YOLOV8改进：顶刊TIP 2023 | CFP：即插即用的多尺度融合模块，有效涨点！
与现有的方法不同，本文方法不仅关注不同层之间的特征交互，还考虑了同一层内的特征调节，该调节在密集预测任务中被证明是有益的。则依赖于自下而上的特征金字塔结构，通过建立自上而下的路径和横向连接从多尺度高级语义特征图中获取特征信息。提出了一种额外的自下而上路径，使高级特征图也可以从低级特征图中获得足够的细
深度学习apex包安装问题
深度学习中apex安装问题
bevfusion单显卡训练/测试
bevfusion单显卡
动手学深度学习(李沐)的pytorch版本（包含代码和PDF版本）
动手学深度学习(李沐)的pytorch版本（包含代码和PDF版本），《动手学深度学习》PyTorch版本TendorFlow版本（内有所有代码和PDF版下载地址）
使用Cleanlab、PCA和Procrustes可视化ViT微调
在本文中，我们将介绍如何创建这样一个动画，主要包括:微调、创建嵌入、异常值检测、PCA、Procrustes、创建动画。
YOLO-NAS讲解
这些 YOLO-NAS 模型是使用 Deci 的 AutoNAC™ NAS 技术构建的，性能优于 YOLOv7 和 YOLOv8 等模型，包括最近推出的 YOLOv6-v3.0。准确的比较将在 YOLO-NAS 系列的下一篇文章中进行，我们将在自定义任务上训练这些模型，并记录与当前巨头相比训练的难易
ESM2蛋白预训练模型 蛋白质、氨基酸向量表示
参考：https://github.com/facebookresearch/esmhttps://huggingface.co/facebook/esm2_t33_650M_UR50Dhttps://esmatlas.com/resources?action=foldtokenizer_对输入蛋白
一文搞懂 神经辐射场（Neural Radiance Fields，NeRF）
一文搞懂 神经辐射场（Neural Radiance Fields，NeRF）
Xilinx Vitis AI量化部署Yolov5至DPU (PYNQ)
本文章记述了从YOLOv5源代码使用Xilinx Vitis AI进行量化并部署到DPU上的全流程。在开Pynq环境下运行测试通过。
使用GGML和LangChain在CPU上运行量化的llama2
在本文，我们将紧跟趋势介绍如何在本地CPU推理上运行量化版本的开源Llama 2。
【高效炼丹】指数移动平均（EMA）：深度学习中的神器
EMA的本质是对历史数据进行加权平均，其中每个数据点的权重随着它距离当前时间点的远近而不断减小。这样做的好处是可以有效地平滑时间序列数据，使其更加连续和稳定。在深度学习中，EMA被广泛应用于优化器的更新、模型参数的平均等方面，可以帮助提高模型的性能和泛化能力。同时，由于EMA的计算方式简单且易于实现
YOLO训练产出warning： NMS time limit 1.060s exceeded原因与解决办法
在进行模型训练结束后，模型代码会执行对模型进行map准确率的验证，使用时候出现talk is cheap ，show me the code.找到warning的代码出处：以上是NMS非极大值抑制代码实现过程，其原理也很简单，解决的是多个锚框重叠的问题。其实原因来看，进行NMS的时间断点太长了，将阈
Halcon22.11+Win10+RTX3060显卡（配置CUDA和cuDNN深度学习环境）
下载安装包（需要注册才能下载）提示：它和VS2019联合开发，所以要安装VS2019具体安装步骤参考：https://zhuanlan.zhihu.com/p/590352632。
基于Gym Anytrading 的强化学习简单实例
Gym Anytrading是一个建立在OpenAI Gym之上的开源库，它提供了一系列金融交易环境。它允许我们模拟各种交易场景，并使用RL算法测试不同的交易策略。
Windows下更换pip源
包含临时修改和永久修改pip源
解决OSError: [WinError 127] 找不到指定的程序
使用PyG和PyTorch训练网络时出现 `解决OSError: [WinError 127] 找不到指定的程序` 问题
【深度学习】详解 ViLT
【深度学习】详解 ViLT: Vision-and-Language Transformer Without Convolution or Region Supervision
[AI医学] 医学领域几个微调&预训练大模型的项目
一是对海量领域数据继续进行生成式语言模型预训练（continue pretrain）；二是在通用大模型的基础上引入领域数据进行指令微调训练（通用大模型底座+领域数据指令微调）；生成式语言模型继续预训练对数据量和计算资源的要求较高，目前大部分项目的工作多是集中在对通用模型进行领域数据指令微调训练。在指
YOLOv5在验证集上进行测试
YOLOv5的作者在2021年7月14日已经将test.py更名为val.py，以及使用test.py在验证集进行测试
Make-A-Video（造啊视频）——无需文字-视频数据的文字转视频（文生视频）生成方法
Make-A-Video 是迄今为止最先进的文生视频方法，本文详细介绍了其实现原理，并提供了公开的训练数据集供读者参考。
