对抗子空间维度探讨
对抗子空间定理： 给定 g∈Rdg \in \mathbb{R}^{d}g∈Rd 和 α∈[0,1]\alpha \in[0,1]α∈[0,1]，最大数量为kkk的正交向量r1,r2,…,rkr_1,r_2,\ldots,r_kr1,r2,…,rk 满足∥ri∥2≤1\left\|r_{i}
利用Anaconda安装pytorch搭建深度学习环境
Anaconda安装pytorch搭建深度学习环境
MobileNetV1实战：使用MobileNetV1实现植物幼苗分类
文章目录摘要数据增强Cutout和Mixup项目结构导入项目使用的库设置全局参数图像预处理与增强读取数据设置模型定义训练和验证函数测试摘要本例提取了植物幼苗数据集中的部分数据做数据集，数据集共有12种类别，演示如何使用pytorch版本的MobileNetV1图像分类模型实现分类任务。通过本文你和学
深入浅出Yolov5之自有数据集训练流程
除了本文，大白还整理了如何深入浅出人工智能行业，算法、数据、目标检测、论文创新点、求职等版块的内容，可以查看：点击查看。此外本文章Yolov5相关的代码、模型、数据等内容，可以查看下载：点击查看。当然下方也列出了，如何通过官方链接的方式，下载的过程，也可以查看。1. 下载Yolov5代码及模型权重1
Darknet CUDA/CUDANN环境的快速安装
在具备GPU显卡且主持CUDA的纯净的UBUNTU18.04系统上，按照如下指导文档安装 Nvidia 显卡驱动。Ubuntu18.04安装CUDA深度学习环境_tugouxp的专栏-CSDN博客之后，下载darknetgit clone https://github.com/AlexeyAB/da
推土机距离到Wassertein距离
https://vincentherrmann.github.io/blog/wasserstein/
Python写春联，给您拜年了
虎年吉祥！
论文推荐-使用 Noisy Student 进行自训练可以提高 ImageNet 分类的表现
使用 Noisy Student 进行自训练改进 ImageNet 分类是一篇由 Google Research、Brain Team 和Carnegie Mellon大学发表在2020 CVPR的论文
基于深度学习识别湖泊，以洞庭湖区域为例
深度学习大概分成两部分，模型训练和图像识别，模型训练涉及样本训练和样本验证，这个部分为深度学习的主要部分，通过调节样本集和训练参数控制结果精度。鉴于样本获取及计算机性能，这里使用现成的训练结果集，访问地址：https://github.com/isikdogan/deepwatermap。1、安装环
动手学习VGG16
VGG 论文《Very Deep Convolutional Networks for Large-Scale Image Recognition》论文地址：https://arxiv.org/abs/1409.1556使用重复元素的网络(VGG)以学习VGG的收获、论文的复现二大部分，简述VGG1
5分钟NLP - SpaCy速查表
SpaCy 是一个免费的开源库，用于 Python 中的高级自然语言处理包括但不限于词性标注、dependency parsing、NER和相似度计算。它可帮助构建处理和理解大量文本的应用程序可用于多种方向，例如信息提取、自然语言理解或为深度学习提供文本预处理。
深度学习入门之神经网络
接着啃书第三章
写春联：你写上联，AI写下联
基于飞桨2.x框架的AI写春联：你写上联，AI写下联。
图卷积和消息传递理论的可视化详解
本文中将研究如何基于消息传递机制构建图卷积神经网络，并创建一个模型来对具有嵌入可视化的分子进行分类。
伪标签：用于深度神经网络的简单高效的半监督学习方法
未标记的数据由监督学习网络标记，即所谓的伪标记。然后使用标记数据和伪标记数据训练网络。
2022年必须要了解的20个开源NLP 库
在本文中，我列出了当今最常用的 NLP 库，并对其进行简要说明。它们在不同的用例中都有特定的优势和劣势，因此它们都可以作为专门从事 NLP 的优秀数据科学家备选方案。每个库的描述都是从它们的 GitHub 中提取的。
Vision Transformer（Pytorch版）代码阅读注释
Vision Transformer Pytorch版代码阅读注释
Python深度学习：Python数据处理及可视化（读书笔记）
老铁们，我们Python的深度学习开始了，第一篇正式的文章就是数据处理和可视化，我们开始吧!...
【顶会学习计划】万字吃透NER
NLP系列顶会学习计划，今天研究的是顶会ACL2018的一篇文章，并尝试在相同数据集上自己实现模型，领会STOA的魅力！
Python深度学习：计算机视觉与深度学习的关系（包含Anaconda安装与使用，和Pycharm激活虚拟环境教程）
伙计们，这个专栏是作为读书的记录，有喜欢的伙伴也可以一起学习哦！我们第一篇就简要的谈一谈计算机视觉。第一篇一、计算机视觉的难点与人工神经网络1、初识计算机视觉2、计算机视觉的基础与方向二、关于Anaconda的安装与TensorFlow的安装1、安装Pycharm和Anaconda2、在Pychar
