对抗神经网络

全过程带你从入门到精通《动手学PyTorch深度学习建模与应用》第二章：2.1-2.3节详解，篇幅超了，缺的后面再补吧

这一章的内容非常重要，因为它不仅涵盖了神经网络的基本原理，还介绍了激活函数、损失函数和优
环工人学Python·2025-03-01 15:53

基于 Pytorch 的全卷积网络人脸表情识别：从数据到部署的实战之旅

随着深度学习技术的发展，基于卷积神经网络的
那年一路北·2025-03-01 14:16

YOLOv5 + SE注意力机制：提升目标检测性能的实践

然而，随着应用场景的复杂化，传统的卷积神经网络在处理复杂背景和多尺度目标时可能会遇到性能瓶颈。为此，引入注意力机制成为了一种有效的改进方法。
那年一路北·2025-03-01 13:09

pip安装非标准版本号库报错 pip 24.1 will enforce this behaviour change.

在做神经网络作业安装tensorflow报错pyodbc4.0.0-unsupportedhasanon-standardversionnumber.pip24.1willenforcethisbehaviourchange.Apossiblereplacementistoupgradetoanewerversionofpyodbcorcontacttheauthortosuggestthatth
m0_74397054·2025-03-01 11:53

【模块】Non-local Neural

论文《Non-localNeuralNetworks》作用非局部神经网络通过非局部操作捕获长距离依赖，这对于深度神经网络来说至关重要。
dearr__·2025-03-01 10:48

yolov5-训练好的模型部署的几种方式-ONNX

ONNX所针对的是深度学习开发生态中最关键的问题之一，在任意一个框架上训练的神经网络模型，无法直接在另一个框架上用。开发者需要耗费大量时间精力把模型从一个开发平台移植到另一个。
黄晓魚·2025-03-01 08:30

大语言模型原理与工程实践：手把手教你训练 7B 大语言模型 自动化训练框架

大语言模型原理与工程实践：手把手教你训练7B大语言模型自动化训练框架关键词：大语言模型、7B模型、自动化训练、深度学习、神经网络、自然语言处理、分布式计算文章目录大语言模型原理与工程实践：手把手教你训练
AI天才研究院·2025-03-01 07:24

机器幻觉产生的原因

线性函数在神经网络中的作用通常是传递梯度，但如果每一层都是线性的，整个网络就相当于一个单层的线性模型，无法学习复杂的模式。所以如果只有线性层而没有非线性激活函数的话，网络将无法处理复杂任务。
人机与认知实验室·2025-03-01 06:11

PyTorch 常见的损失函数：从基础到大模型的应用

PyTorch常见的损失函数：从基础到大模型的应用在用PyTorch训练神经网络时，损失函数（LossFunction）是不可或缺的“裁判”。
阿正的梦工坊·2025-02-28 22:19

Python从0到100（六十八）：Python OpenCV-图像边缘检测及图像融合

想做这件事情很久了，这次我更新了自己所写过的所有博客，汇集成了Python从0到100，共一百节课，帮助大家一个月时间里从零基础到学习Python基础语法、Python爬虫、Web开发、计算机视觉、机器学习、神经网络以及人工智能相关知识
是Dream呀·2025-02-28 19:58

LSTM：解决梯度消失问题

1.背景介绍在深度学习领域，循环神经网络（RNN）是一种处理序列数据的强大工具。然而，RNN在处理长序列时面临着梯度消失的问题。
AI天才研究院·2025-02-28 19:57

Python深度学习实践：使用TensorFlow构建图像分类器

我们将深入探讨卷积神经网络（CNN）的基本原理，实现一个能够识别MNIST手写数字的数据集模型，并通过实战代码演示整个过程，最终展示模型的训练与评估。
Evaporator Core·2025-02-28 13:42

深度学习进阶：构建多层神经网络

在上一篇文章中，我们从零开始构建了一个简单的两层神经网络，并通过异或问题（XOR）展示了神经网络的强大能力。
孤寂大仙v·2025-02-28 12:37

对抗启发式代码仿真检测技术分析

对抗启发式代码仿真检测技术分析。最近在研究病毒的检测技术，虽然在这个木马、流氓件猖獗的年代，检测技术(除了考虑效率因素外)已经变得不是十分重要了。但俺仍然出于兴趣想从这里面寻找些思路。
betteroneisme·2025-02-28 10:26

游戏开放经济系统的部分思考

游戏内的经济系统设计确实与现实中的宏观经济调控有相似逻辑，而现实中的对抗“非法经济组织”（如黑市、洗钱集团、垄断企业）的策略，经过适当改造后可以迁移到游戏内对抗工作室。
ArimaMisaki·2025-02-28 09:07

神经网络中的Adam

Adam（AdaptiveMomentEstimation）是一种广泛使用的优化算法，结合了RMSprop和动量（Momentum）的优点。它通过计算梯度的一阶矩估计（mean）和二阶矩估计（uncenteredvariance），为每个参数提供自适应学习率。Adam由DiederikP.Kingma和JimmyBa在2014年的论文《Adam:AMethodforStochasticOptimi
化作星辰·2025-02-28 08:01

神经网络中的Nesterov Momentum

NesterovAcceleratedGradient(NAG)，也称为NesterovMomentum，是一种改进版的动量优化算法，旨在加速梯度下降过程中的收敛速度，并提高对最优解的逼近效率。它由YuriiNesterov在1983年提出，是对传统动量方法的一种增强。###传统动量法回顾在传统的动量方法中，更新规则不仅考虑当前的梯度，还包含了之前所有梯度的方向和大小的累积（即“动量”），以帮助克
化作星辰·2025-02-28 08:31

神经网络中的Adagrad

Adagrad（AdaptiveGradient）是一种自适应学习率的优化算法，专门设计用于在训练过程中自动调整每个参数的学习率。这种方法对于处理稀疏数据特别有效，并且非常适合那些需要频繁更新但很少使用的参数的学习任务。###Adagrad的核心思想Adagrad通过累积过去所有梯度平方的和来调整每个权重的学习率。具体来说，它为网络中的每个参数维护一个历史梯度平方和，然后用这个累积值来缩放当前的学
化作星辰·2025-02-28 07:53

大模型专栏博文汇总和索引

大模型专栏主要是汇总了我在学习大模型相关技术期间所做的一些总结和笔记，主要包括以下几个子专栏：DeepSeek-R1AIGC大模型实践Transformer多模态系统视频理解对比学习目标检测目标跟踪图神经网络大模型专栏汇总了以上所有子专栏的论文
Donvink·2025-02-28 03:53

金融风控与医疗影像算法创新前沿

医疗影像诊断领域则依托三维卷积神经网络（3D-CNN）架构，实现了对CT、MRI等多模态影像的精准病灶分割，诊断准确率较传统方法提升23.6%。
智能计算研究中心·2025-02-28 02:44

AI探索笔记：浅谈人工智能算法分类

这张图片通过三个同心圆展示了人工智能、机器学习和深度学习之间的包含关系，其中人工智能是最广泛的范畴，机器学习是其子集，专注于数据驱动的算法改进，而深度学习则是机器学习中利用多层神经网络进行学习的特定方法
安意诚Matrix·2025-02-28 00:52

pytorch阶段性总结2

nn神经网络functional当中卷积的使用importtorchimporttorch.nn.functionalasF#数据input=torch.tensor([[1,2,0,3,1],[0,1,2,3,1
Colinnian·2025-02-27 23:41

AI探索笔记：线性回归

下面分别用传统方法（sklearn）和神经网络（pytorch）来解决线性回归问题。
安意诚Matrix·2025-02-27 22:37

DCMNet一种用于目标检测的轻量级骨干结构模型详解及代码复现

早期的手工特征提取方法如Viola-Jones和HOG逐渐被卷积神经网络（CNN）取代，其中AlexNet在2012年的ILSVRC比赛中表现突出，推动了CNN在计算机视觉中的广泛应用。
清风AI·2025-02-27 21:03

UNet：UNet在自然环境监测中的应用案例_2024-07-24_09-14-11.Tex

UNet：UNet在自然环境监测中的应用案例UNet模型概述UNet是一种广泛应用于图像分割任务的卷积神经网络模型，由OlafRonneberger、PhilippFischer和ThomasBrox在
chenjj4003·2025-02-27 21:29

软件供应链安全工具链研究系列—RASP自适应威胁免疫平台（下篇）

那么在当今高强度攻防对抗的大场景下，RASP作为最后一道防线，不论是从高危漏洞修复还是应对高级攻击技术，都有着更高的要求。
DevSecOps选型指南·2025-02-27 21:54

神经网络参数量计算

算一个只有两层的神经网络的参数量，我们需要考虑两层之间的连接权重和偏置项。以下是详细的计算步骤：网络结构输入层（第一层）：有2个神经元。输出层（第二层）：有3个神经元。
坠金·2025-02-27 20:49

图神经网络：拓扑数据分析的新时代

随着图数据的广泛应用，图神经网络（GraphNeuralNetwork,GNN）作为一种强大的深度学习工具，逐渐成为机器学习领域中的一颗新星。
Jason_Orton·2025-02-27 19:44

TensorFlow基础架构

处理结构计算图纸Tensorflow首先要定义神经网络的结构,然后再把数据放入结构当中去运算和training.处理结构因为TensorFlow是采用数据流图（dataflowgraphs）来计算,所以首先我们得创建一个数据流流图
humbinal·2025-02-27 19:40

深度学习重要论文阅读笔记 ResNet （2025.2.26）

文章目录问题背景数据预处理神经网络模型模型性能知识点积累英语单词积累问题背景随着神经网络变得更深（层数变多），模型的训练过程也会变得更加困难。
北岛寒沫·2025-02-27 16:50

深度学习-自学手册

人工智能机器学习神经网络前馈神经网络：没有回路的反馈神经网络：有回路的DNN深度神经网络CNN卷积神经网络RNN循环神经网络LSTM是RNN的一种，长短期记忆网络自然语言处理神经网络神经元-分类器Hebb
谁用了尧哥这个昵称·2025-02-27 15:37

DeepSeek 高阶应用技术详解（4）

本篇将深入探讨DeepSeek在时间序列分析、图神经网络（GNN）和推荐系统中的应用。这些领域是深度学习的前沿方向，具有广泛的实际应用价值。
Evaporator Core·2025-02-27 14:33

【漫话机器学习系列】106.线性激活函数（Linear Activation Function）

在神经网络中，激活函数的作用是将网络的线性组合映射到某种非线性输出。传统的线性激活函数常用于一些特定场景，比如回归问题，其中预测的目标值与输入特征之间可能存在线性关系。
IT古董·2025-02-27 13:25

Windows环境安装torch_geometric库报错

  Windows下安装，最近在学习图神经网络需要用到geometric_torch结果怎么装都装不上。
一穷二白到年薪百万·2025-02-27 11:11

AIGC生图技术剖析：文本生成图像的核心算法与创新应用

全文目录：开篇语前言AIGC技术核心：从文本到图像的转换1.文本编码与语义提取2.生成对抗网络（GAN）3.变分自编码器（VAE）4.融合模型：CLIP+VQ-GAN核心算法示例：使用Python生成图像使用
喵手·2025-02-27 09:29

用 PyTorch/TensorFlow 搭建简单全连接神经网络

目录用PyTorch/TensorFlow搭建简单全连接神经网络网络结构概述1.使用PyTorch构建网络2.使用TensorFlow构建网络总结用PyTorch/TensorFlow搭建简单全连接神经网络在本篇博客中
gs80140·2025-02-27 08:21

50、深度学习-自学之路-自己搭建深度学习框架-11、添加RNN递归神经网络层为了浮现RNN的神经网络使用框架。

importnumpyasnpclassTensor(object):def__init__(self,data,autograd=False,creators=None,creation_op=None,id=None):self.data=np.array(data)self.autograd=autogradself.grad=Noneif(idisNone):self.id=np.rand
小宇爱·2025-02-27 06:01

计算机视觉：经典数据格式(VOC、YOLO、COCO)解析与转换(附代码)

第一章：计算机视觉中图像的基础认知第二章：计算机视觉：卷积神经网络(CNN)基本概念(一)第三章：计算机视觉：卷积神经网络(CNN)基本概念(二)第四章：搭建一个经典的LeNet5神经网络(附代码)第五章
全栈你个大西瓜·2025-02-27 05:57

深度学习的前沿与挑战：从基础到最新进展

深度学习的工作原理深度学习的关键技术1.卷积神经网络（CNN）2.循环神经网络（RNN）3.生成对抗网络（GAN）4.变分自编码器（VAE）5.自注意力机制与Transformer深度学习的应用1.计算机视觉
Jason_Orton·2025-02-27 03:09

第十三站：卷积神经网络（CNN）的优化

前言：在上一期我们构建了基本的卷积神经网络之后，接下来我们将学习一些提升网络性能的技巧和方法。这些优化技术包括数据增强、网络架构的改进、正则化技术。
武狐肆骸·2025-02-27 03:08

深度学习：从神经网络到智能应用

二.深度学习的基本原理1.神经网络的组成2.激活函数3.反向传播（Backpropagation）三.深度学习的常见模型四.深度学习的应用场景五.深度学习的挑战与未来结语引言深度学习（DeepLearning
Jason_Orton·2025-02-27 00:43

《深度揭秘：生成对抗网络如何重塑遥感图像分析精度》

生成对抗网络（GAN）的出现，为提升人工智能在遥感图像分析中的精度开辟了全新的路径。
程序猿阿伟·2025-02-27 00:11

《深度揭秘：生成对抗网络如何重塑遥感图像分析精度》

生成对抗网络（GAN）的出现，为提升人工智能在遥感图像分析中的精度开辟了全新的路径。
·2025-02-26 23:07

《深度剖析：生成对抗网络中生成器与判别器的高效协作之道》

在人工智能的前沿领域，生成对抗网络（GAN）以其独特的对抗学习机制，为数据生成和处理带来了革命性的变革。
程序猿阿伟·2025-02-26 23:04

理解CPU与GPU频繁数据传输

基础理解在学习深度学习神经网络过程中，有时候会遇到一些描述“尽量避免CPU与GPU频繁数据传输”。那这句话应该如何理解呢？我们知道CPU可以访问内存，而GPU也有自己的显存。
_DCG_·2025-02-26 22:58

深度学习批次数据处理的理解

基础介绍在计算机视觉深度学习网络中，在训练阶段数据输入通常是一个批次，即不是一次输入单张图片，而是一次性输入多张图片，而神经网络的结构内部一次只能处理一张图片，这时候很自然就会考虑为什么要这样的输入？
_DCG_·2025-02-26 22:28

【人工智能数学基础篇】线性代数基础学习：深入解读矩阵及其运算

矩阵不仅在数据科学中广泛应用，更是神经网络、图像处理、自然语言处理等领域的重要工具。
猿享天开·2025-02-26 14:33

机器学习安全核心算法全景解析

一、数据安全防护算法1.对抗样本防御算法名称核心思想2024年最新进展典型应用场景TRADES鲁棒性-准确性权衡优化Facebook提出自监督TRADES改进版自动驾驶目标检测JacobianSVD输入
金外飞176·2025-02-26 12:44

训练神经网络出现nan

在理解和修改QARV的代码时，出现了训练会因为nan而终止的问题，因此学习记录。参考资料Pytorch训练模型损失Loss为Nan或者无穷大（INF）原因Pytorch训练模型损失Loss为Nan或者无穷大（INF）原因_pytorchnan-CSDN博客文章浏览阅读5.6w次，点赞135次，收藏489次。常见原因-1一般来说，出现NaN有以下几种情况：相信很多人都遇到过训练一个deepmodel
崧小果·2025-02-26 11:12

【TVM教程】为 NVIDIA GPU 自动调度神经网络

本文介绍如何使用auto-scheduler为NVIDIAGPU调优整个神经网络。为自动调优神经网络，需要将网络划分为小的子图并独立调优。每个子图被视为
HyperAI超神经·2025-02-26 09:57
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他