yolov5——train.py代码【注释、详解、使用教程】
yolov5——train.py代码【注释、详解、使用教程】yolov5——train.py代码【注释、详解、使用教程】yolov5——train.py代码【注释、详解、使用教程】前言1. parse_opt函数2. main函数2.1 main函数——打印关键词/安装环境2.2 main函数——是
基于深度学习的交通标识别算法对比研究-TensorFlow2实现
🔗 运行环境：python3🚩 作者：K同学啊🥇 精选专栏：《深度学习100例》🔥 推荐专栏：《零基础入门深度学习》📚 选自专栏：《Matplotlib教程》🧿 优秀专栏：《Python入门100题》大家好，我是K同学啊！今天和大家分享一篇 本科毕设 实战项目，项目中我将使用VGG16、
AI 杀疯了！
本文推荐 11 有趣好玩的 AI 开源项目，这些项目来自计算机视觉、自然语言处理、强化学习等领域，这些项目是：1. 二次元老婆生成器2. 人脸生成器3. 视频换脸神器4. 一键生成动漫风格...
基于Pytorch的神经网络之Optimizer
目录1.引言2.各种优化器2.1 SGD2.2 Momentum2.3 RMSprop2.4 Adam3.效果对比1.引言我们之前提到进行反向传播时我们需要用到优化器(Optimizer)来优化网络中的参数，优化器有许多种，下面介绍几种常见的优化算法。2.各种优化器2.1 SGD优化算法中比较基本的
自监督学习的知识点总结
本篇文章将对自监督学习的要点进行总结
深度学习相关概念：计算图与反向传播
深度学习相关概念：反向传播、梯度消失与梯度爆炸计算图计算图总结反向传播颗粒度 在深度学习分类问题中，反向传播是一个重要的环节，它决定着模型是否能被训练，反向传播相当于一个负反馈，当一件事做完之后，会寻找当前事件做的不好的问题，进行回传，当下次在做的时候，进行优化。计算图 在了解反向传播之前，我们
GAN 并不是你所需要的全部：从AE到VAE的自编码器全面总结
在图像生成方面GAN似乎成为了主流,但是自编码器（autoencoder）还是有很多的优势，所以本文对AE模型做一个全面详细得介绍和总结。
深度学习相关概念：交叉熵损失
深度学习相关概念：交叉熵损失交叉熵损失详解1.激活函数与损失函数1.1激活函数：1.2损失函数：2.对数损失函数（常用于二分类问题）：3.交叉熵、熵、相对熵三者之间的关系4.交叉熵损失函数（常用于多分类问题）4.1交叉熵的作用：5.交叉熵损失 VS 多类支撑向量机损失 我在学习深度学习的过程中，发
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。
基于Pytorch的神经网络之Classfication
1.引言我们上次介绍了神经网络主要功能之一预测，本篇大部分内容与回归相似，有看不懂的点可以看看我回归Regression，今天介绍一下神经网络的另一种功能：分类。2.网络搭建2.1 准备工作还是先引用我们所需要的库，和回归所需的一样。import torchimport torch.nn.funct
基于Pytorch的神经网络之Regression
目录1.引言2.神经网络搭建2.1 准备工作2.2 搭建网络2.3 训练网络3.效果4. 完整代码1.引言我们之前已经介绍了神经网络的基本知识，神经网络的主要作用就是预测与分类，现在让我们来搭建第一个用于拟合回归的神经网络吧。2.神经网络搭建2.1 准备工作要搭建拟合神经网络并绘图我们需要使用pyt
基于YOLOv4的口罩检测的系统研究和实现
任务目标目标检测是计算机视觉和数字图像处理的一个热门方向。目标检测即找出图像中所有感兴趣的物体，包含物体定位和物体分类两个子任务，同时确定物体的类别和位置。如图一所示。目前主流的目标检测算法主要是基于深度学习模型，大概可以分成两大类别：（1）One-Stage目标检测算法，这类检测算法不需要产生候选
Windows端CUDA11.3+CUDNN+pytorch环境搭建
1、显卡驱动的安装最近，在学习pytorch深度学习，遇到很多的坑，环境配置也出现过问题，忍不住和大家进行分享，现在把环境搭建过程分享给大家。1.1、查看自己的显卡。具体操作：我的电脑-——属性——设备管理器——显示适配器1.2、驱动的下载、安装。在找到自己的显卡后，去NVIDIA官网下载安装驱动选
AI安全技术总结与展望
1. AI安全的分类2. AI安全应用3. AI安全面临的威胁4. AI安全事件5. AI安全公司本文将从AI安全分类、AI安全应用、AI安全面临的威胁、AI安全事件、AI安全公司等几个角度分别进行阐述。
Pytorch教程[03]transforms
一.torchvision：计算机视觉工具包torchvision.transforms : 常用的图像预处理方法torchvision.datasets : 常用数据集的dataset实现，MNIST，CIFAR-10，ImageNet等torchvision.model : 常用的模型预训练，A
深度学习主干网络-VGG16论文网络实现，参数介绍，数据处理，单通道，多通道数据，最大池化可视化。带源码。
深度学习主干网络-VGG16论文网络实现，参数介绍，数据处理，单通道，多通道数据，最大池化可视化。带源码。
轻量级图卷积网络LightGCN介绍和构建推荐系统示例
今天介绍的这个模型被称作：Light Graph Convolution Network 或 LightGCN。LightGCN 非常轻量级，训练速度比其他基于 GCN 的模型快得多，并且在效果上表现得也非常不错
5分钟NLP：使用 HuggingFace 微调BERT 并使用 TensorBoard 可视化
上篇文章我们已经介绍了Hugging Face的主要类，在本文中将介绍如何使用Hugging Face进行BERT的微调进行评论的分类。
AlexNet论文解读与代码实现
1. 论文解读1.1 泛读1.1.1 标题与作者1.1.2 摘要1.1.3 结论(讨论)1.1.4 重要图1.1.5 重要表1.2 精读1.2.1 文章精解1.2.1.1 ReLU1.2.1.2 Local Response Normalization(局部响应归一化)1.2.1.3 降低过拟合1.
条件随机场（CRF）的详细解释
条件随机场(CRF)结合了最大熵模型和隐马尔可夫模型的特点，是一种无向图模型，其中相邻的上下文信息或状态会影响当前预测，常用于标注或分析序列资料，如自然语言文字或是生物序列
