【第77篇】分割anything
本文提出Segment Anything (SA)项目:一个用于图像分割的新任务、模型和数据集。在数据收集循环中使用我们的高效模型，我们构建了迄今为止(到目前为止)最大的分割数据集，在1100万张授权和尊重隐私的图像上有超过10亿个掩码。该模型被设计和训练为可提示的，因此它可以将零样本迁移到新的图像
ChatGPT等大模型的模型量化：平滑量化法
十亿级的模型、百亿级的模型、千亿级的模型量化难度完全不一样，而像chatgpt为代表的大模型，模型参数已经超过千亿。大模型往往同时是计算密集型+访存密集型的，如果想要做模型压缩，非常困难！这篇博客给大家介绍一下为什么大模型量化困难？大模型压缩过程中会遇到哪些挑战？以及如果解决这些困难？SmoothQ
【Segment Anything】CV的大模型Segment Anything也来了，强人工智能的时代究竟还有多远？
我自己上传了一张图片，结果还是挺好的（我上传的图片比较简单）。由于自己的3090显存有限，无法使用。论文解读后续更新……
深度学习时间序列预测项目案例数据集介绍
高精度、可靠的风速预报是气象学家面临的挑战。由对流风暴引起的强风，造成相当大的破坏(大规模森林破坏、停电、建筑物/房屋损坏等)。雷暴、龙卷风以及大冰雹、强风等对流事件是有可能扰乱日常生活的自然灾害，特别是在有利于对流启动的复杂地形上。即使是普通的对流事件也会产生强风，造成致命和昂贵的损失。因此，风速
Deep Learning Tuning Playbook（深度学习调参手册中译版）
由五名研究人员和工程师组成的团队发布了《Deep Learning Tuning Playbook》，本文对手册进行了中文翻译
解决方案：炼丹师养成计划 Pytorch如何进行断点续训——DFGAN断点续训实操
在实际运行当中，我们经常需要每100轮epoch或者每50轮epoch要保存训练好的参数，以防不测，这样下次可以直接加载该轮epoch的参数接着训练，就不用重头开始。下面我们来介绍Pytorch断点续训原理以及DFGAN20版本和22版本断点续训实操**。
【人工智能】图文详解深度学习中的卷积神经网络（CNN）
卷积神经网络是一种常用的深度学习模型，广泛用于图像识别、语音识别、自然语言处理等领域。它的核心思想是通过一系列卷积、池化等操作，提取出输入数据的特征，并通过全连接层等操作进行分类或回归等任务。
TensorFlow 决策森林详细介绍和使用说明
使用TensorFlow训练、调优、评估、解释和部署基于树的模型的完整教程
YOLOv5/v7 引入 RepVGG 重参数化模块
YOLO添加RepVGG教程
Pytorch+PyG实现GraphSAGE
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。
开源大语言模型(LLM)汇总（持续更新中）
随着ChatGPT的火爆，越来越多人希望在本地运行一个大语言模型。为此我维护了这个开源大语言模型汇总，跟踪每天不发的大语言模型和精调语言模型。
GoogLeNet详解
目录一、GoogLeNet网络的背景二、GooLeNet网络结构三、GooLeNet的亮点四、GooLeNet代码实现一、GoogLeNet网络的背景想要更好的预测效果，就要从网络深度和网络宽度两个角度出发增加网络的复杂度。但这个思路有两个较为明显的问题：首先，更复杂的网络意味着更多的参数，也很容
吴恩达《深度学习》笔记汇总
第一门课：神经网络和深度学习（第一周）——深度学习引言第一门课：神经网络和深度学习（第二周）——神经网络的编程基础第一门课：神经网络和深度学习（第三周）——浅层神经网络第一门课：神经网络和深度学习（第四周）——深层神经网络第二门课：改善深层神经网络：超参数调试、正则化以及优化（第一周）——深度学习的
解析不同种类的StableDiffusion模型Models，再也不用担心该用什么了
Stable Diffusion是一个基于Latent Diffusion Models（潜在扩散模型，LDMs）的文图生成（text-to-image）模型。具体来说，Stable Diffusion在 LAION-5B 的一个子集上训练了一个Latent Diffusion Models，该模型
深入剖析Focal loss损失函数
目标检测方法常常使用先验框提高预测性能，一张图像可能生成成千上万的先验框，但是其中只有很少一部分能匹配到目标(正样本)，而没有匹配到目标的先验框占大多数。这种情况造成了One-Stage目标检测方法的正负样本不平衡。如下图所示，红色的先验框都没有匹配到目标，所以它们都属于负样本，只是图中间的黄色先验
PyTorch 深度学习实战 | DIEN 模拟兴趣演化的序列网络
DIEN 模拟兴趣演化的序列网络
基于深度学习的三维重建（一）：三维重建简介、patchmatchNet环境部署、用colmap如何测试自己的数据集
三维重建简介、patchmatchNet环境部署、用colmap如何测试自己的数据集
分享15个全球顶尖的AIGC图片生成平台
人工智能正在改变许多行业的格局，而其中改变最直观和影响最大的就是AIGC领域的图像创作。发展至今已经有很多AI图像生成平台，他们的共同特点就是使用人工智能将文本转换为图像，这是一次革命性的突破，也就是说通过这些AI工具可以在几秒钟内将文字转换成更具可视化表示的图片。那么，就目前而已有那些AI生成图片
数据推荐 | 手势识别训练数据集
多样化，有按键、语音等，也由于整个疫情的大环境下，一种更方便更卫生更符合人们的非接触式交互方式—手势识别正大步发展，极富图像化和具备行动性的手势操作将会与人们的生活息息相关。该数据集采集通用静态手势数据，用于人机交互。从手势种类来看，包含日常人机交互等50种常用的动态手势，具体包括手指滑动，手掌滑
OpenCV获取网络摄像头实时视频流
双码流能实现本地和远程传输的两种不同的带宽码流需求，本地传输可以用主码流，能获得更清晰的存储录像，远程传输就因为带宽限制的原因，而使用子码流来获得流畅的图像和录像。，所以处理办法就是自己写两个不同的线程单独去处理接收每一帧的图像，然后另一个线程处理这每一帧的图像。但是直接按上面的方法来读取视频，会出
