降维和特征选择的对比介绍
在machine learning中，特征降维和特征选择是两个常见的概念，在应用machine learning来解决问题的论文中经常会出现。特征降维和特征选择的目的都是使数据的维数降低，使数据维度降小。但实际上两者的区别是很大，他们的本质是完全不同的。
Transformers 库的基本使用
本内容主要介绍 Transformers 库 的基本使用。
可解释深度学习：从感受野到深度学习的三大基本任务：图像分类，语义分割，目标检测，让你真正理解深度学习
深度学习一直作为一个“盲盒”被大家诟病，我们可以借助深度学习实现端到端的训练，简单，有效，但是我们并不了解神经网络的中间层到底在做什么，每一层卷积的关注点是什么。我在之前的专题浅谈图像处理与深度学习中提到，我们在深度学习刚开始的时候，我们要实现一个任务，比如：把不清晰的图像变清晰，我们随意的搭建了
Faster R-CNN最全讲解
Faster R-CNN最全讲解
几种常见的归一化方法
关于归一化的一些理解！！
计算机视觉项目实战-基于特征点匹配的图像拼接
之前我们介绍过基于OpenCv的特征匹配操作，我们通过特征匹配可以精确的找到目标。本节我们继续探索基于特征匹配还可以做哪些事情。我们都在拍一个集体的过程中使用过苹果手机的全图效果进行拍照留念。那么苹果手机这个效果它是基于什么技术来做的呢？没错其实就是特征匹配。他是实时拍取多个照片，然后使用特征匹配操
【ResNet】Pytorch从零构建ResNet18
Pytorch从零构建ResNet18ResNet 目前是应用很广的网络基础框架，所以有必要了解一下.本文从简单的ResNet18开始，详细分析了ResNet18的网络结构，并研究BasicBlock的结构。，使得整个结构非常清晰，再之后手工构建ResNet18网络就没有那么困难了。
【Pytorch】torch.nn.LeakyReLU()
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
anaconda安装教程-手把手教你安装
9.skip，不安装VScode，否则点击InstallMicrosoftVSCode。1.打开cmd，输入conda，出现如下所示，则安装成功。3.anaconda版本对应的python版本。1.打开浏览器输入anaconda镜像。2.打开anaconda安装包列表。10.点击finish，安装完
改进YOLOv5 | GSConv+Slim-neck 减轻模型的复杂度同时提升精度 | 附4套改进方式模板
GSConv+Slim-Neck助力YOLOv5涨点
TCN（Temporal Convolutional Network，时间卷积网络）
1 前言 实验表明，RNN 在几乎所有的序列问题上都有良好表现，包括语音/文本识别、机器翻译、手写体识别、序列数据分析（预测）等。 在实际应用中，RNN 在内部设计上存在一个严重的问题：由于网络一次只能处理一个时间步长，后一步必须等前一步处理完才能进行运算。这意味着 RNN 不能像 CN
yolov5加入CBAM,SE,CA,ECA注意力机制，纯代码（22.3.1还更新）
CBAM,SE,ECA,CA注意力添加到yolov5网络中，5.0版本
U-Net介绍
Unet 发表于 2015 年，属于 FCN 的一种变体。Unet 的初衷是为了解决生物医学图像的问题，由于效果确实很好后来也被广泛的应用在语义分割的各个方向，如卫星图像分割，工业瑕疵检测等。 Unet 跟 FCN 都是 Encoder-Decoder 结构，结构简单但很有效。 Unet主要可分为
改变conda虚拟环境的默认路径
conda环境默认安装在用户目录C:\Users\username.conda\envs下，如果选择默认路径，那么之后创建虚拟环境，也是安装在用户目录下。不想占用C盘空间，可以修改conda虚拟环境路径。(1)首先，找到用户目录下的.condarc文件（C:\Users\username）。**(2
【深度学习】基于卷积神经网络（tensorflow）的人脸识别项目（四）
实现一个基于界面化的一个人脸识别。本篇主要是实现第四步。最后一篇咯 1. 首先需要收集数据，我的想法是通过OpenCV调用摄像头进行收集人脸照片。 2. 然后进行预处理，主要是对对数据集分类，训练集、验证集、测试集。选取合适的参数，例如损失函数。图像灰度化、归一化等等操作。 3. 开始训练模型，提前
使用CycleGAN训练自己制作的数据集，通俗教程，快速上手
总结了使用**CycleGAN**训练自己制作的数据集，这里的教程例子主要就是官网给出的斑马变马，马变斑马，两个不同域之间的相互转换。教程中提供了官网给的源码包和我自己调试优化好的源码包，大家根据自己的情况下载使用，推荐学习者下载我提供的源码包，可以少走一些弯路，按照我的教程，能较快上手训练使用..
为深度学习选择最好的GPU
加快训练速度，更快的迭代模型
自编码器(Auto-Encoder)
一、自编码器原理自编码器算法属于自监督学习范畴，如果算法把x作为监督信号来学习，这里算法称为自监督学习(Self-supervised Learning)在监督学习中神经网络的功能:。是输入的特征向量长度，是网络输出的向量长度。对于分类问题，网络模型通过把长度为输入特征向量????变换到长度为的输出
Yolov5应用轻量级通用上采样算子CARAFE
手把手教你YOLOv5添加轻量化上采样算子CARAFE
混淆矩阵 （Confusion Matrix）
假设现在有一个分类器A,这个分类器A的作用是告诉一张图片是不是汉堡，那我想知道这个分类器A的效果好不好，应该怎么办呢？最简单的方法是将大量的样本放进到费雷其A当中，让他自己判断这些图片是不是汉堡。经过上面的过程就可以得到一张表格：实际上这张表格是非常庞大的。有成千上万的图片，当他的维度十分大的时候是
