AI「鸟口普查」，康奈尔大学利用深度学习分析北美林莺分布
据世界自然基金会统计，过去 40 年间，全球代表物种种群数量减少了 68%，全球生物多样性面临威胁。要制定合理的生态保护政策，需要对当地的生态数据进行准确的大规模统计。然而，由于生态数据量庞大，不同地区统计标准存在偏差，大规模的生态统计很难进行，得到的数据也很难为生态政策提供参考。深度学习为大规模的
深度学习技巧应用2-神经网络中的‘残差连接’
残差连接通过直接将前一层的输出加到后一层的输入中，使得梯度能够更容易地传递到前一层，从而使得深度神经网络的训练更加容易。由于深层网络容易出现梯度消失或梯度爆炸的问题，因此可以通过残差连接的方式，将网络的深度扩展到数十层以上，从而提高模型的性能。残差连接的基本思想是，在网络的某些层中，将输入的信号直接
深度学习篇之tensorflow(2) ---图像识别
tensorflow处理图像识别图像识别图像识别的关键点及特点卷积神经网络原理视觉生物学研究神经网络优势卷积层池化层正则化层卷积神经网络实例样本数据读取urlretrieve（）方法python tarfile模块构建卷积神经网络模型构建卷积层构建池化层完整代码实战完成代码
常见注意力机制解析
详细解析多种注意力机制！
33- PyTorch实现分类和线性回归 (PyTorch系列) (深度学习)
线性回归预测的是一个连续值, 逻辑回归给出的”是”和“否”的回答, 逻辑回归通过sigmoid函数把线性回归的结果规范到0到1之间.sigmoid函数是一个概率分布函数， 给定某个输入，它将输出为一个概率值.# 回归和分类之间, 区别不大, 回归后面加上一层sigmoid, 就变成分类了.(py
编码器-解码器架构
编码器-解码器架构学习，并举例。
9月大型语言模型研究论文总结
这些论文涵盖了一系列语言模型的主题，从模型优化和缩放到推理、基准测试和增强性能。最后部分讨论了有关安全训练并确保其行为保持有益的论文。
torchvision.models简介
torchvision.models简介
计算机专业研究方向相关论文查找方法，分享给大家，实测有用。
论文文献查找的方法合集
Conda 创建和删除虚拟环境
我们在学习深度学习时，往往会由于不同代码需要配置不同的环境，这就需要Conda来进行创建虚拟环境。
【PyTorch】torch.cat() 和 torch.concat() 的区别
torch.concat() 是 torch.cat() 的别称，无区别。
深度学习笔记：finetune和linear probing的区别
finetune和linear probing一般和预训练搭配出现，是预训练模型适配下游任务时可选的训练方式
深度学习在通信领域中的应用
深度学习在通信领域中的应用深度学习作为人工智能领域的一个热门技术，一直在探索新的应用领域。近年来，深度学习在通信领域中的应用也逐渐受到关注。通信领域需要面对各种挑战和问题，例如信道估计、信号检测、通信系统优化等等。这些问题的解决，可以大大提升通信系统的性能和效率。本文将重点介绍深度学习在通信领域中的
【人工智能】GPT-4 的使用成本，竟然是GPT-3.5的50倍之多 —— 大语言模型（LLM）开发者必须知道的数字
这篇文章的作者来自开源人工智能框架Ray的开发公司Anyscale。主要贡献者是Google前首席工程师Waleed Kadous。他也曾担任Uber CTO办公室工程战略负责人。其中一位华人合作者是Google前员工Huaiwei Sun。他来自江苏昆山，本科毕业于上海交通大学工业设计专业。期间，
TimesNet:时间序列预测的最新模型
在本文中，我们将探讨TimesNet的架构和内部工作原理。然后将该模型应用于预测任务，与N-BEATS和N-HiTS进行对比。
数学模型在人工智能中的使用：统计学和概率论
在人工智能中，统计学和概率论的技术原理可以通过一些重要的数学模型来描述。在人工智能中，统计学和概率论的应用场景非常广泛。例如，在语音识别中，可以使用概率论来建模声音的特征，并使用统计方法来优化语音识别系统的性能。在图像识别中，可以使用概率论来建模图像的特征，并使用机器学习算法来训练图像识别系统的性能
车牌识别数据集（蓝牌、黄牌、绿牌）及相关转换代码
车牌识别数据集（可识别车牌字符），已经手工标注并筛选好可直接使用。
AI 大模型 LLM 中的注意力架构原理
上文所举的机器翻译的例子里，因为在计算Attention的过程中，Source中的Key和Value合二为一，指向的是同一个东西，也即输入句子中每个单词对应的语义编码，所以可能不容易看出这种能够体现本质思想的结构。在一般任务的Encoder-Decoder框架中，输入Source和输出Target内
跟李沐学AI 动手学深度学习 环境配置d2l、pytorch的安装 （windows环境、python版本3.7）
我们的任务主要有：配置过程中主要参考了以下文章：https://blog.csdn.net/qq_38311396/article/details/120768038配置详细步骤:第一步：根据操作系统下载并安装MinicondaMiniconda下载地址：（https://conda.io/en/m
U-ViT（CVPR2023）——ViT与Difussion Model的结合
扩散模型（Diffusion Model）最近在图像生成领域大火。而在扩散模型中，带有U-Net的卷积神经网络居于统治地位。U-ViT网络是将在图像领域热门的结合应用在了中。本文将从Vision Transformer出发，分析U-ViT这篇CVPR2023的Paper并记录一些感想。
