TensorFlow?PyTorch?Paddle?AI工具库生态之争:ONNX一统天下 ⛵

💡 作者:韩信子@ShowMeAI 📘 深度学习实战系列:https://www.showmeai.tech/tutorials/42 📘 本文地址:https://www.showmeai.tech/article-detail/

【深度学习】常见的神经网络层(上)

🔝🔝🔝🔝🔝🔝🔝🔝🔝🔝🔝🔝 🥰 博客首页:knighthood2001 &

深度学习 机器学习 数据X源汇总

寻找一个好用的数据集需要注意一下几点:  数据集不混乱,否则要花费大量时间来清理数据。 数据集不应包含太多行或列,否则会难以使用。 数据越干净越好,清理大型数据集可能非常耗时。 应该预设一个有趣的问题,而这个问题又可以用数据来回答。 目前个人认为较好的数据集网站主要有:
数据集

windows下CUDA的卸载以及安装

一、缘由
对于CUDA新手来说,安装问题里面有很多需要注意的细节,很多自定义的选项,如果漏选就会出现一些莫名奇妙的问题。为此,会经常出现卸载CUDA,再安装CUDA的问题,下面总结。
二、卸载前的准备
(1)卸载工具:
①windows自带的控制面板,用来卸载主程序

手把手教你使用Segformer训练自己的数据

使用Segformer训练自己的数据系统配置代码链接针对MMCV 选择系统Windows环境要求:ubuntu 18.04安装swin segmentation制作VOC 数据集代码部分修改开始训练使用Transformer进行语义分割的简单高效设计。将 Transformer

【学习笔记】小样本学习(Few-shot Learning)

参考视频:https://www.youtube.com/watch?v=UkQ2FVpDxHg 文章目录基本概念孪生网络(Siamese Network)Pretraining and Fine TuningFew-shot常用数据集参考资料基本概念
小样本学习(few-sh

YOLOv5改进之十三:主干网络C3替换为轻量化网络EfficientNetv2

​前 言:作为当前先进的深度学习目标检测算法YOLOv5,已经集合了大量的trick,但是还是有提高和改进的空间,针对具体应用场景下的检测难点,可以不同的改进方法。此后的系列文章,将重点对YOLOv5的如何改进进行详细的介绍,目的是为了给那些搞科研的同学需要创新点或者搞工程项目的

Yolov5更换主干网络之《旷视轻量化卷积神经网络ShuffleNetv2》

《ShuffleNet V2: Practical Guidelines for Efficient CNN Architecture Design》
这篇是2018年发表在ECCV上的论文,同时本篇论文还获得了VALSE年度杰出论文奖 原文地址 官方代码 ShuffleNet

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opencv部署方面,其实yolov7和yolov5的初期版本(5.0以前的版本)很像,分为三个输出口

详解torch.nn.utils.clip_grad_norm_ 的使用与原理

文章目录clip_grad_norm_的原理clip_grad_norm_参数的选择(调参)clip_grad_norm_使用演示参考资料clip_grad_norm_的原理 本文是对梯度剪裁: torch.nn.utils.clip_grad_norm_()文章的补充。所以可以

返回顶部