从零实现ViG(Vision GNN):基于图神经网络的金字塔结构代码解析

[图神经网络]ViG(Vision GNN)网络代码实现 ViG的代码解析 阅读详情

1. 从“像素网格”到“视觉图”:为什么我们需要ViG?

如果你玩过图像分类或者目标检测,肯定对CNN(卷积神经网络)不陌生。CNN把图像看作一个规整的网格,用一个个小窗口(卷积核)在上面滑动来提取特征。这个方法非常成功,统治了计算机视觉好多年。但不知道你有没有想过,图像里的信息,真的只是“邻居像素”那么简单吗?

举个例子,一张猫的图片。猫的耳朵尖和尾巴尖,在像素网格上可能隔得很远,但它们都属于“猫”这个整体对象,在语义上是强相关的。传统的CNN要经过很多层卷积,感受野慢慢扩大,才能把这种长距离关系联系起来,效率上有点“绕远路”。而Transformer(比如ViT)用自注意力机制,能直接计算图像所有小块(patch)之间的关系,但它把图像当成一维序列,完全抛弃了图像固有的二维空间结构,计算量也很大。

这时候,图神经网络(GNN) 的思路就很有意思了。它用一种更灵活的方式来建模数据:把每个像素(或者图像块)看作图里的一个“节点”(Node),把像素之间的关系看作“边”(Edge)。这样,我们不仅能建模局部邻居关系(像CNN那样),还能通过图的连接,直接建立任意两个节点之间的关联(像Transformer那样),同时还能保持对空间结构的感知。

Vision GNN(ViG) 就是这个思想下的一个具体实现。它用图神经网络来处理视觉任务,核心是设计了一个叫 Grapher 的模块来构建和更新图像图,再配合一个标准的 FFN(前馈网络) 模块。为了像ResNet那样提取多尺度特征,ViG通常采用金字塔结构,也就是我们今天要重点解析的Pyramid ViG。

所以,这篇文章就是带你从零开始,把Pyramid ViG-B这个网络“搭”出来。我会假设你有一些深度学习基础,用过PyTorch,但对GNN可能不太熟。没关系,我会把其中每一步的“为什么”和“怎么做”都掰开揉碎讲清楚。我们的目标不只是跑通代码,更是要理解这种“将图像视为图”的思维方式,到底是怎么在代码里落地的。

2. 搭建环境与理解整体骨架

在动手写代码之前,先把环境准备好。ViG的官方实现用的是PyTorch,我们完全跟着来。

# 基础环境,建议使用Python 3.8+
pip install torch torchvision
# 官方代码库还用了numpy,确保安装
pip install numpy

你可以直接克隆华为诺亚方舟实验室的官方仓库,里面包含了ViG的代码。但我们今天的目标是“从零实现”,所以我会以这个官方实现为蓝本,带你一步步构建核心模块,并解释每一行代码的意图。

git clone https://github.com/huawei-noah/Efficient-AI-Backbones.git

不过,我们先不急着看代码。让我们像建筑师一样,先看看ViG金字塔结构的“设计蓝图”。Pyramid ViG-B的总体结构和ResNet非常像,分为4个阶段(Stage),每个阶段包含若干个ViG Block,并且阶段之间会进行下采样,让特征图尺寸变小,通道数变多,从而构建出多尺度的金字塔特征。

一个ViG Block由两个核心部分组成:

  1. Grapher模块:负责将输入的特征图构建成图,并进行图卷积操作,捕获节点间的依赖关系。
  2. FFN模块:一个简单的两层MLP,对每个节点(即特征图上的每个位置)进行独立的特征变换,提供非线性能力。

这两个模块都使用了残差连接,这是保证深层网络能够有效训练的关键。整个网络的流程可以概括为:输入图片 -> Stem(切分Patch并投影)-> 位置编码 -> 堆叠的(Grapher + FFN)Block -> 分类头。

官方实现里,网络的定义入口在 pyramid.py 的 pvig_b_224_gelu 函数。我们先来看看这个配置类,它相当于我们的“施工图纸”。

class OptInit:
    def __init__(self, num_classes=1000, drop_path_rate=0.0, **kwargs):
        self.k = 9  # 邻居节点数,默认为9
        self.conv = 'mr'  # 图卷积层类型,可选 {edge, mr}
        self.act = 'gelu'  # 激活函数
        self.norm = 'batch'  # 归一化方式
        self.bias = True  # 卷积层是否使用偏置
        self.dropout = 0.0  # dropout率
        self.use_dilation = True  # 是否使用扩张KNN
        self.epsilon = 0.2  # 随机采样率
        self.use_stochastic = False  # 是否使用随机性
        self.drop_path = drop_path_rate  # 随机深度衰减率
        self.blocks = [2, 2, 18, 2]  # 各Stage的Block个数 [2,2,18,2]
        self.channels = [128, 256, 512, 1024]  # 各Stage的输出通道数
        self.n_classes = num_classes  # 分类类别数
        self.emb_dims = 1024  # 最终嵌入维度

这些参数非常重要,它们控制着网络的行为。比如 k=9 意味着在构建图时,每个节点会寻找最近的9个邻居来连边。blocks=[2,2,18,2] 和 channels=[128,256,512,1024] 则完全定义了金字塔的形态:第一个阶段输出128通道,堆叠2个Block;第二个阶段256通道,2个Block;第三个阶段512通道,堆叠了18个Block,是网络的深度核心;第四个阶段1024通道,2个Block。这个设计和ResNet-50的瓶颈块分布有异曲同工之妙。

3. 核心模块一:Grapher——将图像变成图并进行卷积

这是ViG最核心、也最有趣的部分。Grapher模块的任务是把一个标准的二维特征图(B, C, H, W)转换到图的世界里操作,然后再转换回来。

3.1 Grapher的前向传播流程

我们先看它的 forward 函数,了解它到底干了啥:

def forward(self, x):
    _tmp = x  # 保留输入,用于残差连接
    x = self.fc1(x)  # 第一步:1x1卷积进行特征变换
    B, C, H, W = x.shape
    # 第二步:根据当前特征图尺寸调整相对位置编码
    relative_pos = self._get_relative_pos(self.relative_pos, H, W)
    # 第三步:核心!进行图卷积操作
    x = self.graph_conv(x, relative_pos)
    # 第四步:另一个1x1卷积,将通道数变换回来
    x = self.fc2(x)
    # 第五步:DropPath + 残差连接
    x = self.drop_path(x) + _tmp
    return x

流程非常清晰。fc1 和 fc2 就是普通的1x1卷积加BatchNorm,它们的作用是在进入图卷积前和出来后做一次通道维度的特征整合与恢复,这和Transformer里的做法很像。重点在于中间的 graph_conv。

3.2 动态图卷积(DyGraphConv2d)

graph_conv 是一个 DyGraphConv2d 类的实例。它的“动态”体现在哪里?体现在每次前向传播时,都会根据当前输入的特征,动态地计算节点之间的邻接关系(边)。这和传统的、拥有固定邻接矩阵的GNN完全不同,更适应图像内容的变化。

我们深入它的 forward 函数:

def forward(self, x, relative_pos=None):
    B, C, H, W = x.shape
    y = None
    # 如果下采样率 r > 1,则对特征图进行平均池化,得到一个“锚点”集合y
    if self.r > 1:
        y = F.avg_pool2d(x, self.r, self.r)
        y = y.reshape(B, C, -1, 1)
    x = x.reshape(B, C, -1, 1)  # 将特征图拉平为节点集合: (B, C, N, 1), N=H*W
    # 关键步骤:根据x和y,动态构建K最近邻(KNN)图
    edge_index = self.dilated_knn_graph(x, y, relative_pos)
    # 在构建好的图上进行图卷积操作
    x = super(DyGraphConv2d, self).forward(x, edge_index, y)
    # 将图信号结果重新变形成特征图
    return x.reshape(B, -1, H, W).contiguous()

这里有几个关键点:

  1. 锚点(Anchor)y:为了降低构建全图的计算复杂度,ViG引入了一个技巧。它不直接计算所有N个节点(N=HxW)两两之间的关系,而是先将特征图用 avg_pool2d 下采样,得到 N/(r*r) 个“锚点”。然后,每个节点只去和这些锚点计算相似度、寻找邻居。这大大减少了计算量,是ViG能够处理高分辨率图像的关键。
  2. 重塑(Reshape):x.reshape(B, C, -1, 1) 这一步至关重要。它把 (B, C, H, W) 的“图像视图”,转换成了 (B, C, N, 1) 的“节点列表视图”。这里的 N 个节点,每个节点是一个 C 维的特征向量。图卷积将在这个视图上进行。
  3. dilated_knn_graph:这个函数负责实际的建图工作。它计算节点特征之间的欧氏距离(或余弦相似度),然后为每个节点找出距离最近的 k 个邻居(来自锚点集合 y)。dilated 指的是它可能使用“空洞”策略,即不是在所有锚点中找,而是在一个采样后的子集中找,进一步加速。最终,它返回一个 edge_index,这是一个形状为 (2, E) 的张量,其中 E 是边的总数(大约为 B * N * k),它用 (src_node, dst_node) 的格式列出了图中所有的边。

3.3 图卷积的具体实现

DyGraphConv2d 继承自一个基础的 GraphConv2d。在得到 edge_index 后,真正的图卷积操作就发生了。官方实现中提供了两种图卷积:edge 和 mr(默认为 mr,即 max-relative)。

以 mr 为例,它的操作可以通俗地理解为“消息传递”:

  1. 对于每个节点,收集来自其所有邻居节点的特征。
  2. 对收集来的邻居特征,计算一个聚合值(比如取最大值)。
  3. 将这个聚合后的“邻居信息”与节点自身的特征进行拼接(或相加等操作)。
  4. 通过一个可学习的权重矩阵(在这里通过1x1卷积实现)来融合自身信息和邻居信息。

这个过程在代码里被高效地向量化实现了。最终,每个节点的特征都更新为融合了局部邻域信息的新的特征。因为我们的“节点”其实就是图像上的位置点,所以这个操作等价于一种内容自适应的、非局部的卷积。

3.4 相对位置编码

你注意到 forward 里有个 relative_pos 参数吗?在视觉任务中,纯粹基于特征相似度建图可能会丢失绝对位置信息(比如天空通常在顶部,草地通常在底部)。ViG借鉴了Transformer和Swin Transformer的思想,引入了相对位置偏置。

在Grapher初始化时,会调用 get_2d_relative_pos_embed 函数,生成一个可学习的(或固定的)位置偏置表。在计算两个节点相似度时,除了看特征距离,还会加上一个与它们相对位置(Δx, Δy)相关的偏置值。这样,模型在判断两个节点是否应该相连时,会同时考虑“你们长得像不像”和“你们离得近不近”,这更符合图像的先验知识。

_get_relative_pos 函数则是一个细节处理:因为网络有下采样,特征图尺寸会变化,所以需要将初始化时基于某个尺寸计算的位置编码,通过双线性插值调整到当前特征图的尺寸。

4. 核心模块二:FFN与随机深度

Grapher模块完成了空间信息的交互,FFN模块则负责对每个节点的特征进行更深层的非线性变换。它的结构非常经典,和Transformer中的FFN一模一样:

class FFN(nn.Module):
    def __init__(self, in_features, hidden_features=None, out_features=None, act='relu', drop_path=0.0):
        super().__init__()
        out_features = out_features or in_features
        hidden_features = hidden_features or in_features * 4  # 默认中间层扩大4倍
        self.fc1 = nn.Sequential(
            nn.Conv2d(in_features, hidden_features, 1, stride=1, padding=0),
            nn.BatchNorm2d(hidden_features),
        )
        self.act = act_layer(act)  # 如GELU
        self.fc2 = nn.Sequential(
            nn.Conv2d(hidden_features, out_features, 1, stride=1, padding=0),
            nn.BatchNorm2d(out_features),
        )
        self.drop_path = DropPath(drop_path) if drop_path > 0. else nn.Identity()

    def forward(self, x):
        shortcut = x
        x = self.fc1(x)
        x = self.act(x)
        x = self.fc2(x)
        x = self.drop_path(x) + shortcut
        return x

注意,这里的所有操作(1x1卷积)都是逐点(point-wise)的,即在 (H, W) 维度上独立进行,不混合空间信息。它的作用类似于一个大型的特征处理器,为每个位置的特征增加表达能力。

另一个贯穿始终的重要技术是 DropPath(也叫Stochastic Depth)。在训练时,它以一定的概率 drop_path 将整个Block(或模块)的输出“丢弃”,直接跳过去,只保留残差连接。这相当于在每次训练时,网络都是在训练一个随机的、更浅的子网络,这是一种非常有效的正则化方法,能显著减轻深层网络的过拟合,并起到模型集成的效果。在ViG中,每个Grapher和FFN都有自己的 drop_path 率,并且这个率会随着网络深度增加而线性增加(深层的Block更容易被“丢弃”),这符合直觉。

5. 组装金字塔:DeepGCN与下采样

现在我们有了Grapher和FFN这两个“砖块”,接下来就是用它们搭建金字塔的“墙体”——各个Stage。这个工作主要在 DeepGCN 类的 __init__ 方法中完成。

# 在DeepGCN的__init__方法中
self.backbone = nn.ModuleList([])
idx = 0  # 用于追踪全局的Block索引
for i in range(len(blocks)): # 遍历4个Stage
    if i > 0:
        # 阶段之间插入下采样模块
        self.backbone.append(Downsample(channels[i-1], channels[i]))
        HW = HW // 4  # 更新特征图尺寸(假设下采样步长为2)
    for j in range(blocks[i]): # 堆叠当前Stage的Blocks
        self.backbone += [
            Seq(
                Grapher(channels[i], num_knn[idx], ...), # 图卷积模块
                FFN(channels[i], channels[i] * 4, ...)   # 前馈模块
            )
        ]
        idx += 1

这里有几个组装细节:

  1. 下采样(Downsample):除了第一个Stage,每个Stage开始前会插入一个下采样模块。它通常由一个步长为2的卷积(或池化)实现,用于将特征图尺寸减半,同时通道数翻倍(由 channels[i-1] 变为 channels[i]),从而构建金字塔特征。
  2. Seq模块:Seq 是一个简单的顺序容器。Grapher 和 FFN 被包装在一起,构成一个完整的 ViG Block。在 forward 时,数据会先经过 Grapher,再经过 FFN。
  3. 动态的KNN数(num_knn):代码中有一个 num_knn 列表,它控制每个Block中构建图时选择的邻居数量 k。在官方实现中,这个值在所有Block中是固定的(等于初始的 opt.k)。但这里预留了接口,理论上可以设计更复杂的策略,比如让深层的Block使用更多的邻居来捕获更全局的关系。
  4. 随机深度衰减(dpr):dpr 列表存储了每个Block的 drop_path 概率。它是通过 torch.linspace(0, drop_path_rate, n_blocks) 线性生成的,这意味着第一个Block的丢弃概率为0,最后一个Block的丢弃概率最大。

这种组装方式使得网络的结构非常清晰和灵活。你可以通过修改 blocks 和 channels 列表,轻松地构造出不同深度和宽度的变体,例如更轻量级的 PyramidViG-Ti 或更庞大的 PyramidViG-H。

6. 从图像到图:Stem与位置嵌入

在输入进入一堆ViG Block之前,需要先对原始图像进行预处理。这部分对应ViT中的“Patch Embedding”。

self.stem = Stem(out_dim=channels[0], act=act)
self.pos_embed = nn.Parameter(torch.zeros(1, channels[0], 224//4, 224//4))

Stem模块 通常不是一个简单的切块。在Pyramid ViG中,为了更高效地处理图像,它被设计成一个由三个卷积层组成的小型网络:

  • 第一个卷积:7x7,步长2,将图像下采样一次。
  • 第二个和第三个卷积:通常是3x3,步长1或2,进一步提取低级特征并调整通道数到 channels[0](如128)。
  • 最终,一个224x224的输入图像会变成56x56(224/4)的特征图。

这个设计比ViT中直接切16x16的Patch并线性投影要更“CNN”一些,保留了更多的低层空间信息,在实践中通常能让模型更快收敛。

位置嵌入(pos_embed) 则是一个可学习的参数,其形状为 (1, C, H, W),直接加到Stem输出的特征图上。它为特征图的每个空间位置赋予一个初始的、可学习的位置表示。这是将绝对位置信息注入模型的最直接方式。在 forward 的开始,你会看到 x = self.stem(inputs) + self.pos_embed。

7. 实战:将ViG作为骨干网络用于目标检测

ViG论文中展示了其在ImageNet分类上的优秀性能。但对我们开发者来说,更关心的是:这个新东西能不能用在我的项目里?比如,替换掉Faster R-CNN里的ResNet-50?

答案是肯定的,而且操作起来比想象中简单。得益于其金字塔结构,ViG天然就是一个特征提取器。我们只需要做两件事:

  1. 移除分类头:去掉网络末尾的 self.prediction 和 F.adaptive_avg_pool2d。
  2. 提取多尺度特征:Faster R-CNN的FPN需要来自不同Stage的特征图。ViG的四个Stage的输出正好对应了四种不同的空间分辨率(例如,输入224x224,经过Stem和下采样后,四个Stage的输出分辨率可能是56x56, 28x28, 14x14, 7x7)。

修改后的 forward 函数大概长这样:

def forward_as_backbone(self, x):
    feature_maps = []
    x = self.stem(x) + self.pos_embed
    B, C, H, W = x.shape
    for i in range(len(self.backbone)):
        x = self.backbone[i](x)
        # 判断当前层是否是一个Stage的结束
        # 通常可以根据模块类型(如Downsample)或记录的特征图尺寸变化来判断
        if self._is_stage_end(i): # 这是一个需要你自己实现的判断逻辑
            feature_maps.append(x)
    # 返回一个特征图列表,例如 [stage2_out, stage3_out, stage4_out]
    return feature_maps[1:]  # 有时会丢弃最浅层的特征

然后,你就可以把这个 feature_maps 列表喂给Faster R-CNN的FPN了。根据论文和社区的一些测试,直接用ViG替换ResNet-50,在COCO等数据集上能达到可比的mAP(例如~70%),这证明了其作为通用视觉骨干的潜力。当然,要获得最佳性能,可能需要对检测头进行一些微调,或者使用针对ViG结构优化的FPN变体。

我在自己的一些实验中也尝试过这种替换。初期直接移植效果可能确实不如调优已久的ResNet,这很正常,因为超参数(如学习率调度、权重衰减)都是为CNN设计的。但一旦为ViG调整好训练策略(比如更长的预热、不同的优化器设置),其性能往往能追平甚至在某些细粒度分类任务上略有优势。它的一个直观好处是,对于图像中物体形状变化大、长距离依赖明显的场景,ViG的图结构建模能力有时能带来更鲁棒的特征。

图解ViG网络架构:从Grapher模块到FFN的代码级拆解(PyTorch版) 本文深入解析了Vision GNN(ViG)网络架构,重点拆解了Grapher模块的动态图卷积机制和FFN模块的设计原理。通过PyTorch代码实现,详细展示了ViG如何将图神经网络(GNN)应用于视觉任务,包括动态KNN图构建、图卷积类型对比以及训练优化策略,为开发者提供了实用的技术参考。 阅读详情

相关推荐

PHP Web文件管理系统构建指南

在PHP中,文件元数据可以利用stat()或lstat()函数获取。这些函数会返回一个数组,包含了文件的很多元信息。下面是一个获取文件元信息的示例:} else {echo "文件不存在";输出的元信息数组包含了诸如文件大小、创建时间、修改时间等信息。如何利用这些元信息取决于具体的业务需求。

weixin_29443363的博客 1154

推荐:PHP 文件管理器 —— 简单易用的后台文件管理系统

推荐:PHP 文件管理器 —— 简单易用的后台文件管理系统 项目地址:https://gitcode.com/gh_mirrors/fil/filemanager 在网站开发中,有时我们需要一个便捷的方式来管理服务器上的文件和目录,尤其在无法通过SSH或FTP访问的情况下。这就是我们向您推荐PHP File Manager的原因。这是一个轻量级、高效的文件管理解决方案,专为开发者设计。 1、项目介...

gitblog_00030的博客 2036

php在线文件管理系统

1.可以远程管理服务器上的文件,包括上传,下载,新建,编辑,复制,粘贴,删除,远程下载等文件操作。 2.采用 PHP + AJAX 的方式构建。客户端采用缓存技术,不仅操作迅速,而且能大大减轻服务器的负担。 3.实现了远程 ZIP文件打包/解压。 4.多用户,权限管理,可以分配用户各自的操作目录和可操作的文件类型。 5.两种浏览方式:列表模式和图标模式。 6.在图标模式下可以预览图片文件的缩略图。 7.强大的编辑器可以实现自动缩进,显示行号 和 字符替换等功能。 8.自定义风格模板。内置6套模板。 9.集成BlueShow图片浏览器 10.集成在线文件阅读器 11.Web2.0体验 12.兼容IE,Firefox,Opera等主流浏览器 13.搜索功能!可以搜索文件名和文件内容

从零构建一个基于PHP和MySQL的文件管理系统

本系统是一个典型的Web应用,由PHP脚本、MySQL数据库和HTML/CSS前端组件构成。PHP用于处理文件的上传、下载和展示,MySQL用于存储文件的元信息,前端组件提供用户界面。主界面- 用于展示文件列表和操作按钮。数据库配置- 配置MySQL数据库连接信息。文件上传API- 提供文件上传接口,处理文件存储和防重复上传。本文详细分析了如何从零构建一个基于PHP和MySQL的文件管理系统,涉及文件上传、数据库配置和文件列表展示等关键模块的实现。

个人博客:www.1042.net 2931

PHP文件管理系统源码.zip

PHP文件管理系统源码.zip

基于PHP的行云海CMS网站内容管理系统.zip

基于PHP的行云海CMS网站内容管理系统.zip

【私有云盘】搭建PHP轻量文件管理器 - TinyFileManager「公网远程访问」

一款只有两个文件的php文件管理工具,Tiny File Manager,并使用cpolar生成的数据隧道,将其发布到公共互联网上,使我们能在任何地方都能访问到家里(办公室)电脑的文件。

lydms的博客 8025

PHP 实现文件上传和管理系统源码

这个示例实现了一个文件上传和管理系统,允许用户上传文件并查看已上传的文件列表。 应用场景:适用于需要用户上传文件的网站,如图片分享网站、文件存储系统等。 实例说明:用户通过 upload_form.html 中的表单上传文件,上传处理逻辑在 upload.php 中实现。上传成功后,用户可以通过 list_files.php 查看已上传的文件列表。

文件管理系统php,基于thinkPHP的在线文件管理系统-文件管理系统

本系统是基于thinkPHP3.2开发的在线文件管理系统,该系统可以管理文件,还可以进行项目创建、配置及其他相关动作。制作一个在线文件管理系统,也不是一件困难的事情,现在来看看相关逻辑程序功能:1、读取目录文件及文件夹信息2、创建文件或文件夹3、编辑、更新文件//备注:用fwrite函数写文件时字符转义问题,函数stripslashes() 可以防止转义,因此在生成文件时可以单引号就不会被转义,仍...

weixin_32327999的博客 4105

(源码)基于PHP的简易文件管理系统.zip

# 基于PHP的简易文件管理系统 ## 项目简介 本项目是基于tinyfilemanager进行二次开发的简易文件管理系统。针对境内无法访问或访问速度慢的CDN资源做了修改,且所有修改点都保留了原始代码在注释里,是一款能方便管理和组织服务器文件与目录的工具。 ## 项目的主要特性和功能 1. 可浏览服务器上的文件和目录。 2. 支持多文件上传与文件下载。 3. 具备文件删除、重命名、复制、创建新文件文件夹等操作。 4. 有基本的权限控制与用户管理功能。 5. 能直接在线查看图片、文档、音频、视频等多种类型文件。 6. 可处理ZIP和TAR格式的压缩文件。 7. 支持多语言,方便不同地区用户使用。 8. 允许用户自定义显示隐藏文件、显示权限和所有者列等。 9. 若安装ACE编辑器,可提供先进的文本编辑器功能。 ## 安装使用步骤 1. 下载项目源码,可通过以下链接下载

智能工厂四大系统协同实战:ERP/PLM/MES/WMS集成架构与数据流解析

本文深入解析了智能工厂中ERP、PLM、MES、WMS四大核心系统的协同集成架构与数据流。通过实战案例,阐述了如何打通系统孤岛,实现从产品设计、资源计划、生产执行到仓储物流的数据无缝流转,从而构建高效、敏捷的智能工厂运营体系。

ujm567890的博客 678

php 文件管理系统_php开发一个文件管理系统(附代码)

php中文网最新课程每日17点准时技术干货分享效果图

weixin_39898550的博客 2413

万象RK3506-EG1800网关使用说明

摘要:HD-RK3506-EG1800是一款高性能工业物联网边缘计算网关,支持Buildroot和Ubuntu双系统。文档详细介绍了网关的网络配置(包括ETH0/ETH1的静态IP设置、WiFi连接)、时钟同步、HSL软件安装配置(含开机自启动服务)、系统日志优化以及刷机操作指南(Loader/Maskrom模式)。特别提供了基于lighttpd的网页管理方案,通过HTML界面实现网络参数可视化配置,包含身份验证、实时状态显示和表单提交功能。网关默认ETH0固定IP为192.168.1.10,提供完整的CL

tian_jiangnan的博客 180

华为诺亚ViG架构媲美CNN、Transformer,图神经网络也能用作CV骨干模型

论文链接:https://arxiv.org/abs/2206.00272PyTorch 代码:https://github.com/huawei-noah/CV-BackbonesMindSpore 代码:https://gitee.com/mindspore/models/tree/master/research/cv/ViG引言在计算机视觉领域,骨干网络一直是特征提取的重要部件。从 AlexNet 到 ResNet,卷积网络 CNN 在很长一段时间内一直是视觉任务的标配。近年来,基于注意力机制的 Tr

whaosoft143ai的博客 1060

SMETANA 安装使用教程

关于SMETANA的安装和简单使用信息

qq_44940977的博客 1174

记一次使用STM32F042K6芯片内部HSI48M时钟导致CAN总线报错问题

深入去解决某个问题时,也会加深你对其它部分的了解和思考,比如这里让我又重新了解和CAN的采样点和CAN报错机制。

ApexYuan 861

2022年AI十大硬核技术实操解剖:Gato、Imagen、Diffuser与ViG落地指南

扩散模型与图神经网络正从图像生成和社交网络分析,拓展为通用序列建模与结构化感知的基础范式;Transformer架构不再局限于语言,而是通过跨模态序列化、动态阈值去噪、轨迹条件生成等机制,支撑多模态智能体与物理世界交互。这些技术突破的本质,是将传统任务(如视觉识别、行为规划、推理生成)重新形式化为统一的序列到序列或去噪建模问题,从而提升泛化性与工程可控性。本文聚焦Gato的模态无关序列化、Imagen的冻结文本编码器+动态阈值、Diffuser的轨迹去噪范式、ViG的图像图结构重构等可复现、可部署的关键实现

weixin_29696711的博客 267

YOLOv12环境配置,手把手教你使用YOLOv12训练自己的数据集和推理(附YOLOv12网络结构图),全文最详细教程

YOLO 系统尊嘟太卷了吧,YOLOv11 还没完明白,YOLOv12 就重磅来袭,YOLOv12 是由纽约州立大学联合中科院在 2025年2月19 日发布,从 YOLOv12 论文题目我们大概就知道做了那些更新 ,下图是YOLOv12 在 COCO 数据集上的性能表现引入区域注意力机制(area-attention):通过引入十字形窗口自我注意机制,沿水平和垂直条纹计算注意力机制,纵横交错的注意机制。如下图所示,区域注意力采用最多简单的等分方法,将特征地图垂直或水平划分为 L 个区域。

在职AI算法工程师,擅长计算机视觉,YOLO目标检测、分割等,擅长web、pyqt界面可视化,好内容持续更新中,来这里跟大家一起学习,共同进步 6万+

腾讯优图实验室~论文3

涵盖视觉识别、神经绘画和风格化研究、半监督学习等多个研究方向,进一步展示了腾讯优图实验室在人工智能领域的技术能力和学术成果。ACM MM是计算机图形学与多媒体领域的顶级国际会议,也是中国计算机学会推荐的该领域唯一的A类国际学术会议。whaosoft aiot http://143ai.com 在本文中,我们提出了一个统一的框架,同时提高了定位和分类准确性,称为LocLoc(低级线索和局部指引)。它利用低级图像线索探索全局和局部表示,以实现准确的定位和分类。具体地,我们引入了一个GrabCut增强生成器(G

whaosoft143ai的博客 571

Cadence PSpice 仿真6:反向放大器傅里叶仿真(FFT,谐波分析)实战图文教程

总谐波失真(THD)指音频信号源通过功率放大器时,由于非线性元件所引起的输出信号比输入信号多出的额外谐波成分。比如理想运放输出为5V 1Khz的正玄波时,实际输出的信号按照傅里叶展开后不但含有5V 1KHZ的分量,还有1V 2KHZ的分量,那么多出来的1V的分量就是二次谐波,二次谐波失真系数就是20%,由于任意1个波形按照傅里叶展开是可以展开到n次的,所以除了二次谐波外,输出的信号还有3,4,5……n次谐波,随着n的变大谐波的分量会变小,总谐波失真系数就是所有谐波分量和1次谐波(基波)的比值。Cadence

fydar的博客 4965

01-诊断开发流程概述

传送门 ==>> AutoSAR入门和实战系列总目录。

1787

极简云盘轻量级文件管理与共享系统php源码

一个轻量级文件管理与共享系统,支持多用户,可充当网盘程序,程序无需数据库。

892

Probability and Statistics - 4th edition

Probability and Statistics - 4th edition

【亲测免费】 推荐:PHP 文件管理器 —— 简单而强大的后台解决方案

在日常的Web开发中,有时候我们需要一个简单易用的文件管理系统,但不是每个开发者都能通过SSH或FTP直接访问服务器。这时,PHP File Manager就是一个理想的解决方案。 ![PHP File Manager Screenshot](https://raw.github.com/alexantr/filemanager/master/phpfm.png) ## 项目简介 PHP F...

gitblog_01078的博客 703

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

2023 文件管理功能系统PHP源码

直接解压就能用,单文件,index.php文件可以重新命名,可以查看目录以及各个文件和上传服务。

778

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

php管理文件系统,PHP系列(九)PHP文件系统处理

php文件系统处理1、文件系统概述is_dir( ) -- 判断给定文件名是否是一个目录语法结构:bool is_dir(名称)返回类型:文件名存在并且是一个目录则返回 true,否则返回 false。is_executable( )-- 判断给定文件名是否可执行语法结构:bool is_executable(名称)返回类型:如果文件存在且可执行则返回 true ,否则返回 false 。is_f...

weixin_36212334的博客 390
上一篇: 互补对管运算放大器实战解析——从原理到典型应用场景
下一篇: LLaMA-Factory实战:5分钟搞定LLaMA-3模型LoRA微调(附完整代码)
cuda7parallel
博客等级 码龄1天 0粉丝 1273原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
 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