Nvidia GPU 最新计算能力表（CUDA Compute Capability）
Jetson ProductsGPUCompute CapabilityJetson AGX Xavier7.2Jetson Nano5.3Jetson TX26.2Jetson TX15.3Tegra X15.3GeForce and TITAN ProductsGPUCompute Capabi
2023亚马逊科技中国峰会之Amazon DeepRacer赛车比赛
在2023年6月27日至28日，亚马逊云科技准备在上海举办中国峰会，这是一年一度的盛大会议。此次会议重点活动之一就是基于强化学习的自动驾驶赛车比赛——Amazon DeepRacer。
注意力机制中的掩码详解
本文将详细介绍掩码的原理和机制。
车道线检测
目前，车道线检测技术已经相当成熟，主要应用在自动驾驶、智能交通等领域。下面列举一些当下最流行的车道线检测方法：基于图像处理的车道线检测方法。该方法是通过图像处理技术从摄像头传回的图像中提取车道线信息的一种方法，主要是利用图像处理算法进行车道线的检测和识别，并输出车道线的位置信息。基于激光雷达的车道线
AI实战营第二期 第七节 《语义分割与MMSegmentation》——笔记8
将图像按照物体的类别分割成不同的区域，或者对每个像素进行分类。
全监督，自监督，半监督，弱监督，无监督的关系和区别
全监督，自监督，半监督，弱监督，无监督的关系和区别
如何将让模型在两个gpu上训练
如果你想让模型在两个GPU 上进行训练，你需要使用分布式训练。在PyTorch中，可以使用。这样，你就可以在两个GPU上进行训练了。注意，你需要在命令行中使用。指定每个节点使用的GPU数量。指定使用哪些GPU进行训练，指定输出设备的GPU ID。指定分布式通信的后端，指定进程组的总大小，指定当前进程
深入理解深度学习——正则化（Regularization）：作为约束的范数惩罚
Hinton尤其推荐由Srebro and Shraibman (2005) 引入的策略：约束神经网络层的权重矩阵每列的范数，而不是限制整个权重矩阵的Frobenius范数。最后，因为重投影的显式约束还对优化过程增加了一定的稳定性，所以这是另一个好处。当使用较高的学习率时，很可能进入正反馈，即大的权
Meta的分割一切模型SAM( Segment Anything )测试
介绍了 SAM 模型的使用和结果分析总结
6款常见的无人机仿真开发平台（附超详细特点功能对比）
分享几款常见的无人机仿真平台！
【AI 人工智能】大型语言模型的实现技术原理与应用
大型语言模型的实现需要使用多种技术，包括语言数据的处理、模型的构建和训练、模型的部署和应用等。模型的构建是指根据语言数据的特征信息，构建出一组合适的神经网络结构，以实现对语言的建模和处理。语言模型是一种能够处理自然语言的计算机程序，能够学习人类语言的语法、语义和用法，并通过大量的语言数据进行训练，从
T5模型总结概述
T5是一个统一的模型框架，将各类NLP任务都转化为Text2text任务（即无监督/有监督的文本生成预训练任务），使得这些任务在训练时能够使用相同的目标函数，在测试时使用相同的解码过程。
Ubuntu20.04安装CUDA cuDNN 以及对应的pytorch
安装 CUDA cudnn 详细教学
场景图生成综述
场景图是对场景的结构化表示，可以清晰地表达场景中的对象、属性和对象之间的关系。随着计算机视觉技术的不断发展，人们不再满足于简单地检测和识别图像中的物体;相反，人们期待对视觉场景有更高层次的理解和推理。例如，给定一张图像，我们不仅要检测和识别图像中的物体，还要了解物体之间的关系(视觉关系检测)，并根据
loss.item()用法和注意事项详解
因为输出的loss的数据类型是Variable。主要是使用Variable计算的时候，会记录下新产生的Variable的运算符号，在反向传播求导的时候进行使用。如果这里直接将loss加起来，系统会认为这里也是计算图的一部分，也就是说网络会一直延伸变大，那么消耗的显存也就越来越大。，在计算loss，a
深入浅出TensorFlow2函数——tf.random.uniform
tf.random.uniform( shape, minval=0, maxval=None, dtype=tf.dtypes.float32, seed=None, name=None)
使用Llama.cpp在CPU上快速的运行LLM
大型语言模型(llm)正变得越来越流行，但是它需要很多的资源，尤其时GPU。在这篇文章中，我们将介绍如何使用Python中的llama.cpp库在高性能的cpu上运行llm。
基于深度学习的CSI反馈（CsiNet）
最近在学习有关CSI反馈相关知识，整理了这一篇将深度学习引入CSI反馈的高引用论文，如果有理解不正确的地方，敬请回复。
Bark(Suno AI) 搭建及使用
Bark 是由Suno AI创建的基于转换器的文本到音频模型。Bark 可以生成高度逼真的多语言语音以及其他音频 - 包括音乐、背景噪音和简单的音效。该模型还可以产生非语言交流，如大笑、叹息和哭泣。 Bark 目前支持 13 种语言，包括英语、德语、西班牙语、法语、日语和印地语。Suno AI 表示
