【深度学习经典网络架构—8】：注意力机制之SE_Block
😺一、引言类似于人脑的注意力感知，那卷积神经网络能否也能产生注意力效果呢？答案是：**可以！****SE_Block是SENet的子结构**，作者将SE_Block用于ResNeXt中，并在ILSVRC 2017大赛中拿到了分类任务的第一名，在ImageNet数据集上将top-5 error降低到
详解准确率acc、精确率p、准确率acc、F1 score
准确率（Accuracy）、精确率（Precision）、召回率（Recall）、F1 Score
GPT-4——比GPT-3强100倍
ChatGPT的地位可能即将被自家的GPT-4超越。
一文详解 ChatGPT：背后的技术，数据，未来发展
LM有基于大量训练数据的天然的迁移学习能力，但要在新域上获得较好的性能，使用Fine-tuning，就要求重新多次训练预训练模型，导致吃内存。ChatGPT 的卓越表现得益于其背后多项核心算法的支持和配合，包括作为其实现基础的 Transformer 模型、激发出其所蕴含知识的 Prompt/Ins
【深度学习笔记】特征融合concat和add的区别
在网络模型当中，经常要进行不同通道特征图的信息融合相加操作，以整合不同通道的信息，在具体实现方面特征的融合方式一共有两种，一种是 ResNet 和 FPN 等当中采用的 element-wise add ，另一种是 DenseNet 等中采用的 concat。add相当于加了一种prior，当两路输
Stable Diffusion复现——基于 Amazon SageMaker 搭建文本生成图像模型
众所周知，Stable Diffusion扩散模型的训练和推理非常消耗显卡资源，我之前也是因为资源原因一直没有复现成功。 而最近我在网上搜索发现，亚马逊云科技最近推出了一个【云上探索实验室】刚好有复现Stable Diffusion的活动，其使用亚马逊AWS提供的Amazon SageMake
pytorch 笔记：torch.distributions 概率分布相关（更新中）
1 包介绍torch.distributions包包含可参数化的概率分布和采样函数。 这允许构建用于优化的随机计算图和随机梯度估计器。不可能通过随机样本直接反向传播。 但是，有两种主要方法可以创建可以反向传播的代理函数。这些是评分函数估计量 score function estimato 似然比估计
深度强化学习DRL训练指南和现存问题（D3QN（Dueling Double DQN））
深度强化学习DRL现存问题和训练指南（D3QN（Dueling Double DQN））
Pytorch深度学习实战3-8：详解数据可视化组件TensorBoard安装与使用
在深度学习领域，人工调试极其困难。Tensorboard则是神经网络的可视化工具，可以记录训练过程的数字、图像、运行图等，观察神经网络训练过程并指导参数优化。
CPU、GPU、NPU的区别
CPU、GPU、NPU的区别
Amazon SageMaker简直就是机器学习平台的天花板
最近参与了亚马逊云科技【云上探索实验】活动，通过Amazon SageMaker基于Stable Diffusion模型，非常简单快速搭建的第一个AIGC，一开始以为非常复杂，不懂动手操作，但实际上操作非常简单，没有想象中的恐怖，整体体验非常愉快，我先对Amazon SageMaker简单介绍，然后
Stable Diffusion教学 使用Lora制作AI网红 【AI绘画真人教程】
Stable Diffusion教学 使用Lora制作AI网红【AI绘画】一键启动/修复/更新/模型下载管理全支持！
全面剖析OpenAI发布的GPT-4比其他GPT模型强在哪里
GPT-4（Generative Pre-trained Transformer 4），这是OpenAI在扩展深度学习方面的最新里程碑。GPT-4 是一个大型多模态模型（接受图像和文本输入，发出文本输出），虽然在许多现实世界场景中的能力不如人类，但在各种专业和学术基准上表现出人类水平的表现。输出依旧
Autoformer算法与代码分析
Autoformer的原理以及代码的详细分析
Amazon SageMaker测评分享，效果超出预期
一、前言随着科技的进步和社会的发展，人工智能得到了愈加广泛的重视，特别是最近大火的Chatgpt，充分展现了研发通用人工智能助手广阔的研究和应用前景。让越来越多的组织和企业跟风加入到人工智能领域的研究中，但机器学习的实施是一项极其复杂的工作，不仅需要专业技能，还涉及大量的试错。无论是“专业”，抑或是
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
