Nvidia显卡在深度学习应用中一些概念解释
之前一直在搞深度学习，最近又想着安装一下mamba试一下效果，可以配置环境就花了好长时间，主要还是一些概念没有弄明白，这里记录一下，方便以后查阅。
语义分割快速入门教程（mmsegmentation平台）
让小白快速入门语义分割，少走弯路
人工智能之深度学习
人工智能（Artificial Intelligence，简称AI）是一门研究和开发模拟、扩展和扩展人类智能的理论、方法、技术及应用系统的学科。AI旨在使计算机能够执行通常需要人类智能的任务，包括视觉感知、语音识别、决策制定和语言翻译等。AI的研究可以追溯到20世纪50年代，自此以来，它经历了多次发
【论文精读】 | 基于图表示的视频抑郁症识别的两阶段时间建模框架
多尺度面部行为的重要性，抑郁特征增强（DFE）模块，以及两种图编码策略：顺序图表示（SEG）和谱图表示（SPG）
CVPR2024最佳论文出炉！历年CVPR最佳论文盘点（2000 年—2024 年）
cvpr2024最佳论文出炉，本次论文可谓是万里挑一。作为计算机视觉领域的顶级学术会议CVPR，每年评选出的一篇或多篇最佳论文，不仅为计算机视觉领域的顶级学术荣誉，更代表了将对未来技术或行业发展产生重要影响的里程碑式研究成果。为了帮助大家对这批计算机领域的重要论文进行复习，沃恩智慧为大家精心整理了一
开源模型应用落地-业务整合篇-多种方式调用AI服务（一）
将模型运行起来只是建设高楼的第一步，实现我们最终目标的关键在于与业务整合，提供完整可交付的功能。接下来，我将逐步由浅入深地指导您将项目落地，确保每个环节都得到妥善处理。
Segment-anything学习到微调系列2_SAM细节理解和部分代码
SAM初步理解，简单介绍模型框架，不涉及细节和代码SAM细节理解，对各模块结合代码进一步分析SAM微调实例，原始代码涉及隐私，此部分使用公开的VOC2007数据集，Point和Box作为提示进行mask decoder微调讲解此篇为第二部分，如果已看过第一部分的，可以跳过下文的模型总览中介绍输入输出
深度学习目标检测入门COCO数据集
(str orstringroot 参数为图像所在的目录 annFile为标注文件所在的路径val2017:包含 COCO数据集2017 验证集 内容为图片 1Gcounts:如果"counts"为 [3,2,1,4]，则表示：3个背景像素2个前景像素1个背景像素4个前景像素。
【最新最热】几何朗兰兹猜想终获破解！跨越30年研究，800余页证明论文问世，中国学者陈麟卓越贡献！
作为清华大学丘成桐数学科学中心的助理教授，陈麟不仅在数学领域展现出了非凡的才华，更在几何朗兰兹纲领的研究中留下了深刻的印记。这一等价关系的建立，不仅是数学抽象概念的碰撞，更是对几何与代数深刻联系的洞察。在这一框架下，“波”与“频谱”的概念被赋予了新的数学意义：特殊函数构成了“波”的海洋，而代数对象则
AI：38-基于深度学习的抽烟行为检测
随着人工智能的迅猛发展，它在各个领域展现出了广泛的应用潜力。其中，基于深度学习的抽烟行为检测技术引起了人们的极大兴趣。这项技术利用计算机视觉和深度学习算法，能够自动检测和监测人们的抽烟行为，为烟草控制和公共卫生提供了新的手段。本文将深入探讨基于深度学习的抽烟行为检测技术的原理和方法，并提供相关代码，
异常检测：基于统计的方法
异常检测：基于统计的方法1. 背景介绍1.1 什么是异常检测异常检测是一种广泛应用于各个领域的技术，旨在从数据集中识别出与大多数数据模式显著不同的异常值、事件或对象。这些异常可能源于噪声、错误或真实的异常情况。准确检测异常对于保护系统的完整性
torch.nn.RNN(）相关的参数设置
torch.nn.RNN(）相关的参数设置
手把手教你快速安装gpu版本的pytorch
比如pytorch版本是1.10.1（需要对应），环境创建时python版本是3.8 （需要对应），cuda 12.3（比它小的都可以），那么下面几个可以下载，选一个下载，最好装到一个英文路径下。第五步：验证torch安装是否成功，import torch成功说明安装成功，如果torch.cuda.
【已解决】onnx无法找到CUDA的路径
环境变量没问题的话，一般就是cudnn和cuda以及oxxn的版本不匹配。查看好自己cudnn和cuda对应oxxn版本后，输入这个。换成你需要的版本，如我是cuda12.x以及cudnn8.x。oxnn找到了gpu，但是还是不能调用。
AI：237-改进 YOLOv8涨点 | 基于自适应特征金字塔网络（AFPN）的创新提升
本文深入探讨了如何将自适应特征金字塔网络（AFPN）集成到 YOLOv8 中，以提升目标检测的性能。AFPN 作为一种改进的特征融合方法，通过多尺度特征融合和动态特征重标定，显著增强了 YOLOv8 在复杂场景和小目标检测中的表现。AFPN 的核心概念与改进特征金字塔网络（FPN）: AFPN 在传
江大白 | 视觉Transformer与Mamba的创新改进，完美融合（附论文及源码）
在本文中，作者引入了MambaVision，这是首个专门为视觉应用设计的Mamba-Transformer混合骨架。作者提出了重新设计Mamba公式的方法，以增强全局上下文表示的学习能力，并进行了混合设计集成模式的综合研究。
基于重要性加权的LLM自我改进：考虑分布偏移的新框架
在这篇论文中,证明过滤掉正确但具有高分布偏移程度(DSE)的样本也可以有利于自我改进的结果。
一文彻底搞懂Transformer - Add & Norm（残差连接和层归一化）
在Transformer模型中，Add & Norm（残差连接和层归一化）是两个重要的组成部分，它们共同作用于模型的各个层中，以提高模型的训练效率和性能。网络退化：网络退化（Degradation）是深度学习中一个常见的现象，特别是在构建深层神经网络时更为显著。它指的是在网络模型可以收敛的情况下，随
催化反应产率预测赛题--Datawhale AI夏令营
碳氮成键反应、Diels-Alder环加成反应等一系列催化合成反应，被广泛应用于各类药物的生产合成中。研究人员与产业界在针对特定反应类型开发新的催化合成方法时，往往追求以高产率获得目标产物，也即开发高活性的催化反应体系，以提升原子经济性，减少资源的浪费与环境污染。然而，开发具有高活性的催化反应体系通
AI：39-基于深度学习的车牌识别检测
从基础到实践，深入了解算法、案例和最新趋势。无论你是初学者还是经验丰富的数据科学家，通过案例和项目实践，掌握核心概念和实用技能。每篇案例都包含代码实例，详细讲解供大家学习。📌📌📌本专栏包含以下学习方向：机器学习、深度学习、自然语言处理（NLP）、机器视觉、语音识别、强化学习、推荐系统、机器学习
