【机器学习项目实战10例目录】项目详解 + 数据集 + 完整源码
本专栏整理了《机器学习项目实战10例》，内包含了各种不同的入门级机器学习项目，包含项目原理以及源码，每一个项目实例都附带有完整的代码+数据集。
Yolov5更换上采样方式( 最近邻 / 双线性 / 双立方 / 三线性 / 转置卷积)
将原本的的上采样方式替换为转置卷积；有人通过实验证明了确实涨点，但是我在VOC数据集上测试并没有涨点，大概掉了不到1点。
使用Stable Diffusion和Pokedex的描述生成神奇宝贝图片
还记得我们以前使用GAN、Clip、DALL-E生成神奇宝贝的文章吗，现在是时候使用Stable Diffusion了
最适合入门的100个深度学习实战项目
本专栏整理了《PyTorch深度学习项目实战100例》，内包含了各种不同的深度学习项目，包含项目原理以及源码，每一个项目实例都附带有完整的代码+数据集。
论文推荐：谷歌Masked Generative Transformers 以更高的效率实现文本到图像的 SOTA
在23年1月新发布的论文 Muse中：Masked Generative Transformers 生成文本到图像利用掩码图像建模方法来达到了最先进的性能，零样本 COCO 评估的 FID 分数为 7.88，CLIP 分数为 0.32——同时明显快于扩散或传统自回归模型。
Transformer时间序列预测
Transformer时间序列预测
损失函数 | BCE Loss（Binary CrossEntropy Loss）
BCE（Binary CrossEntropy）损失函数图像二分类问题--->多标签分类Sigmoid和Softmax的本质及其相应的损失函数和任务多标签分类任务的损失函数BCEPytorch的BCE代码和示例总结图像二分类问题—>多标签分类二分类是每个AI初学者接触的问题，例如猫狗分类
2022年深度学习在时间序列预测和分类中的研究进展综述
2022年时间序列预测中transformers衰落和时间序列嵌入方法的兴起，还有异常检测、分类也取得了进步，本文将尝试介绍一些在过去一年左右的时间里出现的更有前景和关键的论文
PyTorch安装与配置教程（2022.11）
PyTorch安装与配置教程（2022.11）
yolov5源码解析(9)--输出
本文章基于yolov5-6.2版本。主要讲解的是yolov5是怎么在最终的特征图上得出物体边框、置信度、物体分类的。
常用的优化器合集
总结了常用的优化器（SGD、Adagrad、Adadelta、RMSprop、Adam、Adamax、Nadam等等。），其中包括梯度下降法、动量优化法和自适应学习率优化算法三种，分别从原理、公式、优缺点以及pytorch及tensorflow2的官方代码展示这几个方面进行演示，最后可视化对比了各个
联邦学习 (FL) 中常见的3种模型聚合方法的 Tensorflow 示例
联合学习 (FL) 是一种出色的 ML 方法，它使多个设备（例如物联网 (IoT) 设备）或计算机能够在模型训练完成时进行协作，而无需共享它们的数据。
基于卷积神经网络（cnn）的手写数字识别（PyTorch）
手写数字识别应用广泛，对其研究有重要价值。在众多算法中，卷积神经网络在手写数字识别上表现突出，而且在实现上诸多优点。使用卷积神经网络来处理手写数字是一个很好的选择。pytorch在算法实现上有着简洁，优雅等特点。因此采用卷积神经网络算法和pytorch框架来实现手写数字识别。
Diffusion 和Stable Diffusion的数学和工作原理详细解释
扩散模型的兴起可以被视为人工智能生成艺术领域最近取得突破的主要因素。而稳定扩散模型的发展使得我们可以通过一个文本提示轻松地创建美妙的艺术插图。所以在本文中，我将解释它们是如何工作的。
【生成模型】DDPM概率扩散模型（原理+代码)
DDPM即 Denoising Diffusion Probabilistic Model概率扩散模型，原理+代码解析
ChatGPT-最强AI模型！ChatGPT国内使用教程 ChatGPT注册
最近想必大家也听说过ChatGPT，从他的名字中chat也可见一斑，它是一个以对话方式进行交互的人工智能模型。由OpenAI开发，它能够根据用户输入的文本内容，自动生成新的文本内容。它的名称来源于它所使用的技术—— GPT-3 架构，即生成式语言模型的第 3 代。目前，用户只需进行注册，就可开始与
【论文导读】 - 关于联邦图神经网络的3篇文章
图神经网络( GNNs )凭借其强大的处理实际应用中广泛存在的图数据的能力，受到了广泛的研究关注。然而，随着社会越来越关注数据隐私，GNNs面临着适应这种新常态的需要。这导致了近年来联邦图神经网络( FedGNNs )研究的快速发展。虽然前景广阔，但这一跨学科领域感兴趣的研究者来说是极具挑战性的。对
OpenAI是什么？
在未来，人工智能将是一个巨大的行业。OpenAI正致力于创造一个生态系统，该系统能够使任何人都可以使用、分享和扩展其 AI技能。它为用户提供了一种新的方式，让任何人都可以学习新技术并且在这个世界上变得更好。
李沐《动手学深度学习》d2l——安装和使用
今天想要跟着沐神学习一下循环神经网络，在跑代码的时候，d2l出现了问题，这里记录一下解决的过程，方便以后查阅。
【深度学习】3-从模型到学习的思路整理
关于训练模型的整个思路老是不太流畅，因此做了一些整理。
