深度学习之循环神经网络（RNN）
人工智能之循环神经网络（RNN）
分类使用Pytorch实现Grad-CAM并绘制热力图
import osimport numpy as npimport torchfrom PIL import Imageimport matplotlib.pyplot as pltfrom torchvision import modelsfrom torchvision import trans
掌握神经网络的法宝（一）
上一章的介绍，相信大家对于神经网络的框架模式有了一定的了解，而这一章我准备来给大家介绍一下掌握神经网络所需的数学基础。
多任务学习中的网络架构和梯度归一化
多任务学习（Multi-task learning, MTL），旨在用其他相关任务来提升主要任务的泛化能力，多个任务共享一个结构并在一次正向传递中产生多个推理。
Mask R-CNN网络详解
Mask R-CNN是2017年发表的文章，一作是何恺明大神，没错就是那个男人，除此之外还有Faster R-CNN系列的大神`Ross Girshick`，可以说是强强联合。该论文也获得了ICCV 2017的最佳论文奖（`Marr Prize`）。并且该网络提出后，又霸榜了MS COCO的各项任务
使用分布外数据去除不需要的特征贡献，提高模型的稳健性
分布外数据增强训练可以提高 DNN 的准确性和效率，通过抗性训练可以让 DNN 更加健壮，让模型更不容易受到扰动的影响。
基于Pytorch的强化学习(DQN)之 Baseline 基本概念
目录1. 引言2. 数学推导2.1 引理2.2 改进的策略梯度2.3 蒙特卡罗模拟3. baseline的选择1. 引言我们前面讲过策略梯度下降算法，现在来介绍一种加快收敛速度的方法：设置Baseline。2. 数学推导我们之前推导过状态价值函数梯度的公式，以下证明源于这个公式。2.1 引理我们先证
【第31篇】探索普通视觉Transformer Backbones用于物体检测
摘要我们探索了普通的、非分层的视觉转换器（ViT）作为目标检测的骨干网络。这种设计使原始 ViT 架构能够针对对象检测进行微调，而无需重新设计用于预训练的分层主干。通过对微调的最小调整，我们的普通骨干检测器可以获得具有竞争力的结果。令人惊讶的是，我们观察到：（i）从单尺度特征图（没有常见的 FPN
第2例 基于卷积神经网络LeNet的手写体数字识别
第2例 基于卷积神经网络LeNet的手写体数字识别卷积操作就是提取图像的边缘纹理特征的。卷积神经网络去做图像分类的思路非常简单，先使用卷积运算对图像进行边缘纹理特征提取，多层卷积即是提取深度特征的边缘纹理特征；卷积核是通过机器学习得到的，所以具体提取到什么样的纹理我们不必要去考究。思路： 卷积神经网
计算机视觉的半监督模型：Noisy student, π-Model和Temporal Ensembling
今天我将讨论一些在过去十年中出现的主要的半监督学习模型。
深度学习敲门砖——神经网络
深度学习以神经网络为出发点！可以说深度学习，就是叠加了很多层的神经网络！
基于Pytorch的强化学习(DQN)之 Multi-agent 训练架构
目录1. 引言2. 训练架构2.1 Fully decentralized2.2 Fully centralized2.3 Centralized&Decentralized1. 引言我们上一次讲到了Multi-agent的基本概念，现在来讲讲具体的训练方法，以Actor-Critic方法为
JoJoGAN One-Shot Face Stylization：使用 StyleGAN 创建 JoJo风格人脸头像
JoJoGAN 是一种One-Shot风格迁移模型，可让将人脸图像的风格迁移为另一种风格。
深度学习项目示例 使用自编码器进行模糊图像修复
本文将介绍使用深度学习技术实现一个对图像进行去模糊处理的项目的完整流程，希望对你有所帮助
torch.gather()之通俗易懂讲解
1. 简要介绍2. 深入讲解之化繁为简3. 总结
用于Transformer的6种注意力的数学原理和代码实现
Transformer 的出色表现让注意力机制出现在深度学习的各处。本文整理了深度学习中最常用的6种注意力机制的数学原理和代码实现。
深度学习的显卡对比评测：2080ti vs 3090 vs A100
显卡大幅降价了但是还可以再等等，新的40系列显卡也要发售了，所以我们先看看目前上市的显卡的性能对比，这样也可以估算下40显卡的性能，在以后购买时作为参考。
睿智的目标检测56——Pytorch搭建YoloV5目标检测平台
睿智的目标检测56——Pytorch搭建YoloV5目标检测平台学习前言源码下载YoloV5改进的部分（不完全）YoloV5实现思路一、整体结构解析二、网络结构解析1、主干网络Backbone介绍2、构建FPN特征金字塔进行加强特征提取3、利用Yolo Head获得预测结果三、预测结果的解码1、获得
5篇关于强化学习在金融领域中应用的论文推荐
近年来机器学习在各个金融领域各个方面均有应用，其实金融领域的场景是很适合强化学习应用
2. 3种常见网络重参数化论文、解读、使用方法、实现代码整理（Re-Parameter）
源码下载地址：下载地址目录Re-Parameter(ReP) Series1. RepVGG Usage2. ACNet Usage3. Diverse Branch Block(DDB) Usage【先验知识】首先向各位读者介绍一下卷积的一些基本性质，这几篇论文所提出的重参数操作，都是基于卷积的这
