常用的激活函数（Sigmoid、Tanh、ReLU等）
目录一、激活函数定义二、梯度消失与梯度爆炸 1.什么是梯度消失与梯度爆炸2.梯度消失的根本原因3.如何解决梯度消失与梯度爆炸问题 三、常用激活函数1.Sigmoid2.Tanh3.ReLU4.Leaky ReLU5.ELU6.softmax7.Swish 激活函数 (Activatio
Attentional Feature Fusion 注意力特征融合
看到一篇比较不错的特征融合方法，基于注意力机制的 AAF ，与此前的 SENet、SKNet 等很相似，但 AFF性能优于它们，并且适用于更广泛的场景，包括短和长跳连接以及在 Inception层内引起的特征融合。AFF是由南航提出的注意力特征融合，即插即用！
用Python实现简单的人脸识别，10分钟搞定！（附源码）
前言让我的电脑认识我，我的电脑只有认识我，才配称之为我的电脑！今天，我们用Python实现简单的人脸识别技术！Python里，简单的人脸识别有很多种方法可以实现，依赖于python胶水语言的特性，我们通过调用包可以快速准确的达成这一目的。这里介绍的是准确性比较高的一种。欲直接下载源代码文件，关注微信
【CUDA安装详细教程】
windows10 版本安装 CUDA ，需要下载两个安装包CUDA toolkit（toolkit就是指工具包）和cuDNN，cuDNN 是用于配置深度学习使用官方教程。
Faster R-CNN最全讲解
Faster R-CNN最全讲解
AI画图 Disco-diffusion 本地搭建测试
Disco Diffusion图像生成网络，输入文字输出美图。
人工智能 —— 知识图谱
概念缩写全称音标含义AIArtificial Intelligence[ˌɑ:tiˈfiʃəl inˈtelidʒəns]人工智能MLMachine Learning[məˈʃi:n ˈlə:niŋ]机器学习DLDeep Learning[diːp ˈlə:niŋ]深度学习CVComputer Vi
SPSS软件实操——ARIMA时间序列预测模型
案例：基于ARIMA模型对螺纹钢价格预测——以南昌市为例
YOLOv5改进之十一：主干网络C3替换为轻量化网络MobileNetV3
前 言：作为当前先进的深度学习目标检测算法YOLOv5，已经集合了大量的trick，但是还是有提高和改进的空间，针对具体应用场景下的检测难点，可以不同的改进方法。此后的系列文章，将重点对YOLOv5的如何改进进行详细的介绍，目的是为了给那些搞科研的同学需要创新点或者搞工程项目的朋友需要达到更好的效
AI绘图–Disco Diffusion使用指南+本地化保姆级教程
AI绘图技术，Disco Diffusion在线使用教程+保姆级本地化教程。
yolov5-6.0/6.1加入SE、CBAM、CA注意力机制（理论及代码）
yolov5-6.0/6.1加入SE、CBAM、CA注意力机制（理论及代码）
手把手教你安装CUDA（一看就会）
手把手教你安装CUDA（一看就会）
当下最强的 AI art 生成模型 Stable Diffusion 最全面介绍
目录模型生成效果展示（prompt 全公开）如何注册 Stable Diffusion 使用SD（dreamstudio.ai ）的收费标注如何SD 提供哪些参数可以设置如何使用种子来改进一张作品我用 SD 创作的图片著作权如何归属，可以拿来商用吗？Stable Diffusion 背后的研发团队S
深度强化学习-DDPG算法原理与代码
引言Deep Deterministic Policy Gradient (DDPG)算法是DeepMind团队提出的一种专门用于解决连续控制问题的离线式(off-line)深度强化学习算法，它其实本质上借鉴了Deep Q-Network (DQN)算法里面的一些思想。本文就带领大家了解一下这个算法
Python绘制loss曲线、准确率曲线
使用 python 绘制网络训练过程中的的 loss 曲线以及准确率变化曲线，这里的主要思想就时先把想要的损失值以及准确率值保存下来，保存到 .txt 文件中，待网络训练结束，我们再拿这存储的数据绘制各种曲线。其大致步骤为：数据读取与存储 - > loss曲线绘制 - > 准确率曲线绘制我们首先要得
在CPU上跑yolov5（详细步骤+适合入门）
非常详细的步骤，适合新手，不要一天就可以跑通！
[ 注意力机制 ] 经典网络模型2——CBAM 详解与复现
[ 注意力机制 ] 经典网络模型2——CBAM 详解与复现1、Convolutional Block Attention Module2、CBAM 详解Channel Attention ModuleSpatial Attention Module3、CBAM 复现简称 ``CBAM``，2018年
【魔改YOLOv5-6.x（中）】加入ACON激活函数、CBAM和CA注意力机制、加权双向特征金字塔BiFPN
文章目录前言一、ACON激活函数论文简介ACON familyYOLOv5中应用二、注意力机制CBAM论文简介CBAM注意力机制YOLOv5中应用CA论文简介Coordinate AttentionYOLOv5中应用三、BiFPN特征融合论文简介双向加权特征金字塔BiFPNYOLOv5中应用Refe
Python机器学习、深度学习库总结（内含大量示例，建议收藏）
目前，随着人工智能的大热，吸引了诸多行业对于人工智能的关注，同时也迎来了一波又一波的人工智能学习的热潮，虽然人工智能背后的原理并不能通过短短一文给予详细介绍，但是向所有学科一样，我们并不需要从头开始”造轮子“，可以通过使用丰富的人工智能框架来快速构建人工智能模型，从而入门人工智能的潮流。为了大家能够
YOLOV7详细解读（一）网络架构解读
继美团发布YOLOV6之后，YOLO系列原作者也发布了YOLOV7。YOLOV7主要的贡献在于：1.模型重参数化YOLOV7将模型重参数化引入到网络架构中，重参数化这一思想最早出现于REPVGG中。2.标签分配策略YOLOV7的标签分配策略采用的是YOLOV5的跨网格搜索，以及YOLOX的匹配策略。
