绝了，超越YOLOv7、v8,YOLOv6 v3.0正式发布
YOLOv6 全新版本v3.0正式发布！引入新的网络架构和训练方案，其中YOLOv6-S以484 FPS的速度达到45.0% AP，超过YOLOv5-S、YOLOv8-S，其代码刚刚开源。由于前段时间Ultralytics公司透露出V8的发布消息，美团也坐不住了，YOLO社区一直情绪高涨！随着中
智能计算之蚁群算法(ACO)介绍
1. 简介2. 基本思想3. 研究进展4. 基本流程（1）路径构建（2）信息素更新5. 应用举例6. 改进版6.1 精华蚂蚁系统6.2 基于排列的蚂蚁系6.3 最大最小蚂蚁系6.4 蚁群系统7. 参数设置编辑8. 练习题...
深度学习系列25：注意力机制
1. 从embedding到Encoder-Decoder1.1 Embedding首先需要用到embedding，把K维的0-1特征向量用k维的浮点数特征向量表示。直观代码如下：from keras.models import Sequentialfrom keras.layers import
torch.nn.functional.interpolate()函数详解
通常可以使用pytorch中的torch.nn.functional.interpolate()实现插值和上采样。上采样，在深度学习框架中，可以简单理解为任何可以让你的图像变成更高分辨率的技术。input(Tensor):输入张量size(intor Tuple[int] or Tuple[int,
Stable Diffusion原理详解
本文向大家介绍了图像生成领域最前沿的Stable Diffusion模型。本质上Stable Diffusion属于潜在扩散模型(Latent Diffusion Model)。潜在扩散模型在生成细节丰富的不同背景的高分辨率图像方面非常稳健，同时还保留了图像的语义结构。 因此，潜在扩散模型是图像生成
【TensorFlow2.0】(1) tensor数据类型，类型转换
各位同学好，今天和大家分享一下TensorFlow2.0中的tensor数据类型，以及各种类型之间的相互转换方法。1. tf.tensor 基础操作scaler标量：1.2vector向量：[1.2]、[1.1,2.2,3.3] 注意：此处的[1.2]是一维的，而1.2是0维的matrix矩阵：
【深度学习】--图像处理中的注意力机制
注意力机制是一个非常有效的trick，注意力机制的实现方式有许多。可以在知网上搜索一下yolov下的目标监测的硕士论文，没有一篇没有提到注意力机制的迭代修改的，所以很有必要学一下,最后给出了一个例子。输入还是等于输出，可是却是已经获取和注意力的特征．正是因为这个特点，所以注意力机制可以任意插拔。 *
超实用的7种 pytorch 网络可视化方法，进来收藏一波
引导前言1. torchsummary2. graphviz + torchviz3. Jupyter Notebook + tensorwatch4. tensorboardX5. netron6. hiddenlayer7. PlotNeuralNet结语前言网络可视化的目的一般是检查网络结构的
毕业设计-基于深度学习火灾烟雾检测识别系统-yolo
毕业设计-基于深度学习火灾烟雾检测识别系统-yolo
数据拟合（excel）
目的使用excel进行数据拟合，拟合出一定的公式，分析数据的趋势，最后通过拟定好的公式，写进代码里面的数值变量，来达到目标传感器与自己传感器采集出来数据的一致性
YOLOv8项目推理从CPU到GPU
YOLOv8项目推理从CPU到GPU；YOLOv8；从CPU到GPU。
【Novel AI】基于Koishi的QQ群配置AI绘图机器人方法
【Novel AI】基于Koishi的QQ群配置AI绘图机器人方法
最详细的YOLO-V5模型配置文件yaml结构理解
YOLO-V5模型配置文件yaml结构详解
10种基于MATLAB的方程组求解方法
直接发和迭代法，都有一定的适用范围，对应复杂的方程组，往往没法收敛，启发式算法，比如粒子群，可以自适应的对方程组的解进行求解，对复杂的方程组的求解精度一般更高，代码通用性更强，PSO是由Kennedy和Eberhart共同提出，最初用于模拟社会行为，作为鸟群或鱼群中有机体运动的形式化表示。
Huggingface微调BART的代码示例：WMT16数据集训练新的标记进行翻译
BART模型是用来预训练seq-to-seq模型的降噪自动编码器（autoencoder）。它是一个序列到序列的模型，具有对损坏文本的双向编码器和一个从左到右的自回归解码器，所以它可以完美的执行翻译任务。
DDPG强化学习的PyTorch代码实现和逐步讲解
深度确定性策略梯度(Deep Deterministic Policy Gradient, DDPG)是受Deep Q-Network启发的无模型、非策略深度强化算法，是基于使用策略梯度的Actor-Critic，本文将使用pytorch对其进行完整的实现和讲解
什么？ 你还没用过 Cursor？ 智能 AI 代码生成工具 Cursor 安装和使用介绍
本文只是一个使用 Cursor 的简单示例，帮助大家如何安装和使用。大家可以根据自己的业务，让它帮你写一些基础的代码，利用好 Cursor 可以大大提高工作效率。如果生成的代码不太符合要求，可以优化自己的表达，交代更清楚一些；也可以尝试重新生成；还可以通过对话让它不断优化调整以便符合你的要求。人工智
Google Earth Engine（GEE）农作物种植结构提取
前段时间因为考研的原因一直没能更新，已经完成了农作物种植结构的提取，现在给大家分享一下。主要也是结合前面写过的Google Earth Engine（GEE）使用土地利用数据（modis）上采样Landsat数据提取农田范围，将以上结果作为研究的基础，结合物候特征，光谱特征，地形特征，选择随机森林算
pytorch2.0安装与体验
pytorch2.0 相对1.x进行了大版本更新，向下兼容！！！！通过官网阅读可知他最大的更新是torch.compile()，通过编译的方式，用一行代码实现模型的稳定加速。这个语句返回一个原来模型的引用，但是将forward函数编译成了一个更优化的版本。PyTorch 2.0 中支撑 torch.
