深度学习
-
SE注意力机制
SENet-通道注意力笔记 简介 意义 目的: 主要操作 算法流程图 过程 第一步、 第二步、 第三步、 第四步、 SE模块的结构图 实现代码 最后 简介 SENet是2017年I…
-
深度学习与人工智能:如何实现智能家居与智能城市
1.背景介绍 智能家居和智能城市是人工智能技术在现实生活中的两个重要应用领域。智能家居通过将传感器、摄像头、微控制器等设备与互联网连接,实现家居设施的智能化控制,提高家居生活的便利…
-
AIGC for code(text-to-codeAIGC/AI生成代码/生成式AI之代码生成/AI编程工具/自动编程/自动生成代码/智能编程工具/智能编程系统)
AIGC,Artificial Intelligence Generated Content,人工智能生成内容 AIGC for code,AI生成代码 1 Github Copi…
-
使用Kaggle训练模型的记录
由于自己手头没有GPU资源,所以只能靠免费的GPU勉强做实验。之前使用的是Google Colab,但是用多用久了以后,就特别容易断,断开以后,基本上就寄了。所以又转向了Kaggl…
-
【全网最详细】使用PyTorch实现循环神经网络
目录 1. 什么是循环神经网络 2. PyTorch中的循环神经网络 3. 创建循环神经网络模型 小结 4.训练循环神经网络模型 5.评估循环神经网络模型 欢迎来到这篇使用PyTo…
-
YOLOv7进阶 | 手把手教你如何去训练明火烟雾算法模型
前言:Hello大家好,我是小哥谈。数据标注完成之后,本节课就带领大家如何基于YOLOv7来训练自己的目标检测模型,此次作者就以明火烟雾检测为例子进行说明,让大家可以轻松了解整个模…
-
视觉大模型调研(Survey of Visual Foundation Model)
目录 A.写在前面 B.论文支撑与基础理论 1.大模型基本概念的诞生 2.大模型产业化落地的理论支撑 3.视觉模型架构的形成-Transformer到ViT再到MAE C.产业落地…
-
yolov7.yaml文件详解
1、parameters (1)nc代表目标检测所检测的种类 (2)depth_multiple:控制通道的深度的系数,表示channel的缩放系数,就是将配置里面的backbo…
-
nnUNet原创团队全新力作!MedNeXt:医学图像分割新SOTA
Title:MedNeXt: Transformer-driven Scaling of ConvNets for Medical Image Segmentation MedNe…
-
Transformer算法解读(self-Attention/位置编码/多头注意力/掩码机制/QKV/Transformer堆叠/encoder/decoder)
本文主要从工程应用角度解读Transformer,如果需要从学术或者更加具体的了解Transformer,请参考这篇文章。 目录 1 自然语言处理 1.1 RNN 1.2 Tran…
-
毕业设计选题-基于深度学习的路面积水识别系统 人工智能 YOLO 计算机视觉
目录 前言 课题背景和意义 实现技术思路 一、 算法理论基础 1.1 卷积神经网络 1.2 Inception V3神经网络结构 二、 数据集 2.1 数据集 2.2 数据扩充 …
-
《动手学深度学习(PyTorch版)》笔记4.8
注:书中对代码的讲解并不详细,本文对很多细节做了详细注释。另外,书上的源代码是在Jupyter Notebook上运行的,较为分散,本文将代码集中起来,并加以完善,全部用vscod…
-
《动手学深度学习(PyTorch版)》笔记6.2
注:书中对代码的讲解并不详细,本文对很多细节做了详细注释。另外,书上的源代码是在Jupyter Notebook上运行的,较为分散,本文将代码集中起来,并加以完善,全部用vscod…
-
2022.07.25 C++下使用opencv部署yolov7模型(五)
0.写在最前 此篇文字针对yolov7-1.0版本。 最近粗略的看了一遍yolov7的论文,关于yolov7和其他yolo系列的对比,咱就不多说了,大佬们的文章很多很详细。关于op…
-
【PyTorch】torch.cat() 和 torch.concat() 的区别
两者没区别 根据 PyTorch 官方文档:https://pytorch.org/docs/stable/generated/torch.concat.html torch.co…
