Origin曲线拟合教程
利用origin进行线性拟合的一些分析教程
超分之EDSR
这篇文章是SRResnet的升级版——EDSR，其对网络结构进行了优化(去除了BN层)，省下来的空间可以用于提升模型的size来增强表现力。此外，作者提出了一种基于EDSR且适用于多缩放尺度的超分结构——MDSR。EDSR在2017年赢得了NTIRE2017超分辨率挑战赛的冠军。参考目录：①深度学习
pytorch使用GPU
查看GPU状态!nvidia-smi一个GPU一共16130M显存，0号GPU已使用3446M显存，一般GPU的利用率低于50%，往往这个模型可能有问题。本机CUDA版本，在安装驱动时应该注意选择对应版本的驱动。指定GPUimport torchfrom torch import nntorch.d
云GPU（恒源云）训练的具体操作流程
主要介绍一下如何使用云服务器平台训练网络，包括pycharm配置、数据传输、服务器如何使用等
10分钟Window本地部署stable diffusion AI绘图【入门教程】
下载后把名字改为：model.ckpt，并放入文件夹stable-diffusion-main/models/ldm/stable-diffusion-v1。打开stable-diffusion-main根目录下的environment.yaml文件，并修改ldm为ldo，该名字是用于环境命令，大家
什么是推荐系统？推荐系统类型、用例和应用
当前基于 DL 的推荐系统模型：DLRM、Wide and Deep (W&D)、神经协作过滤 (NCF)、b变分自动编码器 (VAE) 和 BERT（适用于 NLP）构成了 NVIDIA GPU 加速 DL 模型产品组合的一部分，并涵盖推荐系统以外的许多不同领域的各种网络架构和应用程序，包括图像、
【AI作画】使用stable-diffusion-webui搭建AI作画平台
【AI作画】使用stable-diffusion-webui搭建AI作画平台
深度学习之BP神经网络
算法是神经网络深度学习中最重要的算法之一，是一种按照误差逆向传播算法训练的多层前馈神经网络，是应用最广泛的神经网络模型之一。基本结构如图：其主要包含三部分（由左到右）1：输入层：输入数据2：隐含层：输入与输出之间的数据分析加工厂，通过各种参数（权重，偏差值）以及激活函数等其他数据处理方法与两边建立联
Stable Diffusion的入门介绍和使用教程
Stable Diffusion是一个文本到图像的潜在扩散模型，本文将介绍如何使用Stable Diffusion以及它具体工作的原理
TwoModalBERT进行角色分类
魔改模型，不一定有用，但很好玩
群体智能优化算法
群体智能优化算法群体智能（SI）源于对以蚂蚁、蜜蜂等为代表的社会性昆虫的群体行为的研究，群居性生物通过协作表现出的宏观智能行为特征。群体智能算法有粒子群优化算法(PSO)、蚁群优化算法(ACO)、人工蜂群优化算法(ABC)、差分进化算法(DE)、引力搜索算法(GSA)、萤火虫算法(FA)、蝙蝠算法(
学习Transformer：自注意力与多头自注意力的原理及实现
自从Transformer[3]模型在NLP领域问世后，基于Transformer的深度学习模型性能逐渐在NLP和CV领域(Vision Transformer)取得了令人惊叹的提升。本文的主要目的是介绍经典Transformer模型和Vision Transformer的技术细节及基本原理，以方便
pytorch训练模型时出现nan原因整合
常见原因-1一般来说，出现NaN有以下几种情况：相信很多人都遇到过训练一个deep model的过程中，loss突然变成了NaN。在这里对这个问题做一个总结：1.如果在迭代的100轮以内，出现NaN，一般情况下的原因是因为你的学习率过高，需要降低学习率。可以不断降低学习率直至不出现NaN为止，一般来
机器学习深度神经网络——实验报告
机器学习实验报告6：深度神经网络
YOLO V5源码详解
首先读取图片以及标签路径，并将标签存入缓存，对单标签情况、特定类别、以及是否保持长方形等情况分别进行处理。如果需要进行mosaic 数据增强，首先找到中心点，将图片分别放置于四个位置，进行裁剪或者拼接以适应，并对labels进行调整。同时，对进行过mosaic数据增强过的图像，再进行copy_pas
BertTokenizer 使用方法
BertTokenizer 使用方法，BertTokenizer 函数详解，tokenizer使用方法
Transformer框架时间序列模型Informer内容与代码解读
Transformer框架时间序列模型Informer内容与代码解读。详细介绍概括了顶会论文AAAI‘21 Best Paper的核心内容。
注意力机制详解
注意力机制
DDPM代码详细解读(1)：数据集准备、超参数设置、loss设计、关键参数计算
Diffusion Models专栏文章汇总：入门与实战前言：大部分DDPM相关的论文代码都是基于《Denoising Diffusion Probabilistic Models》和《Diffusion Models Beat GANs on Image Synthesis》贡献代码基础上小改动的
拉格朗日乘子法
是一种寻找多元函数在一组约束下的极值的方法。通过引入拉格朗日乘子，可将有 ddd 个变量与 kkk 个约束条件的最优化问题转化为具有 d+kd + kd+k 个变量的无约束优化问题求解。假如有方程 x2y=3x^2y=3x2y=3，它的图像如下(左一)所示。现在我们想求其上点与原点的最短距离(中图)
