博学 笃志 切问 近思

这个文档主要总结YOLO系列的创新点，以YOLOv3为baseline。参考(抄)了不少博客，就自己看看吧。有些模型的trick不感兴趣就没写进来，核心的都写了。YOLO系列的网络都由四个部分组成：Input、Backbone、Neck、Prediction head。Input：主要是在训练开始之前进行resize、数据增强等操作，不同的YOLO在数据增强方面也有很多改进。在测试阶段则只会进行resize。

强化学习与Policy Gradient的介绍

关于torch.nn.Linear的一点问题  最近写Transformer代码的时候，FFN层是线性层，突然发现我丢进去的是一个三维的张量[batch_size, H, d_model]，但是线性层nn.Linear竟然还给它算出来了，而且预期结果形状还是我想要的[batch_size, H, d_ff]。印象中nn.Linear的输入和输出都是二维的。于是我去找了一圈博客，各种博客里面写的都是输入二维的，更疑惑了。最后去看了官方文档才知道，他们都有问题。  输入和输出的维度可以是任意，而且输出的形

手写数字识别——BP神经网络实现

人类很神奇，在嘈杂的环境中，人类可以只专注于听其中一种声音，这就是鸡尾酒会效应。Speech Separation要做的事情就是，机器跟人一样，把它想要得到的声音从嘈杂的环境抽取出来。本文将讲述Speech Separation的算法。

LAS模型介绍

语音识别  声明：本文章只用于个人总结，视频链接为https://www.bilibili.com/video/BV1nE411K7Tm?p=2。

用于语言处理的深度学习