麻烦点个关注，如果有任何问题，请留言交流。如需转载，请注明出处，谢谢。文章链接：目录一、深度学习的数据二、训练集、测试集和验证集三、训练集、测试集和验证集的比例一、深度学习的数据 在深度学习或机器学习的过程中，数据无疑是驱动模型的主要能量，通过训练
【深度学习】(1) CNN中的注意力机制（SE、ECA、CBAM），附Pytorch完整代码
大家好，今天和各位分享一下如何使用 Pytorch 构建卷积神经网络中的各种注意力机制，如：SENet，ECANet，CBAM。注意力机制的原理 和 TensorFlow2 的实现方式可以看我下面两篇博文：SENet、ECANet：https://blog.csdn.net/dgvv4/articl
UNet - 数据加载 Dataset
之前介绍完了Unet网络的搭建，接下来说一下要解决的任务data里面存放的是训练的数据predict 是存放的是需要预测的数据result 是predict里面预测出来的结果dataset 是数据加载的文件、model 是UNet网络、train是训练、predict是预测UNet模型训练，深度解析
独家丨前美团联合创始人王慧文“正在收购”国产AI框架OneFlow，光年之外欲添新大将...
文丨谭婧以ChatGPT为代表的AI大模型是2023年的科技C位。2023年3月27日，ChatGPT引发的“抓马连续剧”，又有新剧更新。前情提要：前美团联合创始人、高级副总裁王慧文发文宣布进入AI领域，称将打造中国的OpenAI。新闻标题一：《王慧文放话：我先投3个亿》当然，他现在的身份是美团非执
联邦学习：FedProx框架
联邦学习不同于传统的分布式优化的两个关键挑战:高度的系统和统计异构性。引入了一个框架，FedProx以解决异构性难题（统计异构 系统异构）。FedProx可以看作是FedAvg的泛化、重构。对于非独立分布(统计异质性)的训练数据，框架提供收敛性保证（统计异构）；允许每个参与的设备执行可变数量的工作(
【Pytorch基础知识】数据的归一化和反归一化
搞清数据的归一化和反归一化，快速掌握将图片转为tensor进行系列操作后，再转为图片
PyTorch 深度学习实战 |用 TensorFlow 训练神经网络
为了更好地理解神经网络如何解决现实世界中的问题，同时也为了熟悉 TensorFlow 的 API，本篇我们将会做一个有关如何训练神经网络的练习，并以此为例，训练一个类似的神经网络。
常用的ControlNet以及如何在Stable Diffusion WebUI中使用
ControlNet是斯坦福大学研究人员开发的Stable Diffusion的扩展，使创作者能够轻松地控制AI图像和视频中的对象
深度学习中FLOPS和FLOPs的区别与计算
我们在购买GPU或者计算目标检测模型复杂度的时候，一般会遇到FLOPS和FLOPs这两个指标，在此加以区分。
Windows端CUDA11.3+CUDNN+pytorch环境搭建
1、显卡驱动的安装最近，在学习pytorch深度学习，遇到很多的坑，环境配置也出现过问题，忍不住和大家进行分享，现在把环境搭建过程分享给大家。1.1、查看自己的显卡。具体操作：我的电脑-——属性——设备管理器——显示适配器1.2、驱动的下载、安装。在找到自己的显卡后，去NVIDIA官网下载安装驱动选
nerf训练自己的数据，过程记录十分详细
用nerf渲染自己拍摄的数据，过程详细且配图解释！！！
AI绘画黑科技Stable Diffusion WebUI在线部署使用教程
AI绘画黑科技Stable Diffusion，能够根据文字描述生成精美图像，开源且在消费级GPU上就能运行。Stable Diffusion WebUI是Stable Diffusion的Web版，提供了便捷的WebUI交互界面，部署使用方便，支持中文汉化插件，而且通过Stable Diffusi
深度解析预训练权重的本质和作用：你真的了解它们吗？
为了训练自定义模型，通常需要使用大量标注好的图像数据来训练模型。但是，当可用的训练数据不够多时，可以使用预训练权重来提高模型的性能。
变化检测（Change Detection，CD） 综述2篇 & CD代码 & 常用CD数据集及链接
CD best paper 。综述1，介绍变化检测流程、各种类型的CD数据集、分析不同的算法框架与当前AI主流网络，实际应用，机遇与挑战（无监督、异构数据、是否可靠），内容丰富。综述2，包括，遥感领域中变化检测的应用，深度学习算法概述（历史、deep models、DBNs、SAEs、CNNs），已
