LSTM 又回来了！ 新论文使用LSTM挑战长序列建模的 ViT
Sequencer 通过将空间信息与节省内存和节省参数的 LSTM 混合来降低内存成本，并在长序列建模上实现与 ViT 竞争的性能。
【C++】高斯金字塔和拉普拉斯金字塔原理和实现
【C++】高斯金字塔和拉普拉斯金字塔原理和实现图像中各个像素与其相邻像素之间的有很强的相关性，包含的信息也十分丰富，目标的尺寸有大有小，对比度有强有弱，此时就需要一个“显微镜”或者“望远镜”-----多尺度图像技术。它可以在不同分辨率下观察目标的特征进而进行处理。多尺度图像技术也叫做多分辨率技术（M
ubuntu搭建深度学习的docker环境
安装支持CUDA的Docker工具1.安装Docker# 安装系统工具$ sudo apt-get update$ sudo apt-get -y install apt-transport-https ca-certificates curl software-properties-common#
机器学习决策树作业
机器学习决策树作业作业1：用独热编码表达天气数据集，并画出决策树。作业2：对于以下数据集，实际值和预测值：data = {‘y_Actual’: [‘Yes’, ‘No’, ‘No’, ‘Yes’, ‘No’, ##‘Yes’, ‘No’, ‘No’, ‘Yes’, ‘No’, ‘Yes’
R语言使用tidyr包的pivot_longer函数将dataframe数据从宽表变换为长表
R语言使用tidyr包的pivot_longer函数将dataframe数据从宽表变换为长表
Pytorch学习笔记（六）——Sequential类、参数管理与GPU
目录一、torch.nn.Sequential一、torch.nn.SequentialSequential 本质是一个模块（即 Module），根据Pytorch中的约定，模块中可以继续添加模块。这意味着我们可以在 Sequential 中添加其它的模块（当然也可以添加其他的 Sequential
R语言使用dplyr包的select函数和filter函数进行行数据筛选（row selection）
R语言使用dplyr包的select函数和filter函数进行行数据筛选（row selection）
【机器人开发】一文解析ROS的launch启动文件
CSDN话题挑战赛第1期活动详情地址：https://marketing.csdn.net/p/bb5081d88a77db8d6ef45bb7b6ef3d7f参赛话题：自动驾驶技术学习记录话题描述：自动驾驶是当前最火热的技术之一，吸引了无数的开发者与学习者融入其中。然而，自动驾驶技术是系统硬件平台
警惕AI复制，几张图片就能实现视频伪造
CSDN话题挑战赛第1期活动详情地址：https://marketing.csdn.net/p/bb5081d88a77db8d6ef45bb7b6ef3d7f参赛话题：哪项人工智能技术使你感受到了神奇？话题描述：在你漫长炼丹之旅，哪一项人工智能技术最让你印象深刻？前言前端时间悬疑剧《猎罪图鉴》热播
GAN能进行股票预测吗？
在过去的研究中，出现了而很多的方式，但这些方式和方法并不是很成功，所以本文将这个领域的研究扩展到GANs。看看GANs这个领域是否能够进行预测。
使用 flask_whooshalchemyplus jieba实现flask的全局搜索
使用 flask_whooshalchemyplus jieba实现flask的全局搜索
pyqt5+AI健身+CPU实时检测+mediapipe 可视化界面opencv实现人体关键点检测，AI健身计数等功能
一、图片检测：注：中间数字为角度。采用的是12，14，16，可自由更改。二、视频检测 （cpu运行）：注：左上角为fps，左下角为次数统计。三、配置环境1.安装mediapipe2.安装pyqt53.安装opencv...
通俗解读人脸检测框架-RetinaFace
2019年何凯明提出Focal Loss时为了验证Focal Loss的可行性，顺便（没错，就是顺便）提出了RetinaNet。RetinaFace是在RetinaNet基础上引申出来的人脸检测框架，所以大致结构和RetinaNet非常像。
Pytorch安装，这一篇就够了，绝不踩坑
在pytorch安装时踩到了不少坑，看了好多博客，最后整合了一份不会踩坑的安装教程，主要是参考各个博主的内容，从零开始安装pytorch，分享给大家！因为这篇文章是整合各个链接，所以我自己可能写的比较简略，只是为大家提供一个流程，解释的不明白的就点进各位大佬的博客详细看就可以了。最重要的是：这些链接
深度学习之梯度下降与优化
参考简单认识Adam优化器 - 知乎三种梯度下降算法的比较和几种优化算法 - 知乎pytorch学习系列（4）：常用优化算法_ch ur h的博客-CSDN博客一、问题的提出大多数机器学习或者深度学习算法都涉及某种形式的优化。 优化指的是改变 以最小化或最大化某个函数 的任务。 我们通常以最小化
【机器视觉 + HALCON】 - 卡尺1D测量原理
相比于计算机视觉领域使用深度学习方法而言，传统视觉方法虽然学习与编码成本很高，但是相较之下更为靠谱，每个操作都是可解释，可复现的。对于一些精度要求较高，训练样本很少且检测场景比较模板化的任务，使用传统视觉方法是非常有效的本文简单介绍一下HALCON中1D卡尺测量原理，该部分也是传统视觉方法中最基础也
YOLOv5解析 | 第一篇：快速部署YOLOv5模型
大家好，我是『K同学啊』！拖了好久，终于要开始目标检测系列了。自己想过好几次，想尽快出几期目标检测算法的博客教程，但是一直苦于不知道如何写，才能让大家轻松、快速、高效的入门目标检测算法。这段时间终于有个一个比较靠谱的思路。我是这样计划的：首先，带大家先将算法跑起来，不然都不知道在干嘛，纯理论的东西看
Residual, BottleNeck, Inverted Residual, MBConv的解释和Pytorch实现
上篇ConvNext的文章有小伙伴问BottleNeck，Inverted Residual的区别，所以找了这篇文章，详细的解释一些用到的卷积块，当作趁热打铁吧
使用PyTorch复现ConvNext：从Resnet到ConvNext的完整步骤详解
ConvNext论文提出了一种新的基于卷积的架构，不仅超越了基于 Transformer 的模型（如 Swin），而且可以随着数据量的增加而扩展！今天我们使用Pytorch来对其进行复现。
《机器学习实战：基于Scikit-Learn、Keras和TensorFlow第2版》-学习笔记（8）：降维
· Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition, by Aurélien Géron (O’Reilly). Copyright 2019 Aurélien Géron, 978-1-
