强化学习PPO从理论到代码详解(2)---PPO1和PPO2
上一节我们了解了什么是策略梯度，本节开始讲PPO理论之前，我们先提出一个概念，什么在线学习，什么离线学习。
GPT-4 API 接口调用及价格分析
对开发者来说，GPT-4最激动人心的是API接口同步发布。我今天获得了API访问权限，本文将跟大家分享GPT-4 API接口的使用以及大家关心的价格分析。
【pytorch】Vision Transformer实现图像分类+可视化+训练数据保存
一、Vision Transformer介绍Transformer的核心是 “自注意力” 机制。论文地址：https://arxiv.org/pdf/2010.11929.pdf自注意力（self-attention）相比 卷积神经网络 和 循环神经网络 同时具有并行计算和最短的最大路径⻓度这两个优
基于深度学习的图像配准
基于深度学习的图像配准技术
Batch Norm的原理和作用
Batch Normalization做了什么？怎么用？
Pytorch实现GAT(基于PyTorch实现)
本专栏整理了《图神经网络代码实战》，内包含了不同图神经网络的相关代码实现（PyG以及自实现），理论与实践相结合，如GCN、GAT、GraphSAGE等经典图网络，每一个代码实例都附带有完整的代码。
yolov7训练自己的数据集
yolov7训练自己的数据集并使用labellmg标注工具的安装和使用
一文看懂卷积运算（convolution）与互相关运算（cross-correlation）的区别
一文看懂卷积运算（convolution）与互相关运算（cross-correlation）的区别
YOLOv5 + StrongSORT with OSNet
YOLOv5 + StrongSORT with OSNet：YOLOv5检测器 + StrongSORT跟踪算法 + OSNet行人重识别模型
transformer学习笔记：Positional Encoding（位置编码）
对于任何一门语言，单词在句子中的位置以及排列顺序是非常重要的，它们不仅是一个句子的语法结构的组成部分，更是表达语义的重要概念。
【翻译】为深度学习购买哪种GPU: 我在深度学习中使用GPU的经验和建议
这篇博文的结构如下。首先，我将解释是什么让GPU变得快速。我将讨论CPU与GPU、Tensor Cores、内存带宽和GPU的内存层次，以及这些与深度学习性能的关系。这些解释可能会帮助你对在GPU中寻找什么有一个更直观的感觉。我讨论了新的NVIDIA RTX 40安培GPU系列的独特功能，如果你购买
让PyTorch训练速度更快，你需要掌握这17种方法
与传统的学习率 schedule 相比，在最好的情况下，该 schedule 实现了巨大的加速（Smith 称之为超级收敛）。然后，这个周期的长度应该略小于总的 epochs 数，并且，在训练的最后阶段，我们应该允许学习率比最小值小几个数量级。一个比较好用的经验是，batch 大小加倍时，学习率也要
【yolov5s中加入DCNv2（可变形卷积v2）】
在yolov5s中加入DCNv2进行实验
一文看懂膨胀（空洞）卷积（含代码）
详细说明了膨胀卷积（空洞卷积）的背景，特点，特点解释，计算，优缺点，代码
精确控制 AI 图像生成的破冰方案，ControlNet 和 T2I-Adapter
ControlNet 和 T2I-Adapter 的突破性在哪里？有什么区别？其它为 T2I 扩散模型施加条件引导的相关研究ControlNet 和 T2I-Adapter 的实际应用效果如何？使用体验上，跟 SD原生支持的 img2img 有什么区别？ControlNet 在插画创作上的潜力多种条
神经网络数据增强transforms的相关操作（持续更新）
transforms的相关操作（Pytorch）一、图像的相关变化1、格式转换（1）transforms.ToTensor()（2）transforms.ToPILImage()1、图像大小（1）一、图像的相关变化1、格式转换（1）transforms.ToTensor()可将PIL格式、数组格式转
Transformer框架时间序列模型Informer内容与代码解读
Transformer框架时间序列模型Informer内容与代码解读。详细介绍概括了顶会论文AAAI‘21 Best Paper的核心内容。
深度学习基础之正向传播与反向传播
因为这学期上了一门深度学习的课，老师上课推公式，写密密麻麻一黑板，看也看不清，讲完擦了之后说这推导如果考试必考，人都傻了，只能回过头来看她课件理解理解了。以下都是以计算图为例。
Python基于改进YOLOv5的烟叶病害检测系统（附带源码）
Python基于改进YOLOv5的烟叶病害检测系统（附带源码）Python、Anacanda、Pycharm、CUDA和cuDNN等基础的环境安装部署可以参考博主的B站视频教程[2022手把手教学版]Python＆Anacanda＆Pycharm安装，虚拟环境配置[CUDA＆cuDNN]炼丹师手把手
