卷积注意力机制

Flash Attention介绍

FlashAttention是一种优化Transformer模型中注意力机制的技术，旨在提高计算效率并减少内存使用。
TAICHIFEI·2025-02-08 03:38

基于Pytorch的猫狗分类的代码演练

前段时间在人工智能课上老师给我们介绍了一下卷积神经网络CNN，顺便在课上复现了猫狗分类的相关代码。
摸爬滚打的包菜·2025-02-07 23:09

毕业设计：基于卷积神经网络的鲜花花卉种类检测算法研究

目录前言课题背景和意义实现技术思路一、算法理论基础1.1卷积神经网络1.2目标检测算法二、数据集2.1数据集2.2数据扩充三、实验及结果分析3.1实验环境搭建3.2模型训练最后前言大四是整个大学期间最忙碌的时光
HaiLang_IT·2025-02-07 20:23

AudioLM音频生成模型 简介

以下是关于AudioLM音频生成模型的一些关键信息：表格特点描述应用领域语音合成、音乐生成等核心技术自注意力机制（Self-AttentionMechanism）功能生成自然的语音对话、虚拟人物的配音、
低配天才·2025-02-07 18:09

ReLU激活函数的定义

ReLU（RectifiedLinearUnit，修正线性单元）是一种非常流行的激活函数，广泛应用于深度学习模型中，尤其是在卷积神经网络（CNN）中。
人工智能专属驿站·2025-02-07 13:34

空间注意力模块（SAM）和时间注意力模块（TAM）详解及代码复现

注意力机制原理注意力机制源于人类视觉系统的选择性注意能力，是深度学习领域的一项关键技术。它通过模拟人类视觉系统的选择性注意能力，使深度学习模型能够聚焦于图像中的关键信息。
清风AI·2025-02-06 21:47

深度可分离卷积_主干网络系列(6) - Xception: 使用深度可分离卷积的深度学习

DeepLearningwithDepthwiseSeparableConvolutions工程代码：Github链接0.摘要该论文对Inception模块做了新的解释，认为Inception模块是常规卷积神经网络到深度可分离卷积神经网络的过渡手段
weixin_39630106·2025-02-06 17:22

AI协助探索AI新构型自动化创新的技术实现

例如，使用注意力机制作为原子单元，通过遗传算法生成模块间连接规则。
liron71·2025-02-06 10:35

基于深度学习的时空特征融合摔倒检测 基于图像序列分析与主成分分析（PCA）的摔倒检测

基于深度学习的时空特征融合摔倒检测该方法采用卷积神经网络（CNN）与循环神经网络（RNN）相结合的方式，通过提取时空特征来进行摔倒检测。
人工智能专属驿站·2025-02-06 09:31

遗传算法与深度学习实战（32）——生成对抗网络详解与实现

遗传算法与深度学习实战（32）——生成对抗网络详解与实现0.前言1.生成对抗网络2.构建卷积生成对抗网络小结系列链接0.前言生成对抗网络(GenerativeAdversarialNetworks,GAN
盼小辉丶·2025-02-06 09:59

（Aliyun AI ACP 04）人工智能建模流程与基础知识：深度学习、增强学习与迁移学习关键技术综述

文章目录阿里云人工智能工程师ACP认证考试知识点辅助阅读（AliyunAIACP04）人工智能建模流程与基础知识：深度学习、增强学习与迁移学习关键技术综述I.深度学习算法1️⃣前馈神经网络(FFNs)详解2️⃣卷积神经网络
North_D·2025-02-06 08:24

手动计算conv1d 及pytorch源码

文章目录1.conv1d2.pytorch源码1.conv1dconv1d的作用是进行一维的卷积计算，将卷积核沿着输入矩阵进行一维卷积，具体参考如下excel通过网盘分享的文件：conv1d.xlsx链接
取个名字真难呐·2025-02-06 08:21

【Block总结】PSA，极化自注意力|即插即用

TowardsHigh-qualityPixel-wiseRegression链接:arXivGitHub链接：https://github.com/DeLightCMU/PSA2.创新点该论文提出了一种新的自注意力机制
AI浩·2025-02-06 05:58

算法问题整理（二）

（若侵则删）问题10:卷积-目标检测系列问题参考：40+目标检测网络架构大盘点！
分享总结快乐·2025-02-06 04:47

深入浅出之Convolutional Block Attention Module（YOLO）

ConvolutionalBlockAttentionModule（CBAM）是一种用于增强卷积神经网络（CNN）特征表示能力的注意力机制模块。
浩瀚之水_csdn·2025-02-06 04:46

Python 中实现基于CNN和BiLSTM与注意力机制结合的多输入单输出回归预测

目录Python中实她基她CNN和BiLTTM她注意力机制结合她多输入单输出回归预测...1项目背景介绍...1项目目标她意义...1项目挑战...2项目特点她创新...3项目应用领域...3项目效果预测图程序设计
nantangyuxi·2025-02-06 02:36

大模型的底层逻辑及Transformer架构

其中，Transformer架构是目前主流的大模型架构，它通过自注意力机制和前馈神经网络来处理输入数据。这种架构能够高效地处理序列数据，如文本。3.自
搏博·2025-02-06 02:04

MATLAB机器学习、深度学习

目录第一章MATLAB图像处理基础第二章BP神经网络及其在图像处理中的应用第三章卷积神经网络及其在图像处理中的应第四章迁移学习算法及其在图像处理中的应用第五章生成式对抗网络（GAN）及其在图像处理中的应用第六章目标检测
Yolo566Q·2025-02-05 17:01

基于深度学习的文本情感分析

基于深度学习的文本情感分析关键词：深度学习、文本情感分析、自然语言处理、卷积神经网络、循环神经网络、BERT、情感分类、情绪识别1.背景介绍文本情感分析（TextSentimentAnalysis），又称情感计算
杭州大厂Java程序媛·2025-02-05 16:25

一切皆是映射：神经网络在图像识别中的应用案例

一切皆是映射：神经网络在图像识别中的应用案例关键词：神经网络、图像识别、深度学习、卷积神经网络、映射、模式识别1.背景介绍1.1问题的由来图像识别问题的研究源于人类对于智能机器的渴望。
AI大模型应用之禅·2025-02-05 16:24

深度学习篇---深度学习框架图像预处理&各部分组件

文章目录前言第一部分：图像预处理PaddlePaddle图像预处理PyTorch图像预处理第二部分：框架各部分组件PaddlePaddle1.卷积层(ConvolutionalLayer)2.池化层(PoolingLayer
Ronin-Lotus·2025-02-05 13:26

机器学习，深度学习，神经网络，深度神经网络

深度学习的算法又分很多种，比较典型的四种：卷积神经网络—CNN,循环神经网络—RNN,生成对抗网络—GANs,深度强化学习—RL。机器学习和深度学习的
武昌库里写JAVA·2025-02-05 12:52

OpenCV4.8 开发实战系列专栏之 21 - 图像卷积操作

进交流群，学习更多，+V：OpenCVXueTang_Asst本文关键知识点：图像卷积操作图像卷积可以看成是一个窗口区域在另外一个大的图像上移动，对每个窗口覆盖的区域都进行点乘得到的值作为中心像素点的输出值
gloomyfish·2025-02-05 10:08

深度学习｜表示学习｜卷积神经网络｜输出维度公式｜15

如是我闻：在卷积和池化操作中，计算输出维度的公式是关键，它们分别可以帮助我们计算卷积操作和池化操作后的输出大小。
漂亮_大男孩·2025-02-04 19:52

深度学习｜表示学习｜卷积神经网络｜输出维度公式如何理解？｜16

如是我闻：当我们对输入图像进行卷积时，输出的宽度和高度可以通过以下公式计算：输出大小=输入大小−卷积核大小+2⋅填充大小步长+1\text{输出大小}=\frac{\text{输入大小}-\text{卷积核大小
漂亮_大男孩·2025-02-04 19:21

基于 FPGA 的 CNN 卷积神经网络整体实现

基于FPGA的CNN卷积神经网络整体实现介绍卷积神经网络（CNN）是一种强大的深度学习架构，广泛用于图像识别、物体检测和自然语言处理等领域。
鱼弦·2025-02-04 18:37

YOLOv3在工业生产中产品瑕疵检测的可行性分析

图像中瑕疵检测1.概述瑕疵检测是机器视觉任务中的一条分支，在技术发展的过程中对于图片处理的方式往往使用CNN（卷积神经网络）作为处理模型，毫无疑问CNN的在处理图像方面有着独特的优势，通过设置卷积核我们可以使得计算机提取图像的特征数据
Y.C.~·2025-02-04 16:59

PyTorch 训练一个分类器

文章目录0前言1加载和规范化CIFAR102定义一个卷积网络3定义损失函数和优化器4训练网络5测试网络6在GPU上训练模型参考资料0前言  TRAINGINGACLASSIFIER这篇教程很清楚的描述了如何使用
亚里·2025-02-04 05:59

机器学习笔记20241017

文章目录torchvisiondataloadernn.module卷积非线性激活模型选择训练误差泛化误差正则化权重衰退的基本概念数学表示权重衰退的效果物理解释数值稳定性（GradientVanishing
tt555555555555·2025-02-04 03:11

基于深度学习的物体分割技术：从理论到实践

随着深度学习的迅猛发展，尤其是卷积神经网络（CNN）的应用，物体分割技术已取得了显著的进展。它被广泛应用于医学影像分析、自动驾驶、视频监控、机器人感知等领域。
人工智能_SYBH·2025-02-04 01:57

TensorFlow实现卷积神经网络CNN

一、卷积神经网络CNN简介卷积神经网络（ConvolutionalNeuralNetwork，CNN）最初是为解决图像识别等问题设计的，CNN现在的应用已经不限于图像和视频，也可用于时间序列信号，比如音频信号和文本数据等
红叶骑士之初·2025-02-03 23:40

(04)python-opencv图像处理——图像阈值、平滑图像、形态转换、图像梯度

目录前言一、图像阈值1.1简单的阈值法1.2自适应阈值二、平滑图像2.1二维卷积(图像滤波)2.2图像模糊2.2.1均值模糊2.2.2高斯模糊2.2.3中值滤波2.2.4双边滤波三、形态转换1、腐蚀2、
欲游山河十万里·2025-02-03 17:48

一文读懂自动编码器：类型、原理与应用

全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】目录自动编码器稀疏自动编码器K稀疏自动编码器收缩式自动编码器卷积自动编码器
·2025-02-03 16:03

基于CNN(一维卷积Conv1D)+LSTM+Attention 实现股票多变量时间序列预测(PyTorch版)

前言系列专栏:【深度学习：算法项目实战】✨︎涉及医疗健康、财经金融、商业零售、食品饮料、运动健身、交通运输、环境科学、社交媒体以及文本和图像处理等诸多领域，讨论了各种复杂的深度神经网络思想，如卷积神经网络
矩阵猫咪·2025-02-03 12:42

【车间调度】基于卷积神经网络的柔性作业车间调度问题的两阶段算法（Matlab代码实现）

本文目录如下：目录1概述两阶段算法概述第一阶段：特征提取与表示学习第二阶段：调度策略生成与优化研究挑战与前景2运行结果3参考文献4Matlab代码实现1概述该文提出一种基于卷积神经网络的有效两阶段算法，
宇哥预测优化代码学习·2025-02-03 12:08

【车间调度】基于卷积神经网络的柔性作业车间调度问题的两阶段算法（Matlab代码实现）

本文目录如下：目录1概述两阶段算法概述第一阶段：特征提取与表示学习第二阶段：调度策略生成与优化研究挑战与前景2运行结果3参考文献4Matlab代码实现1概述该文提出一种基于卷积神经网络的有效两阶段算法，
Ps.729·2025-02-03 11:31

计算机视觉领域的轻量化模型——GhostNet 模型

GhostNet模型详解GhostNet是一个高效的轻量化卷积神经网络模型，专为资源受限的设备（如移动设备和嵌入式系统）设计。
DuHz·2025-02-03 04:05

多模态大模型：技术原理与实战 工具和算法框架介绍

1.背景介绍1.1从单模态到多模态的必然趋势传统的深度学习模型大多是单模态的，例如只处理图像数据的卷积神经网络（CNN）或只处理文本数据的循环神经网络（RNN）。
AI大模型应用之禅·2025-02-02 22:43

DeepSeek 使用的核心技术预测

1.大规模预训练模型架构Transformer变种与优化：基于Transformer架构进行改进，可能引入稀疏注意力机制（如Longform
eso1983·2025-02-02 18:22

【llm对话系统】大模型 Llama 源码分析之 Flash Attention

然而，标准的自注意力机制的计算复杂度与序列长度的平方成正比，这使得它在处理长序列时效率低下。为了解决这个问题，FlashAttention被提出，它是一种高
kakaZhui·2025-02-02 13:43

基于LeNet-5实现交通标志分类任务

基于LeNet-5实现交通标志分类任务介绍LeNet-5是由YannLeCun等人在1998年提出的一种卷积神经网络（CNN）结构，最初用于手写数字识别。
鱼弦·2025-02-02 13:42

YOLOv10改进策略【Neck】| HS-FPN：高级筛选特征融合金字塔，加强细微特征的检测

HS-FPN借助通道注意力机制及独特的多尺度融合策略，有效应对目标尺寸差异及特征稀缺问题。
Limiiiing·2025-02-02 10:49

使用Transformer模型实现股票走势预测：深入解析和实操案例（基于Python和PyTorch）

摘要：本文讨论了Transformer模型在股票市场预测中的应用，突出其自注意力机制在捕捉长期趋势和周期性变化方面的优势。文章详细介绍了模型理论、架构，并分析了其在股价预测中的优势和挑战。
AI_DL_CODE·2025-02-02 09:44

＜深入浅出图神经网络＞ 读书笔记

改代码得到的结论chapter6|GraphSage分析TODO去今年刚出就买了.一查豆瓣评分比我想的还低(我这种小白都能看出一些错误),有1说1对于入门还是可以的,至少能知道GNN大概的发展路线,如图卷积
数学工具构造器·2025-02-02 06:22

Unet 改进：在encoder和decoder间加入TransformerBlock

TransformerBlock是一个由两个子组件组成的构建块：多头注意力机制和前
听风吹等浪起·2025-02-01 23:11

注意力机制

1.Seq2Seq模型加入注意力机制1.1Seq2Seq模型编码器：将长度可变的输入序列转换成形状固定的上下文变量c,并将输入序列的信息在该上下文变量中进行编码。
追光少年3322·2025-02-01 19:33

自然语言处理基础知识入门(四) Transformer模型整体最详解（self- attention机制，mask机制）

Transformer2.1Transformer的整体架构2.2Transformer的输入2.2.1InputEmbeding2.2.2PositionalEncoder2.2.3Transformer的输入2.3Transformer的自注意力机制
这个男人是小帅·2025-02-01 18:33

【小白学AI系列】NLP 核心知识点（五）Transformer介绍

TransformerTransformer是一种基于自注意力机制（Self-AttentionMechanism）的深度学习模型，首次由Vaswani等人于2017年在论文《AttentionisAllYouNeed
Blankspace空白·2025-02-01 18:58

深度学习模型在汽车自动驾驶领域的应用

1.深度学习模型分类及应用场景1.1视觉感知模型CNN（卷积神经网络）应用：图像分类、物体检测（车辆、行人、交通标志）、语义分割（道路、车道线）。
eso1983·2025-02-01 12:37

模型高效推理--剪枝基础

文章目录一、剪枝基础1.剪枝定义2.剪枝时机二、剪枝的分类1.按照剪枝粒度分类(粗➡️细)A.结构化剪枝a.隐藏层剪枝（LayerPruning）b.通道剪枝（ChannelPruning）c.卷积核剪枝
绒绒毛毛雨·2025-02-01 05:16
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他