作者小头像 Lv.2
更多个人资料
85 成长值
0 关注
0 粉丝
+ 关注 私信

个人介绍

这个人很懒，什么都没有留下

感兴趣或擅长的领域

暂无数据
个人勋章
TA还没获得勋章~
成长雷达
70
15
0
0
0

个人资料

个人介绍

这个人很懒，什么都没有留下

感兴趣或擅长的领域

暂无数据

达成规则

以上满足项可达成此勋章

  • 博客
  • 关注
  • 粉丝
  • 论坛
全部时间
全部时间
最近三天
最近一周
最近一月
  • 全部
  • 暂无专栏分类
无监督学习简介
无监督学习简介 什么是无监督学习方式？无监督学习方式是一种机器学习的方法，它不需要给模型提供标注的数据，而是让模型自己从数据中发现有用的信息和结构。无监督学习方式有很多应用场景，比如聚类、降维、异常检测、生成模型等。在计算机视觉领域，无监督学习方式可以用来学习图像的表征，也就是把图像转换成一种低维的向量，这个向量可以反映图像的语义信息和视觉特征。图像表征的好坏，直接影响了下游任务的性能，比...
作者小头像 maxloop 2023-06-26 23:44:37
1000
0
0
2023-06-26 23:44:37
999+
0
0
stable diffsuion 模型介绍
Latent Diffusion 概述图像生成是计算机视觉领域的一个重要研究方向，它的目标是根据一些条件（如文本、类别、布局等）来合成逼真的图像。图像生成有很多应用场景，如艺术创作、数据增强、图像修复、图像超分等。图像生成的方法主要可以分为两大类：基于生成对抗网络（GAN）的方法和基于扩散模型（DM）的方法。GAN是一种利用两个对抗训练的神经网络来生成图像的方法，它可以产生高质量的图像，但...
作者小头像 maxloop 2023-06-15 09:44:42
1458
0
0
2023-06-15 09:44:42
999+
0
0
langchain介绍
langchain是一个基于大语言模型（LLMs）用于构建端到端语言模型应用的框架，它可以让开发者使用语言模型来实现各种复杂的任务，例如文本到图像的生成、文档问答、聊天机器人等。langchain的主要特点有：提供了一套工具、组件和接口，可以简化创建由LLMs和聊天模型提供支持的应用程序的过程。可以轻松管理与语言模型的交互，将多个组件链接在一起，并集成额外的资源，例如API和数据库。支持多种...
作者小头像 maxloop 2023-06-15 09:36:57
3949
0
0
2023-06-15 09:36:57
999+
0
0
模型蒸馏简介
模型蒸馏是一种模型压缩和加速的技术，它的目的是将一个大型或复杂的模型（称为教师模型）的知识迁移到一个小型或简单的模型（称为学生模型）上，使学生模型能够达到与教师模型相近的性能，但占用更少的计算资源和内存空间。模型蒸馏的基本思想是让学生模型学习教师模型的输出概率分布，而不仅仅是数据标签。这样可以利用教师模型输出的暗知识（dark knowledge），即低概率类别之间的关系，来提高学生模型的泛...
5G教育 机器学习
作者小头像 maxloop 2023-04-27 20:11:19
1390
0
0
2023-04-27 20:11:19
999+
0
0
目标检测中的动态标签分配策略介绍
标签分配负责在训练阶段将标签分配给预定义的锚点。现在目标检测方法包含各种标签分配策略，包括从简单的基于IoU的策略和中心位置策略，到后续动态分配策略，通过对标签分配的策略的优化，诸多经典的检测模型在不改变模型结构的前提下，实行性能的大幅提升。一些研究也表明正负样本的分配策略才是影响anchor-base、anchor-free方法性能区别的本质原因，这个进一步的表明了标签分配策略在目标检测中...
作者小头像 maxloop 2022-12-23 20:47:42
4897
0
0
2022-12-23 20:47:42
999+
0
0
Swin-Transformer介绍
Transformers在NLP领域大放异彩，结合无监督和大模型相关的技术，基本引领了该领域的发展。与RNN（如LSTM）相比，Transformers能够建模输入序列元素之间的长期依赖关系并支持序列的并行处理。Transformers的直接设计允许使用类似的处理块处理多种模式（如图像、视频、文本和语音）。一些工作尝试将Transformer迁移至视觉领域，处理图像数据，然而将Transfo...
作者小头像 maxloop 2022-12-23 11:26:15
3611
0
0
2022-12-23 11:26:15
999+
0
0
模型加速-量化
量化量化是转换深度学习模型以使用较低精度的参数和计算的过程。传统上，DNN 训练和推理依赖于 IEEE 单精度浮点格式，使用 32 位来表示浮点模型权重和激活张量。这种计算预算在训练时可能是可以接受的，因为大多数 DNN 在数据中心或云中使用 NVIDIA V100 或 A100 GPU 进行训练，这些 GPU 具有非常大的计算能力和更大的功率预算。然而，在部署过程中，这些模型通常需要在边缘...
机器学习
作者小头像 maxloop 2022-07-04 00:58:10
1698
0
1
2022-07-04 00:58:10
999+
0
1
https://www.baidu.com/s?ie=utf-8&f=3&rsv_bp=0&rsv_idx=1&tn=baidu&wd=sed%20%E6%9B%BF%E6%8D%A2%E5%AD%97%E7%AC%A6%E4%B8%B2&rsv_pq=c7db61a600035dc5&rsv_t=5e19yEsbV9N5fIvdlGRU
作者小头像
作者小头像
快速交付
+ 关注