优秀论文或文章阅读记录（如深入浅出这种）-20201111

最新推荐文章于 2025-05-01 18:38:57 发布
原创 最新推荐文章于 2025-05-01 18:38:57 发布 · 175 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文从Wasserstein距离出发，深入浅出地解析了WGAN及其改进版WGAN-GP背后的数学原理与技术细节，并探讨了生成对抗网络（GAN）训练过程中的挑战与解决方案。此外，还介绍了深度学习中Lipschitz约束的重要性以及反卷积操作可能导致的棋盘效应等问题。

作者按：优秀论文或文章阅读应尽量一次读懂，不要寄希望于后面，不要欺骗自己！

20201111：

这是阅读wGAN-GP相关时阅读的科普文，解决了一直遗留的疑惑，感谢原作者！

  1. 互怼的艺术：从零直达WGAN-GP
  2. 从Wasserstein距离、对偶理论到WGAN
  3. 深度学习中的Lipschitz约束：泛化与生成模型

20201112：

  1. “苏剑林 PaperWeekly”为关键字在搜狗微信中进行搜索，继续阅读大佬的杰作。

20201118

  1. 从动力学角度看优化算法（五）：为什么学习率不宜过小？（有五就表示有一二三四……）
  2. 能量视角下的GAN模型（一）：GAN＝“挖坑”＋“跳坑”

20201215

  1. Deconvolution and Checkerboard Artifacts原文
  2. Deconvolution and Checkerboard Artifacts简书翻译
《深入浅出AI》前言知识：深度学习基础总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
09-13 2798
本文详细介绍了深度学习的基础知识、主要概念和术语、以及经典的深度学习算法。深度学习是机器学习的一个分支，侧重于构建和训练神经网络以自动提取特征。文章探讨了深度学习的优缺点，比较了机器学习与深度学习的区别，并讨论了如卷积神经网络（CNN）、循环神经网络（RNN）、生成对抗网络（GANs）和深度强化学习（RL）等深度学习模型。此外，文中还介绍了如何使用深度学习进行手写数字识别任务，包括数据准备、网络配置、模型训练、评估和预测的步骤，并通过实例展示了整个流程。最后，分享自己精心制作的深度学习思维导图。
《深入浅出OCR》第一章：OCR技术导论
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
09-19 3948
本篇为《深入浅出OCR》第一章：OCR技术导论主要介绍OCR的概念、分类、应用场景、技术流程、数据集等基础知识进行介绍，方便小白或AI爱好者快速了解OCR方向知识，每章文末将有免费福利送上！下一章将对OCR技术展开进一步详细介绍，欢迎大家关注！
公众号上收藏的优秀文章阅读
weixin_45418025的博客
12-31 420
1，https协议原理和中间人攻击 文章链接
深入浅出-数据库的原理
世界在变，而我心不变。
06-29 5486
原址：点击打开链接 如果有人问你数据库的原理，叫他看这篇文章 英文出处：Christophe Kalenzaga。 一提到关系型数据库，我禁不住想：有些东西被忽视了。关系型数据库无处不在，而且种类繁多，从小巧实用的 SQLite 到强大的 Teradata 。但很少有文章讲解数据库是如何工作的。你可以自己谷歌/百度一下『关系型数据库原理』，看看结果
深入浅出AI落地应用分析：AI个人助手Monica
女王の专属领地
01-31 4070
产品链接官方介绍： Monica是一个使用最先进的AI模型（GPT-4、Claude、Bard 等）帮助你对话、搜索、写作、翻译的一站式AI助手，并且提供多种图片、视频、PDF处理的工具。Monica是一款基于Google浏览器的Chrome扩展插件，主打AI assistant，它通过增强Chatgpt模型，提高您的工作效率，让您第一时间体验最核心、最前沿的AI技术。只需在任意网页上按下Cmd+M或Ctrl+M，即可与Chatgpt聊天。📌 产品定位现在。
【论文阅读】Visualizing and Understanding Convolutional Networks
qq_34222839的博客
04-15 1306
自之后，卷积神经网络越来越受到人们的关注并且取得了相当不错的成绩。ZFNet作者认为原因有三：1）带有标记的训练集越来越多，数据量越来越大；2）GPU性能的提升，使得训练大型神经网络成为可能；3）更好的正则化方法，例如。被称为ZFNet的原因在于两位作者的名字：Zeiler、Fergus。尽管卷积神经网络取得了如此令人振奋的进展，但对于这些复杂模型内部的操作和行为，以及它们是如何取得如此好的性能，仍然缺乏深入的了解。
《深入浅出OCR》前言知识（二）：深度学习最新全面总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
08-29 5524
本作者推出全新系列《深入浅出OCR》专栏，对标最全OCR教程。将分别从OCR技术发展、方向、概念、算法、论文、数据集等各种角度展开详细介绍。本篇为该专栏的前言知识，主要介绍深度学习知识，全面总结知知识点，方便小白或AI爱好者学习基础知识。
深入浅出大模型量化（一）：LLM.int8()与GPTQ原理解析
qq_54445177的博客
05-01 1454
深入浅出大模型量化（一）：LLM.int8()与GPTQ原理解析
博士如何出牛文章？浅谈SCI论文发表全攻略
梦Dancing的博客
08-06 1422
博士如何出牛文章？浅谈SCI论文发表全攻略 转载自：微信公众号"考博"   一先想先写最后做 1.做研究之前，必须想清楚：结果能不能发表？论文发表在哪里？ 2.先把文章大框写好，空出数据，等做完实验填完空就可以发了；正所谓心中有沟壑！ 3.在未搞清“写什么、发哪里、自己研究与同类研究有何出色之处”之前，就不要动手做！ 4.继续去看文献，去想；想不清
图像梯度差(image gradient difference loss)函数与hinge损失函数， SSIM损失-210219
csdnxiekai的博客
02-19 5268
1.图像梯度差loss(image gradient difference loss)函数 阅读文献看到梯度差损失函数，在github上搜索，可以查到相关代码，做此记录： def loss_gradient_difference(real_image,generated): # b x c x h x w true_x_shifted_right = real_image[:,:,1:,:]# 32 x 3 x 255 x 256 true_x_shifted_left = real_ima
conda search --full --name tensorflow查询可用版本
csdnxiekai的博客
04-13 2982
conda使用，第三点比较有价值！ ​ 2.3.1 检测Anaconda环境是否安装成功（查看Anaconda版本号）：conda --version ​ 2.3.2 检测目前安装了哪些环境变量：conda info --envs ​ 2.3.3 查看当前有哪些可以使用的tensorflow版本：conda search --full --name tensorflow ...
PIL.Image改写scipy.misc.imsave
csdnxiekai的博客
04-13 444
在一些稍早点的代码中可以看到scipy.misc.imsave，但已经不能用了，所以用PIL的Image改写，这里参考了原始的imsave代码，特做此记录。 #scipy.misc.imsave(path, image) cmin, cmax, high, low = -1, 1, 255, 0 image = (image * 1.0 - cmin) * (high - low) / (cmax...
210413-tensorflow中slim配合tensorboard了解模型结构
csdnxiekai的博客
04-13 316
tensorflow中slim配合tensorboard了解模型结构 Is there an easy way to get something like Keras model.summary in Tensorflow? import numpy as np from tensorflow.python.layers import base import tensorflow as tf i...
200311-YOLOv3学习记录
csdnxiekai的博客
03-13 200
最近学习 52 个深度学习目标检测模型汇总，论文、源码一应俱全！中YOLO v3，补充基础知识，比较几种框架实现发现差异。 先是https://github.com/eriklindernoren/PyTorch-YOLOv3 中间出现一些报错，做次记录。 (1)数据下载 在.sh文件中给出了文件下载地址，有12G和6G的，科室限速200k/s，用家里20M宽带下载。先使用IDM软件下载，只有50...
【顶级EI复现】【最新EI复现】基于共享储能服务的智能楼宇双层优化配置（Matlab代码实现）
11-25
【顶级EI复现】【最新EI复现】基于共享储能服务的智能楼宇双层优化配置（Matlab代码实现）
好大夫在线-问诊数据-医生ID：1010632293
最新发布
11-25
医生ID：1010632293的 2023-10-30 至 2025-11-21 的问诊列表数据
基于Python与OpenCV的实时人眼检测与眨眼状态识别系统实现
11-25
本指南详细阐述基于Python编程语言结合OpenCV计算机视觉库构建实时眼部状态分析系统的技术流程。该系统能够准确识别眼部区域，并对眨眼动作与持续闭眼状态进行判别。OpenCV作为功能强大的图像处理工具库，配合Python简洁的语法特性与丰富的第三方模块支持，为开发此类视觉应用提供了理想环境。 在环境配置阶段，除基础Python运行环境外，还需安装OpenCV核心模块与dlib机器学习库。dlib库内置的HOG（方向梯度直方图）特征检测算法在面部特征定位方面表现卓越。 技术实现包含以下关键环节： - 面部区域检测：采用预训练的Haar级联分类器或HOG特征检测器完成初始人脸定位，为后续眼部分析建立基础坐标系 - 眼部精确定位：基于已识别的人脸区域，运用dlib提供的面部特征点预测模型准确标定双眼位置坐标 - 眼睑轮廓分析：通过OpenCV的轮廓提取算法精确勾勒眼睑边缘形态，为状态判别提供几何特征依据 - 眨眼动作识别：通过连续帧序列分析眼睑开合度变化，建立动态阈值模型判断瞬时闭合动作 - 持续闭眼检测：设定更严格的状态持续时间与闭合程度双重标准，准确识别长时间闭眼行为 - 实时处理架构：构建视频流处理管线，通过帧捕获、特征分析、状态判断的循环流程实现实时监控 完整的技术文档应包含模块化代码实现、依赖库安装指引、参数调优指南及常见问题解决方案。示例代码需具备完整的错误处理机制与性能优化建议，涵盖图像预处理、光照补偿等实际应用中的关键技术点。 掌握该技术体系不仅有助于深入理解计算机视觉原理，更为疲劳驾驶预警、医疗监护等实际应用场景提供了可靠的技术基础。后续优化方向可包括多模态特征融合、深度学习模型集成等进阶研究领域。 资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！
51单片机c源码-闪烁灯二
11-25
51单片机c源码-闪烁灯二
深入浅出Transformer-Unet：结合变压器编码器的Unet架构
在深入分析文件之前，我们需要先了解几个关键概念，包括“Transformer”、“Unet”以及它们如何与Python编程语言结合。Transformer是一种深度学习模型，最初由Vaswani等人在2017年的论文中提出，主要用于处理序列...
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值