基于YOLOv5的水下海洋目标检测
准确率表示模型对正确目标的识别率，召回率表示模型对所有目标的识别率，精确率表示模型对所有预测目标的正确率，F1 分数表示准确率和召回率的调和平均数，平均精度表示模型在所有类别上的平均精度。本文提出了一种基于 YOLOv5 的水下海洋目标检测方法，使用数据增强方法进行了大量实验，并与其他方法进行了对比
QLoRa：在消费级GPU上微调大型语言模型
LoRa让我们的微调变得简单，而QLoRa可以让我们使用消费级的GPU对具有10亿个参数的模型进行微调，
配置深度学习环境（tensorflow-gpu版）
tensorflow
冲激阶跃与卷积
时移性质：若ƒ1(t)*ƒ2(t)=ƒ(t)，则有ƒ1(t-t1)*ƒ2(t-t2)=ƒ(t-t1-t2)。分配律：ƒ1(t)*[ƒ2(t)+ƒ3(t)]=ƒ1(t)*ƒ2(t)+ƒ1(t)*ƒ3(t)；f(t)与冲激偶函数的卷积：ƒ(t)*δ’(t)=f’(t)*δ(t)=ƒ’(t)；2）反转平移
AI 工具合辑盘点，总有一款适合你
等功能。其中，翻译支持。
空间变形网络——STN
CNN 的机理使得 CNN 在处理图像时可以做到 transition invariant，却没法做到 scaling invariant 和 rotation invariant。即使是现在火热的 transformer 搭建的图像模型 (swin transformer, vision tran
yolov7改进系列
111
YOLOv5基础知识点——激活函数
激活函数
使用 T5 模型来做文本分类任务的一些总结
使用 T5 (Text-to-Text Transfer Transformer) 来做文本分类任务的一些总结
nn.Parameter()
可以方便地定义和管理模型的可训练参数，并且在模型训练过程中可以自动计算梯度并更新参数值，是构建神经网络模型时常用的工具。是 PyTorch 中的一个类，用于创建可训练的参数（权重和偏置），这些参数会在模型训练过程中自动更新。
基于MindSpore复现UNet—语义分割
U-Net: Convolutional Networks for Biomedical Image Segmentation
基于pytorch用yolov5算法实现目标检测与分割
适合新手入门玩一下目标的检测和分割，大概了解yolov5算法的一些基本操作。1.1 课题背景目标检测的目的是判断在单张图片或者连续图片（视频）中，感兴趣的单个或者 多个物体是否存在，如果存在，需要将感兴趣的单个或者多个物体的位置和大小确 定。通常情况下我们使用一个矩形框来表示一个物体的位置和大小，矩
win下YOLOv7训练自己的数据集（交通标志TT100K识别）
遗传算法是利用种群搜索技术将种群作为一组问题解，通过对当前种群施加类似生物遗传环境因素的选择、交叉、变异等一系列的遗传操作来产生新一代的种群，并逐步使种群优化到包含近似最优解的状态，遗传算法调优能够求出优化问题的全局最优解，优化结果与初始条件无关，算法独立于求解域，具有较强的鲁棒性，适合于求解复杂的
【2023 · CANN训练营第一季】昇腾AI入门课（Pytorch)---昇腾AI入门课（PyTorch）微认证考试
19、当迁移出现报错时，查看底层日志是一种常见的DEBUG手段，可以通过设置环境变量ASCEND_GLOBAL_LOG_LEVEL的方式收集不同等级的日志。20、昇腾软硬件基础平台中包括应用使能、AI框架、异构计算架构、Atlas系列硬件等，其中()对下适配不同的硬件形态，对上适配不同的AI框架，发
2023最新pytorch安装教程，简单易懂，面向初学者（Anaconda+GPU）
2023最新pytorch安装教程，简单易懂，面向初学者（Anaconda+GPU）
YOLOv5解析 | 参数与性能指标
：Confidence Threshold，置信度阈值。只显示预测概率超过conf_thres的预测结果。：Intersect over Union Threshold，交并比阈值。：以某种方式计算AP值来表达PR图的面积：每个类的AP值的平均数。用于表达多类标签预测的性能，如AP一样，mAP越高，
DHVT：在小数据集上降低VIT与卷积神经网络之间差距，解决从零开始训练的问题
VIT在归纳偏置方面存在空间相关性和信道表示的多样性两大缺陷。所以论文提出了动态混合视觉变压器(DHVT)来增强这两种感应偏差。
Yolov5 激活函数
activation.py文件
深入浅出PaddlePaddle函数——paddle.to_tensor
paddle.to_tensor
yolov5模型(.pt)在RK3588(S)上的部署(实时摄像头检测)
yolov5模型(.pt)在RK3588(S)上的部署(实时摄像头检测)
