强化学习领域值得关注的国际顶级会议
强化学习（Reinforcement Learning, RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。今天给大家介绍几个强化学习领域值得关注的顶级会议。
Pytorch 中打印网络结构及其参数的方法与实现
pytorch 中打印网络结构及其参数的方法与实现
k210——Maixhub 云端模型训练
k210——Maixhub 云端模型训练
使用Tansformer分割三维腹部多器官--UNETR实战
不会 transformer 没关系，本教程开箱即用。Tina姐总算对transformer下手了，之前觉得难，因为刚开始学序列模型的时候就没学会。然后就一直排斥学transformer。这两周没什么事，加上MONAI有现成的教程，就打算先跑通后，再学理论。然后，顺利的跑通了代码，再学了一周理论，发
论文阅读笔记：ShuffleNet
背景由于深度学习模型结构越来越复杂，参数量也越来越大，需要大量的算力去做模型的训练和推理。然而随着移动设备的普及，将深度学习模型部署于计算资源有限基于ARM的移动设备成为了研究的热点。ShuffleNet[1]是一种专门为计算资源有限的设备设计的神经网络结构，主要采用了pointwise group
安装tensorflow-gpu 1.12.0
在NVIDIA RTX3090上安装tensorflow-gpu 1.12.0，期间涉及CUDA和cuDNN版本切换和安装tensorflow-gpu的过程中不断报错的问题。
yolov5 引入RepVGG模型结构
yolov5加入repvgg结构
GAN的损失函数
在训练过程中，生成器和判别器的目标是相矛盾的，并且这种矛盾可以体现在判别器的判断准确性上。生成器的目标是生成尽量真实的数据，最好能够以假乱真、让判别器判断不出来，因此生成器的学习目标是让判别器上的判断准确性；相反，判别器的目标是尽量判别出真伪，因此判别器的学习目标是让自己的判别准确性。当生成器生成的
【论文解读】Attentional Feature Fusion
Attentional Feature Fusion是一种使用多尺度上下文注意力方式来进行特征融合的方式。
【快速理解张量】通过torch.rand和举例通俗解释张量tensor
如何理解张量（tensor）成了深度学习路途中不可缺少的一步，讲真的，刚学习深度学习那会儿张量实在是困惑了自己很长一段时间，而这篇文章根据自己学习深度学习的历程给出了一个清晰通俗的解释，相比于官方教材给出了更容易让初学者更能理解的逻辑举例。如果你的张量理解程度还停留在只能想象出三维的张量维度的话，相
全景分割（Panoptic Segmentation）（CVPR 2019）
全景分割（Panoptic Segmentation）
猿创征文｜信息抽取（2）——pytorch实现Bert-BiLSTM-CRF、Bert-CRF模型进行实体抽取
猿创征文｜信息抽取（2）——pytorch实现Bert-BiLSTM-CRF、Bert-CRF模型进行实体抽取
KITTI数据集解析和可视化
文章链接概述KITTI数据集是目前国际上最大的自动驾驶场景下的计算机视觉算法评测数据集。该数据集用于评测立体图像(stereo)，光流(optical flow)，视觉测距(visual odometry)，3D物体检测(object detection)和3D跟踪(tracking)等计算机视觉技
透彻分析Transformer中的位置编码（positional enconding）
Transformer中为什么要使用位置编码positional encoding
tt100k数据集跑yolov5s模型时，所遇到的问题记录
yolov5遇到的错误
pytorch GPU分布式训练 单机单卡、单机多卡
GPU分布式训练
谷歌Colab（免费算力平台）——正确打开方式（常用操作指导tips）
谷歌Colab算力平台的正确打开方式！！常用操作指导：数据集问题、谷歌云盘和colab的使用、jupyter指令、colab中的路径问题、如何再colab中使用GPU等等。
多智能体强化学习MAPPO源代码解读
多智能体强化学习MAPPO源代码解读在上一篇文章中，我们简单的介绍了MAPPO算法的流程与核心思想，并未结合代码对MAPPO进行介绍，为此，本篇对MAPPO开源代码进行详细解读。本篇解读适合入门学习者，想从全局了解这篇代码的话请参考博主小小何先生的博客。论文名称：The Surprising Eff
yolov8 瑞芯微RKNN和地平线Horizon芯片仿真测试部署
yolov8 瑞芯微RKNN和地平线Horizon芯片仿真测试部署。包含模型、测试图片和完整测试代码。跟上技术的步伐，yolov8 首个板端芯片部署。
anaconda：安装cuda和对应版本的cudnn
复现别人论文的时候经常遇到不同的cuda版本，可以使用anaconda创建虚拟环境，并在不同的虚拟环境中配置对应的cuda版本。
