静谧、淡雅

输出层知识蒸馏

热力图可视化实践

nn.ModuleList()

【DL】YOLO11图像缩放 | 图像填充 | 自适应输入图片的尺寸

CAM | 与嵌入的概念相比，图像中有什么相似或不同之处？| 热力图可视化 | python | Adapting pixel attribution methods for embedding outputs from models

内容可视化 | 深度特征分解DeepFeatureFactorization | 展示在图像中发现的所有不同概念，以及如何分类 | resnet50 | python

【DL】目标检测任务的热力图可视化实践 | 论文必备 | 目标检测任务 | EigenCAM

语义分割任务的热力图可视化实践 | 论文必备 | 语义分割任务 | GradCAM

【火山引擎】文生图实践 | PYTHON

【DL】损失函数：IOU|GIOU|DIOU|CIOU|EIOU|MPDIoU|SIOU|InnerIoU|Focaler等

【火山引擎】AIGC图像风格化 | 风格实践 | PYTHON

调用火山大模型的方法 | SDK安装 | 配置 | 客户端初始化 | 设置

Chat实践 | 大模型调用实践 | python

ultralytics最新作品yolov11 AND 模型的训练、推理、验证、导出 以及 使用

AIOT简介

简单了解AIGC与ChatGPT

使用yolov10训练自己的数据集/验证 /推理 /导出模型/ONNX模型的使用

YOLOv10的训练/验证/预测/导出模型/ONNX模型的使用

【TensorFlow 精简版】TensorFlow Lite

【模型】模型量化技术：动态范围、全整数和Float16量化技术

【DL：智能写作】训练RNN并自动生成恐龙的名字

【DL理论知识】关于RNN，这些是你应该知道的...

运动目标检测是计算机视觉领域中的一个重要内容，其检测效果将会对目标跟踪与识别造成一定的影响。1混合高斯背景模型 在混合高斯模型中，对图像中每一个像素点建立K个高斯模型，对于t时刻像素点X的概率密度函数如下所示。2背景的选取 首先，按权值和标准差的比值将每个像素点的K个高斯分布由大到小进行排序，则描述背景可能性越大的分布越靠前，描述背景可能性...

它通过引入新的骨干网络、新的无锚分裂头和新的损失函数等创新，性能优于以前的版本。YOLO（You Only Look Once）是一种流行的目标检测和图像分割模型，由华盛顿大学的Joseph Redmon和Ali Farhadi推出。作为一款尖端、最先进的（SOTA）模型，YOLOv8在之前版本成功的基础上，引入了新的功能和改进，以增强性能、灵活性和效率。YOLOv1：2015年Joseph Redmon和Ali Farhadi等人（华盛顿大学）提出，以其高速和准确迅速走红。方法二：git clone。

AIMET是一个使用户能够压缩和量化模型的软件工具包。AIMET提供了用于训练模型的优化设计，从而可以对得到的压缩和/或量化模型进行进一步训练（也称为微调），以恢复任何精度损失。AIMET目前支持TensorFlow和PyTorch模型。AIMET架构见下图：使用AIMET时工作流程的高级视图，见下图。如上图，用户将从TensorFlow或PyTorch的已训练模型开始。这个经过训练的模型被传递给AIMET，使用API进行压缩和量化。

著名会议和期刊

一 简介1 剪枝和量化将神经网络部署在计算资源匮乏或具有严格延迟要求的设备上的时候，需要先对模型进行压缩处理。模型压缩后，模型大小会变小，在不会显著降低模型性能的情况下，能够加速模型的训练/推理。模型压缩技术分类：剪枝（Pruning）和量化（Quantization）。(1) 剪枝方法探索模型权重中的冗余， 并尝试删除/修剪冗余和非关键的权重。(2) 量化是指通过减少权重表示或激活所需的比特数来压缩模型。2 NNINNI (Neural Network Intelli...

【模型】模型下载以及pth模型转onnx模型的实践

自注意力

神经网络的前向和反向传播

1 简介 多层感知机（MLP，Multilayer Perceptron）也叫人工神经网络（ANN，Artificial Neural Network）。 除了输入层和输出层，它中间可以有多个隐层。 最简单的MLP只包含一个隐层。 隐层的神经元与输入层是全连接的。 多层感知机层与层之间是全连接的。多层感知机最底层是输入层，中间是隐藏层，最后是输出层。MLP一般还会加上ReLU、Sigmoid等非线性的激活函数。 隐含层到输出层可以是一个softmax分类

网站：https://www.jiangdabai.com/30天入门人工智能视频地址：https://www.jiangdabai.com/vcat/%e3%80%8a30%e5%a4%a9%e5%85%a5%e9%97%a8%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0%e3%80%8b%e7%b3%bb%e5%88%97%e8%af%be%e7%a8%8b大白老师网课部分视频截图如下。仅作学习使用，如有侵权，请联系作者删除。1损失函数和成本函数2反向参数更新

YOLOv4资料YOLO v4 论文：https://arxiv.org/abs/2004.10934YOLO v4 开源代码：https://github.com/AlexeyAB/darknet相关博客：https://blog.youkuaiyun.com/IceLimbo2019/article/details/105770835?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromBaidu-3&am....

深度学习中的数据一般是4D的，NCHW或NHWC格式。其中：N 代表Batch，C 代表Channel，H 代表Height，W 代表Width。 虽然逻辑表达上是4维的数据，但是在计算机中存储时都是按照1D来存储的。物理存储👇： NCHW是先取W方向数据；然后是H方向；之后是C方向；最后是取N方向的数据。NHWC和CHWN格式以此类推。......

以下内容均来自大白老师的文章。链接：https://mp.weixin.qq.com/s/iZYmst7GuWPpEr4s-rTsqg仅作为学习用途，如有侵权，请联系作者删除！

目录1根据requirements.txt安装nanodet的环境包。2 检测效果NanoDet作者开源代码地址：GitHub - RangiLyu/nanodet: ⚡Super fast and lightweight anchor-free object detection model. ????Only 980 KB(int8) / 1.8MB (fp16) and run 97FPS on cellphone????（致敬）下述代码基于NanoDet项目进行小裁剪，专门用来实现Py

yolov5 github的地址：https://github.com/ultralytics/yolov5一 数据准备使用的labelImg标注工具，对数据进行标注。标注工具具体使用方法，可以自己去查一下。在yolov5-master/data文件下新建下列文件夹images文件夹放置图像文件，Annotations文件夹放置标注好的xml文件，ImageSets文件夹放置生成的训练txt文件，labels放置生成的标签文件。A在yolov5-master文件夹..

1 sigmoid 把一个实数压缩至0到1之间，当输入的数非常大的时候，结果会接近1，当输入非常小的负数时，则会得到接近0的结果。2 tanh3 Relu优点： （1）不会出现梯度消失，收敛速度快； （2）前向计算量小，只需要计算max(0, x)，不像sigmoid中有指数计算； （3）反向传播计算快，导数计算简单，无需指数、出发计算； （4）有些神经元的值为0，使网络具有saprse性质，可减小过拟合。...

1 准备数据集Annotations里面存放标签xml文件。JPEGImage 里面存放图片。ImageSets 里面的txt按行存放着图片的名字。2 生成指定的TXT（1）build/darknet/x64/data/voc/voc_label.py，修改voc_label.py如下：（2）在主目录darknet-master下执行voc_label.py，生成如下文件：3修改配置文件（1）将 cfg 目录下coco.da...

目录1 编译2 测试3YOLOv3与YOLOv4结果简单对比环境：Ubuntu 18.04（命令：cat /etc/issue）Python 2.7 （命令：python -V）cuda 10.0 （命令：cat /usr/local/cuda/version.txt）1 编译（1）如果需要使用GPU加速，就将项目里面的makefile文件修改如下：（2）修改后，cd到darknet-master目录下，然后直接输入make。...