深度学习中的GPU与CUDA
显卡，也称之为 GPU。GPU 的全称是 Graphics Processing Unit（图形处理单元）。它出现的目的一目了然，就是用来显示图像的。没错，就是用来在电脑显示器上显示图像的。大家其实只要知道我们的电脑都有显卡这一点就行了。但我们在深度学习中说的显卡（GPU）一般特指是英伟达（NVID
A5000 VS 3090，谁更强？
3090的单精度性能高于A5000，但在半精度和混合精度训练中，A5000的性价比又不输3090，甚至更为突出。
利用催眠技巧绕开 OpenAI 的内容政策限制（仅供研究使用）
通过这种技巧可以诱导ChatGPT生成任意文本，绕过OpenAI的内容限制。
【torch.nn.Parameter 】参数相关的介绍和使用
是继承自的子类，其主要作用是作为中的可训练参数使用。它与的区别就是会自动被认为是的可训练参数，即加入到这个迭代器中去。具体格式如下：其中 为待传入的 ， 默认为 True。事实上， 中提供的模块中的参数均是 类，例如：参数构造可以看作是一个类型转换函数，将一个不可训练的类型 转换成可以训练的类
【机器学习】线性回归（超详细）
机器学习之线性回归，看懂这一篇就够了(超详细)。
【Pytorch深度学习实战】（11）变分自动编码器（VAE）
而变分自编码器便是用“取值的概率分布”代替原先的单值来描述对特征的观察的模型，如下图的右边部分所示，经过变分自编码器的编码，每张图片的微笑特征不再是自编码器中的单值而是一个概率分布。另一个根据生成的隐变量变分概率分布，还原生成原始数据的近似概率分布，称为生成网络。在上面的模型中，经过反复训练，我们的
神经网络Python实现（9行代码）
神经网络由输入层、输出层和之间若干层（一层或多层）隐含层构成，每一层可以有若干个节点。层与层之间节点的连接状态通过权重来体现。这9行代码就是把上图的1~4组数据作为训练集进行模型训练，不断地更新权重使其输出更接近训练集中给出的输出标签（标准答案），然后将最后一组数据当做测试集来检测模型的准确度，它最
tensorRT部署实战——yolov5
yolov5的onnx简化到trt推理
如何利用DGL官方库中的rgcn链接预测代码跑自己的数据集（如何在DGL库的链接预测数据集模块定义自己的数据集类）
如何利用DGL官方库中的rgcn链接预测代码跑自己的数据集（如何在DGL库的链接预测数据集模块定义自己的数据集类）
SE(Squeeze and Excitation)模块的理解以及代码实现
SEBlock并非一个完整的网络，而且一个子结构，可以嵌在其他分类或检测模型中。SEBlock的核心思想是通过网络根据loss去学习特征权重，使得有效的featuremap权重更大，无效或效果小的featuremap权重更小的方式去训练模型已达到更好的结果。当然，SEblock嵌在原有的一些分类网络
机器人抓取系列——CBAM注意力机制
注意力机制
YOLOv5-网络结构
1. 详细的网络结构图：https://oneflow-static.oss-cn-beijing.aliyuncs.com/one-yolo/imgs/yolov5s.onnx.png通过export.py导出的onnx格式，并通过https://netron.app/网站导出的图片(模型导出将在
【项目问答】YOLOv5
Yolov5官方代码中，给出的目标检测网络中一共有4个版本，分别是Yolov5s、Yolov5m、Yolov5l、Yolov5x四个模型。Yolov5s网络是Yolov5系列中深度最小，特征图的宽度最小的网络。后面的3种都是在此基础上不断加深，不断加宽。网络结构：1、模型参数配置：【YOLOV5-5
MATLAB图像处理学习——图像的像素运算
在matlab当中，图像是以矩阵形式存放的，矩阵的每一个元素就是像素值，所以对图像进行运算就是对矩阵的运算。（包括点运算、图像的加减乘除运算及图像的逻辑运算或与非）
Depthwise 卷积 ，Pointwise 卷积与普通卷积的区别
1 普通卷积原理：普通卷积是，一个卷积核与input的所有通道都进行卷积，然后不同通道相同位置卷积后的结果再相加，如下图所示，：⾸先，每个通道内对应位置元素相乘再相加，最后计算所有通道的总和作为最终结果。卷积核的Channel通道数等于Input输⼊的通道数，Output输出的通道数等于卷积核的个数
【阅读笔记】多任务学习之MMoE(含代码实现)
本文作为自己阅读论文后的总结和思考，不涉及论文翻译和模型解读，适合大家阅读完论文后交流想法，文末含MMoE的Pytorch实现及Synthetic Data的生成代码。
自主导航与路径规划无人机研究现状
无人机自主飞行可简单地说成是指无人机在不同位置上怎样安全平稳地运动。在自主飞行技术层面上，可将其分解成4个问题：。1.What does the environment look like？2. Where am I？3. Where am I going？4. How do I get there
使用 ESP-DL 深度学习库基于 ESP32-S3 实现手势识别
用户基于乐鑫深度学习库 ESP-DL，能够在 ESP32-S3 上部署高性能的深度学习模型。
SIFT算法详解(附有完整代码)
说明：本文旨在给出SIFT 算法的具体实现，而在 SIFT 详解上只是做出简单介绍，在这里可以给大家推荐一篇好文：https://blog.csdn.net/zddblog/article/details/7521424；结合这篇文章和下文的具体代码实现，我相信你能很快掌握并运用 SIFT 算法，加
