卷积神经网络（convolutional neural network, CNN）
基本定义卷积神经网络(convolutional neural network, CNN)，是一类包含卷积计算且具有深度结构的前馈神经网络。卷积神经网络是受生物学上感受野（Receptive Field）的机制而提出的。卷积神经网络专门用来处理具有类似网格结构的数据的神经网络。例如，时间序列数据（可
LSTM和双向LSTM讲解及实践
慢慢的将各种双向LSTM全部都将其搞定都行啦的回事与打算。
计算GMAC和GFLOPS
GMAC 代表“Giga Multiply-Add Operations per Second”（每秒千兆乘法累加运算），是用于衡量深度学习模型计算效率的指标。它表示每秒在模型中执行的乘法累加运算的数量，以每秒十亿 (giga) 表示。
NSFW 图片分类
NSFW指的是不适宜工作场所（"Not Safe (or Suitable) For Work;"）。在本文中，将介绍如何创建一个检测NSFW图像的图像分类模型。
【深度学习】常见的神经网络层（上）
在深度学习中常见的神经网络层的讲解
图灵奖得主、AI 教父、神经网络大师——谷歌副总裁 Hinton 离职——称其对毕生工作感到后悔和恐惧
杰弗里·辛顿（Geoffrey Hinton）生平杰弗里·辛顿（Geoffrey Hinton，1947年12月6日—）是一位英国出生的计算机科学家，现居加拿大。他是加拿大麦吉尔大学和多伦多大学的荣誉博士，威廉 · 门罗 · 勒默尔计算机科学教授。1980年获得爱丁堡大学人工智能领域博士学位。他是神
pytorch进阶学习（三）：在数据集数量不够时如何进行数据增强
1. 尺寸放大缩小2. 旋转（任意角度，如45°，90°，180°，270°）3. 翻转（水平翻转，垂直翻转）4. 明亮度改变（变亮，变暗）5. 像素平移（往一个方向平移像素，空出部分自动填补黑色）6. 添加噪声（椒盐噪声，高斯噪声）
使用大语言模型集成工具 LangChain 创建自己的论文汇总和查询工具
Langchain可以帮助开发人员构建由大型语言模型(llm)支持的应用程序。所以本文将介绍如何使用LangChain来创建我们自己的论文汇总工具。
LoRA:大模型的低秩自适应微调模型
对于大型模型来说，重新训练所有模型参数的全微调变得不可行。Microsoft 提出了低秩自适应大大减少了下游任务的可训练参数数量。
如何计算神经网络参数的个数？
神经网络随着层数的加深，网络参数的个数会越来越多，小的网络有成千上万个参数，大的可以达到千万个网络参数。这里我们介绍一下如何计算神经网络参数的个数图像分类的神经网络，包含两个部分：特征提取层+ 分类层特征提取层就是将提取图像中的特征，这里的特征就是图像的细节，例如边缘、关键点等等。类似于人在识别物体
LayerNorm 在 Transformers 中对注意力的作用研究
LayerNorm 一直是 Transformer 架构的重要组成部分。如果问大多人为什么要 LayerNorm，一般的回答是：使用 LayerNorm 来归一化前向传播的激活和反向传播的梯度。
什么是预训练模型？
什么是预训练模型？
forward函数——浅学深度学习框架中的forward
forward函数是深度学习框架中常见的一个函数，用于定义神经网络的前向传播过程。在训练过程中，输入数据会被传入神经网络的forward函数，然后经过一系列的计算和变换，最终得到输出结果。具体来说，forward函数的作用是将输入数据经过网络中各个层的计算和变换后，得到输出结果。在forward函数
视觉大模型DINOv2:自我监督学习的新领域
本文将介绍DINOv2是如何改进的，以及这些进步可能对整个领域有什么影响。
Topsis算法实践：比较LSTM算法与BP神经网络算法，以chickenpox_dataset为例
本文用Topsis算法以chickenpox_dataset为例比较LSTM算法与BP神经网络算法，发现LSTM算法预测相比与BP神经网络预测结果并不理想，希望得到解释。
强化学习——多智能体强化学习
文章目录前言多智能体系统的设定合作关系设定下的多智能体系统策略学习的目标函数合作关系下的多智能体策略学习算法MAC-A2C前言本文总结《深度强化学习》中的多智能体强化学习相关章节，如有错误，欢迎指出。多智能体系统的设定多智能体系统包含有多个智能体，多个智能体共享环境，智能体之间相互影响。一个智能体的
Softmax简介
Softmax是一种数学函数，通常用于将一组任意实数转换为表示概率分布的实数。
基于随机森林的特征选择-降维-回归预测——附代码
可以看到，使用两个特征进行预测的准确度为85.2077，与使用所有特征进行预测的准确度相差不大，这表明随机森林特征选择方法有效的选择出了最重要的特征，实现了从大量特征到少数重要特征的特征降维筛选，极大的降低了特征的冗余性。当随机森林评价完成特征的重要性后，还需要对各个特征变量之间的相关性进行评估，以
使用Actor-Critic的DDPG强化学习算法控制双关节机械臂
在本文中，我们将介绍在 Reacher 环境中训练智能代理控制双关节机械臂
语义分割系列15-UPerNet（pytorch实现）
本文介绍了UPerNet论文思想，介绍了UPerNet作者如何创建Multi-task数据集以及如何设计UPerNet网络和检测头来解决Multi-task任务。本文对于UPerNet语义分割部分的模型进行单独复现，所有代码基于pytorch框架，并在Camvid数据集上进行训练和测试。......
