矢量数据库对比和选择指南
矢量数据库是为实现高维矢量数据的高效存储、检索和相似性搜索而设计的。使用一种称为嵌入的过程，将向量数据表示为一个连续的、有意义的高维向量。
模型加载至 cpu 和 gpu 的方式
模型加载至 cpu 和 gpu 的方式,只需改一句话
PANet（CVPR 2018）原理与代码解析
信息在神经网络中的传播方式是非常重要的。本文提出的路径聚合网络（Path Aggregation Network, PANet）旨在促进proposal-based实例分割框架中的信息流动。具体来说，通过自底向上的路径增强，利用底层中精确的定位信息来增强整个特征层次，缩短了下层与最上层之间的信息路径
AI实战营：MMPose开源算法库
【代码】AI实战营：MMPose开源算法库。
WideNet:让网络更宽而不是更深
这是新加坡国立大学在2022 aaai发布的一篇论文。WideNet是一种参数有效的框架，它的方向是更宽而不是更深。通过混合专家(MoE)代替前馈网络(FFN)，使模型沿宽度缩放。使用单独LN用于转换各种语义表示，而不是共享权重。
基于 YOLOv8 的自定义数据集训练
图1.1：YOLOv8初始测试YOLOv8????于 2023年1月10日由Ultralytics发布。它在计算机视觉方面提供了进展，带来了对我们感知、分析和理解视觉世界的巨大创新。它将为各个领域带来前所未有的可能性。在速度、准确性和架构方面进行了相当大的改进。它是从头开始实现的，没有使用任何来自Y
LoRA模型是什么？
LoRA（Low-Rank Adaptation of Large Language Models，大型语言模型的低秩适应）是微软研究员提出的一种新颖技术，旨在解决微调大型语言模型的问题。研究人员发现，通过专注于大型语言模型的Transformer注意力块，LoRA的微调质量与完整模型的微调相当，同
pytorch 手动顺序搭建resnet18、附带训练代码、测试代码
文件名：mode_resnet18。
Simulink中传递函数transfer fcn中迟滞参数如何设置
simulink中传递函数transfer fcn中的参数设定，使其与原始信号更接近或按需平滑处理。
深度学习之FPN+PAN
FPN+PAN
芒果改进YOLOv8系列：改进特征融合网络 BiFPN 结构，融合更多有效特征
代码实践｜YOLOv8 + BiFPN 高效结构
LeViT-UNet：transformer 编码器和CNN解码器的有效整合
levi - unet[2]是一种新的医学图像分割架构，它使用transformer 作为编码器，这使得它能够更有效地学习远程依赖关系。levi - unet[2]比传统的U-Nets更快，同时仍然实现了最先进的分割性能。
通用人工智能之路：什么是强化学习？如何结合深度学习？
【专栏订阅必读】ChatGPT强大魔力的关键因素之一是应用了强化学习模型，本文系统梳理强化学习中环境、智能体、奖赏、动作、状态等关键概念，并给出深度强化学习框架。
注意力机制之SK Attention
注意力机制
人工智能与大数据面试指南——自然语言处理（NLP）
人工智能与大数据面试指南》系列下的内容会，有需要的读者可以文章，以及时获取文章的最新内容。
【深度学习】优化器详解
深度学习中常见的优化器
【科研】ET-BERT代码分析
论文使用的TLS1.3数据集是从 2021 年 3 月到 2021 年 7 月在中国科技网 (CSTNET) 上收集的。【困惑点1】执行代码里使用的encryptd_vocab.txt不造从哪里生成的，，待我看看代码。：由于可能存在原始PCAP数据的复杂性，建议在报错时执行以下步骤检查代码执行情况。
深入浅出TensorFlow2函数——tf.random.normal
tf.random.normal
换脸ai的方法分享！这几个换脸APP巨好用。
换脸ai的方法分享！这种技术利用机器学习模型分析和学习大量的人脸数据，训练出一种“生成对抗网络”（GAN）模型，通过对待处理的图片进行编码，然后根据源图像和目标图像的相似度，自动生成合成图像，那么很多小伙伴可能没太听懂，也不知道该用什么进行操作，下面感兴趣的小伙伴快跟随小编一起来看看吧！这个网站是一
Pytorch模型如何查看每层输入维度输出维度
表示模型的输入维度，即 C = 3，H = 32，W = 32。运行后可以看到所有层输入、输出的维度以及参数数量等信息。库来实现对 PyTorch 模型的结构及参数统计的输出，其可以方便我们查看每层输入、输出的维度以及参数数量等信息。在 PyTorch 中，可以使用。
