基于强化学习的空战辅助决策(2D)
空域作战辅助决策的环境搭建
YOLOv5 最详细的源码逐行解读(二: 网络结构)
Yolov5中,网络模型的配置放在yaml文件中,而yolov5s放置在文件中其中一层网络的参数是用列表实现的,比如四个参数的含义分别是-1输入来自上一层,如果是正数i则代表第i层1使用一个网络模块Conv该层的网络层名字是ConvConv层的四个参数yaml文件可以被yaml库解析为字典对象。..
分享本周所学——人工智能语音识别模型CTC、RNN-T、LAS详解
本人是一名人工智能初学者，最近一周学了一下AI语音识别的原理和三种比较早期的语音识别的人工智能模型，就想把自己学到的这些东西都分享给大家，一方面想用浅显易懂的语言让大家对这几个模型有所了解，另一方面也想让大家能够避免我所遇到的一些问题。然后因为我也只是一名小白，所以有错误的地方还希望大佬们多多指正。
T-SNE可视化高维数据，亮瞎审稿人
文章目录经典案例-MNIST手写数字降维可视化论文中使用 t-SNE 案例t-SNE 实战MNIST 可视化教程MRI 脑肿瘤三维数据可视化t-Distributed Stochastic Neighbor Embedding (t-分布随机邻域嵌入, 简称 t-SNE) 是一种降维技术，特别适用于
ParC-Net 论文详解
ECCV 2022 || ParC-Net 一种超越MobileViT的pure ConvNet
【Pytorch深度学习实战】（10）生成对抗网络（GAN）
第一步我们训练D，D是希望V(G, D)越大越好，所以是加上梯度(ascending)。第二步训练G时，V(G, D)越小越好，所以是减去梯度(descending)。假设我们有两个网络，G（Generator）和D（Discriminator）。G可以生成足以“以假乱真”的图片G(z)。对于D来说
【目标检测】YOLO v5 吸烟行为识别检测
基于YOLO v5 的吸烟目标检测，制作吸烟数据集，训练模型，Windows界面，输出结果，效果较好！mAP值0.8，解决横向项目，毕设，工厂实际需求。
联邦学习开山之作代码解读与收获
详细阅读FL代码
YOLOv7 Backbone| 原文源码详解
YOLOv7Backbone原文源码解读
扩散模型的Prompt指南:如何编写一个明确提示
Prompt（提示）是扩散模型生成图像的内容来源，构建好的提示是每一个Stable Diffusion用户需要解决的第一步。本文总结所有关于提示的内容，这样可以让你生成更准确，更好的图像
computers & security投稿教程
3、需要上传这四个文件，Cover Letter：即是写给编辑的信，发表sci论文需要撰写cover letter(投稿附言)，主要是写关于稿件的说明，可以理解为是推荐自己的稿件，是展现科研成果的绝佳时刻，让期刊的编辑对论文有一个好的印象。Biographical Sketch：小传，对作者的介绍，
快速制作自己的VOC语义分割数据集
PASCAL VOC2012是语义分割任务极为重要的官方数据集，大量优秀的语义分割模型都会刷一下这个数据集，因此我们在使用别人的开源代码时，如果能将自己的数据集整理成官方数据集的格式，则可快速验证模型性能，减少自身工作量。
YOLOv5 CPU和GPU环境搭建（道路识别）
YOLOv5 CPU和GPU环境搭建（道路识别）
Pytorch中loss.backward()和torch.autograd.grad的使用和区别(通俗易懂)
Pytorch中loss.backward()和torch.autograd.grad的使用和区别(通俗易懂)
手把手教你百度飞桨PP-YOLOE部署到瑞芯微RK3588
手把手教你百度飞桨PP-YOLOE部署到瑞芯微RK3588
运用VGG16神经网络进行花朵识别
把数据集的照片进行处理得到向量，花种类名称写入文件class_indices.json中，确定batch_size = 8，运用模型进行训练，反向传播计算梯度，不断更新权重，最终计算损失函数，保存损失最小的模型权重，到vgg16Net.pth文件中。根据vgg16模型建立，在model.py文件中实
训练NeRF模型的几个建议
如何快速训练处一个理想效果的NeRF, instant-ngp给了一些提示
【记录】torch.nn.CrossEntropyLoss报错及解决
不然softmax无法计算，及model的output channel = class number。假设传入torch.nn.CrossEntropyLoss的参数为。根据官网文档，如果直接使用class进行分类，pred的维度应该是。注意在网络输出的channel中加入。，label的维度应该是
【实战篇】是时候彻底弄懂BERT模型了(收藏)
如何弄懂BERT模型，当然是理论+实战了。本文就告诉大家如何实战BERT模型。
深度学习之concatenate和elementwise操作（二）
一、深度学习里面的element-wise特征相乘和相加到底有什么区别？很多深度学习模型在设计时，中间特征在分支处理后，然后可能会采用element-wise相乘或相加，不知道这个乘和加的细微区别？答：相加的两个tensor通常都是具有特征意义的tensor，相乘的话，一般来说，其中一个tensor
