为深度学习选择最好的GPU
最后现在4090还是处于耍猴的状态，基本上要抢购或者加价找黄牛但是16384 CUDA + 24GB，对比3090 的10496 CUDA ，真的很香。而4080 16G的9728CUDA 如果价格能到7000内，应该是一个性价比很高的选择。12G的 4080就别考虑了，它配不上这个名字。对于AMD
出现 CUDA out of memory 的解决方法
（我的网络调整不可行，但是你们可试试这个方法排查），可能有些人可以调整。既然网络过大，调整其batch_size，让其变小即可（需要是2的倍数），减少原本需要 requires_grad=True 的计算的内存消耗。这个方法坏处是精度准确度可能会被影响，甚至减少后，反向传播期间会溢出。类似以下代码，
YOLOv5+姿态估计HRnet与SimDR检测视频中的人体关键点
一、前言由于工程项目中需要对视频中的person进行关键点检测，我测试各个算法后，并没有采用比较应用化成熟的Openpose，决定采用检测精度更高的HRnet系列。但是由于官方给的算法只能测试数据集，需要自己根据算法模型编写实例化代码。本文根据SimDR工程实现视频关键点检测。SimDR根据HRne
DQN（deep Q-network）算法简述
基本概念；进阶技巧；连续动作的场景
labelImg 使用以及安装教程---图像标注工具
目录 labelImg 使用教程LabelImg简介LabelImg用法步骤 (PascalVOC)步骤 (YOLO)创建预定义的类注释可视化热键验证图片设置困难识别对象如何重置设置实际操作相关和附加工具labelImg安装在gitbash的安装从源代码构建使用 Docker拓展roLabelImg
数学建模（三）：预测
数学建模（三）：预测
Mindspore体验dcgan生成漫画头像
在第一篇中我们实现了昇思平台的安装与初体验，这一次我们可以进行对它深入的了解与尝试。想要了解安装部署的同学请去看我的第一篇哈。本文对通过昇思框架实现对抗神经网络实现动漫头像识别以及会遇到的问题进行了简单的介绍。最后自己生成的动漫头像也是非常的有意义，值得一试。欢迎大家加入昇思社区，一起讨论昇思框架的
从视频到音频：使用VIT进行音频分类
在本文中，我们将利用ViT - Vision Transformer的是一个Pytorch实现在音频分类数据集GTZAN数据集-音乐类型分类上训练它。
ubuntu18.04安装cuda和cudnn
一、安装 cuda1. 首先查看自身电脑最高支持的cuda版本为多少，在终端输入以下指令nvidia-smi可以看到我的最高支持 cuda 11.4 。2. 打开英伟达官网 下载官方cuda此处我下载的是cuda 11.0.3 版本，并选择相应配置，复制指令至终端下载3. 运行官网安装指令4. 依次
常见的降维技术比较：能否在不丢失信息的情况下降低数据维度
本文将比较各种降维技术在机器学习任务中对表格数据的有效性。
改进YOLOv5 | 头部解耦 | 将YOLOX解耦头添加到YOLOv5 | 涨点杀器
在目标检测中，分类任务和回归任务之间的冲突是一个众所周知的问题。因此...
Pytorch优化器全总结（一）SGD、ASGD、Rprop、Adagrad
这是一个系列，以Pytorch为例，介绍所有主流的优化器，如果都搞明白了，对优化器算法的掌握也就差不多了。作为系列的第一篇文章，本文介绍Pytorch中的SGD、ASGD、Rprop、Adagrad，其中主要介绍SGD和Adagrad。因为这四个优化器出现的比较早，都存在一些硬伤，而作为现在主流优化
2022年最有开创性的10篇AI论文总结
本文我们总结了在2022年发表的最具开创性的10篇论文，无论如何你都应该看看。
Yolov5训练自己的数据集（超详细）
一、从官网下载最新的yolov5代码二、新建VOCData文件夹三、VOCData文件夹结构1、新建Annotations文件夹，存放标签简单的xml文件，应该长这样复杂的xml文件，应该长这个样子2、新建images文件夹，存放图片数据注意：需要观察自己的图片文件的后缀名，后面需要用到，不然可能出
PyTorch 2.0 推理速度测试：与 TensorRT 、ONNX Runtime 进行对比
PyTorch 2.0 于 2022 年 12 月上旬在 NeurIPS 2022 上发布，它新增的 torch.compile 组件引起了广泛关注，因为该组件声称比 PyTorch 的先前版本带来更大的计算速度提升。
使用CLIP构建视频搜索引擎
使用CLIP构建视频搜索引擎
YOLOv3&YOLOv5输出结果说明
本文使用的yolov3和yolov5工程文件均为github上ultralytics基于pytorch的v3和v5代码，其训练集输出结果类型基本一致，主要介绍了其输出结果，本文是一篇学习笔记本文使用的yolov3代码github下载地址：yolov3模型训练具体步骤可查看此篇博客：yolov3模型训
【Python】CUDA11.6安装PyTorch三件套
安装PyTorch
【深度学习】（三）图像分类
上一章介绍了深度学习的基础内容，这一章来学习一下图像分类的内容。图像分类是计算机视觉中最基础的一个任务，也是几乎所有的基准模型进行比较的任务。从最开始比较简单的10分类的灰度图像手写数字识别任务mnist，到后来更大一点的10分类的cifar10和100分类的cifar100任务，到后来的image
Python 实现朴素贝叶斯代码演示
朴素贝叶斯可以细分为三种方法：分别是伯努利朴素贝叶斯、高斯朴素贝叶斯和多项式朴素贝叶斯。下文就这三种方法进行详细讲解和演示。目录一、伯努利朴素贝叶斯方法1.1 例子解答1.1.1 代码：1.1.2 结果：二、高斯朴素贝叶斯方法2.1 解题2.1.1 代码：2.1.2 结果：2.2 检查高斯朴素贝叶斯
