简明扼要理解YOLOX
由于疫情已经居家办公2周了，明天就可以正常通勤上班了，内心还有点小小的期待呢。趁着这三月暖暖的春风和屋外喳喳的鸟叫声，咱们来梳理一下YOLOX算法。如果对YOLO 系列算法还不了解的同学，请先找找相关的文章了解一下也可以看看我前面的这篇：简明扼要理解YOLO v3https://blog.csdn.
RuntimeError: CUDA out of memory 已解决
Pytorch RuntimeError: CUDA out of memory with a huge amount of free memory
【Pytorch】torch.nn.init.xavier_uniform_()
Hello！ଘ(੭ˊᵕˋ)੭昵称：海轰标签：程序猿｜C++选手｜学生简介：因C语言结识编程，随后转入计算机专业，获得过国家奖学金，有幸在竞赛中拿过一些国奖、省奖…已保研学习经验：扎实基础 + 多做笔记 + 多敲代码 + 多思考 + 学好英语！唯有努力💪本文仅记录自己感兴趣的内容文章仅作为个人学习笔
Chain of Thought 开山之作论文详解
现在语言模型的规模越来越大，但是即便是现在最大的语言模型，它们也往往很难在涉及到推理方面的任务取得很好的表现，也就是说，他们通常很难在数学，符号，以及常识的推理上取得尚佳的表现这篇文章主要是针对大语言模型在遇到语言推理任务时的局限性，提出了 chain of thought，也就是思维链
初入深度学习2——如何使用一个深度学习库
初入深度学习2——如何使用一个深度学习库学习前言使用一个深度学习仓库一、环境配置1、仓库包含requirements.txt2、仓库不包含requirements.txt二、训练1、训练通用数据集2、训练自己的数据集三、预测总结学习前言在完成仓库的下载与打开后，下一步就要开始使用这个仓库了，使用仓库
ResNet网络 残差块的作用
ResNet简单介绍 ResNet是15年提出的经典网络了。在ResNet提出之前，人们发现当模型层数提升到一定程度后，再增加层数就不再能提升模型效果了——这就导致深度学习网络看似出现了瓶颈，通过增加层数来提升效果的方式似乎已经到头了。ResNet解决了这一问题。 ResNet的核心思想就是引入了残
视频行人重识别系统（UI界面，Python源码，可下载）
视频行人检索系统，行人检测，行人重识别，python源码，UI界面，PyQT
构建自己的gym训练环境 巨详细
本文对搭建自己的gym训练环境从内部函数到注册环境对每步进行详细说明。
cuda在windows10安装教程
cuda在windows10下载安装教程
关于 FLOPS、FLOPs、参数量的相关计算
最近找到一些计算FLOPs的文章，奈何全是水文，讲都讲不清楚，完完全全的究极缝合怪。因此，这里准备彻底搞懂。
知识蒸馏研究综述
知识蒸馏综述阅读
nms和P，R，map原理及在Yolov5代码中的解析
nms，准确率，召回率，map原理讲解及示例，基于Yolov5代码中对以上指标进行解析，并分析各指标的利弊
小波神经网络（WNN）的实现（Python，附源码及数据集）
本文对小波神经网络（WNN）的理论基础及建模步骤进行介绍，之后使用Python实现基于WNN的数据预测，通俗易懂，适合新手学习，附源码及实验数据集。
深度学习 简介
在介绍深度学习之前，我们先看下人工智能，机器学习和深度学习之间的关系：机器学习是实现人工智能的一种途径，深度学习是机器学习的一个子集，也就是说深度学习是实现机器学习的一种方法。与机器学习算法的主要区别如下图所示：传统机器学习算术依赖人工设计特征，并进行特征提取，而深度学习方法不需要人工，而是依赖算法
【深度学习21天学习挑战赛】备忘篇：我们的神经网模型到底长啥样?——model.summary()详解
构建深度学习模型，我们会通过`model.summary()`**输出模型各层的参数状况，已我们刚刚学过的模型为例
一文总结图像生成必备经典模型（一）
一文总结图像生成必备经典模型（一）
slowfast
一个神器 并且模型转换加部署全套 我慢慢说来近年来，基于深度学习的人体动作识别的研究越来越多，slowfast模型提出了快慢两通道网络在动作识别数据集上表现十分优异，本文介绍Slowfast数据准备，如何训练，以及slowfast使用onnx进行推理，着重介绍了Slowfast使用Tensorrt推
CVPR2022 多目标跟踪（MOT）汇总
CVPR2022 MOT文章汇总
FPN细节剖析以及pytorch代码实现
FPN细节剖析以及pytorch代码实现
[ 数据集 ] VOC 2012 数据集介绍
[ 数据集 ] VOC 2012 数据集介绍VOC 2012它从根本上说是一个有监督的学习问题，提供了一组标记图像的训练集；包括二十个对象类别：Person、Animal、Vehicle、Indoor；有三个主要的对象识别竞赛：分类、检测和分割；VOC 2012 文件夹介绍1）Annotations
