论文阅读-深度学习第13页

炸裂提速！PyTorch 2.2 Torch.compile优化器实战：从原理到模型训练加速300%全攻略

一、引言：深度学习训练性能的革命性飞跃1.1传统训练模式的性能瓶颈在深度学习模型训练中，传统PyTorch训练模式面临诸多挑战：计算效率低下：某计算机视觉模型在A100GPU上训练，单步迭代耗时达800ms

游戏人生的NPC·2025-06-20 14:41

深度学习——激活函数

深度学习——激活函数激活函数是人工是人工神经网络中一个关键的组成部分，它被设计用来引入非线性特性到神经网络模型中，使神经网络能够学习和逼近复杂的非线性映射关系。

笨小古·2025-06-20 14:08

Day48打卡 @浙大疏锦行

这种随机张量在深度学习中非常实用，常用于初始化模型参数、生成测试数据或模拟输入特征。torch.randn(*size,out=None,dtype=None,layout=torch.strided

ayuan0119·2025-06-20 13:32

数学基础（线性代数、概率统计、微积分）缺乏导致概念难以理解问题大全

数学基础（线性代数、概率统计、微积分）缺乏导致概念难以理解问题大全机器学习/深度学习的核心算法背后，往往需要用到矩阵运算、特征向量、梯度下降等；如果连矩阵乘法、特征值、偏导数都没搞懂，就很难理解模型原理

猫头虎技术团队·2025-06-20 12:56

深入理解AI人工智能深度学习的原理架构

深入理解AI人工智能深度学习的原理架构关键词：AI人工智能、深度学习、原理架构、神经网络、数学模型摘要：本文旨在深入探讨AI人工智能中深度学习的原理架构。

AI大模型应用实战·2025-06-20 12:56

深度学习之目标检测YOLO简介和YOLO v1模型算法流程详解说明（超详细理论篇）

1.YOLO（YouOnlyLookOnce）2.onestage和twostage含义和区别3.YOLOv1论文背景4.YOLOv1算法流程5.YOLOv1创新点一、YOLO（YouOnlyLookOnce） YOLO（YouOnlyLookOnce）是一种开创性的实时目标检测算法，由JosephRedmon等人于2015年提出。核心思想是将目标检测任务转化为单次前向传播的回归问题，通过单个神

Studying 开龙wu·2025-06-20 11:14

【深度学习|学习笔记】预训练（Pretraining）的作用有哪些？

【深度学习|学习笔记】预训练（Pretraining）的作用有哪些？【深度学习|学习笔记】预训练（Pretraining）的作用有哪些？

985小水博一枚呀·2025-06-20 10:39

【CUDA】认识CUDA

在深度学习领域中，CUDA能够显著提升神经网络训练的速度和效率CUDA安装前的准备确认系统满足CUDA的硬件和软件要求。

Gappsong874·2025-06-20 10:38

机器学习、深度学习在数学建模的应用

与此同时，机器学习，特别是深度学习的崛起，以其从海量数据中萃取复杂模式与高级表征的卓越能力，正在深刻变革知识发现的图景。

「已注销」·2025-06-20 09:02

目标检测中存在的部分难点及相应解决思路

（本文只是笔者看了若干知乎文章与csdn博客后做的一个个人总结，笔者也只是一个刚开始了解深度学习的大一萌新，不要试图对本文抱有任何学术水平的期望小目标检测定义：顾名思义，略。

殇者知忧·2025-06-20 09:30

【深度学习】条件随机场（CRF）深度解析：原理、应用与前沿

条件随机场（CRF）深度解析：原理、应用与前沿一、算法背景知识1.1序列标注的挑战1.2概率图模型演进二、算法理论与结构2.1基本定义2.2特征函数设计状态特征（节点特征）转移特征（边特征）2.3线性链CRF结构2.4训练与解码2.5前向-后向算法三、模型评估3.1评估指标3.2评估方法对比3.3性能基准（CoNLL-2003NER）四、应用案例4.1自然语言处理4.2生物信息学4.3计算机视觉五

白熊188·2025-06-20 09:58

基于YOLOv5、YOLOv8和YOLOv10的交通信号灯状态检测：深度学习应用与实现

近年来，深度学习技术，尤其是YOLO（YouOnlyLookOnce）系列算法，凭借其卓越的目标检测能力，已经成为解决交通信号灯

YOLO实战营·2025-06-20 09:57

【深度学习】循环神经网络（RNN）：序列建模的奠基者

循环神经网络（RNN）：序列建模的奠基者一、算法背景：序列数据的挑战1.1传统神经网络的局限1.2序列数据特性二、算法理论：RNN的核心架构2.1基本RNN结构2.2时间展开原理2.3长短期记忆网络（LSTM）2.4门控循环单元（GRU）三、模型评估：序列建模的评判标准3.1通用评估指标3.2性能对比（PennTreebank数据集）四、应用案例：改变人机交互方式4.1机器翻译（Seq2Seq架构

白熊188·2025-06-20 08:25

大语言模型应用指南：长期记忆

大语言模型应用指南：长期记忆关键词：长期记忆大语言模型序列生成记忆增强应用案例1.背景介绍1.1问题的由来随着深度学习技术的飞速发展，大语言模型（LargeLanguageModels,LLMs）凭借其强大的序列生成能力

AI天才研究院·2025-06-20 07:19

Keras深度学习框架第十四讲：使用TensorFlow进行多GPU分布式训练

多GPU分布式训练在深度学习领域尤其重要，因为它可以极大地提高模型的训练速度和效率。在使用TensorFlow进行多GPU分布式训练时，通常需要遵循

MUKAMO·2025-06-20 06:37

TensorFlow深度学习实战——Transformer变体模型

TensorFlow深度学习实战——Transformer变体模型0.前言1.BERT2.GPT-23.GPT-34.Reformer5.BigBird6.Transformer-XL7.XLNet8.

盼小辉丶·2025-06-20 06:36

深度学习初探：从CNN到GAN的视觉智能之旅

摘要深度学习为图像处理注入了革命性动力。

小米玄戒Andrew·2025-06-20 04:27

【Python与生活】如何实现一个条形码检测算法？

下面我将介绍如何使用Python和深度学习框架实现一个高效的条形码识别解决方案。

小米玄戒Andrew·2025-06-20 04:57

AI转型指南

点击跳转到网站一、AI行业全景扫描（认知篇）技术图谱解构机器学习/深度学习/强化学习的技术边界NLP/CV/语音/推荐系统等细分赛道的就业热度对比传统计算机技能与AI能力的交叉点（如分布式计算、系统

HeartException·2025-06-20 00:35

【论文阅读笔记】《CodeS: Towards Building Open-source Language Models for Text-to-SQL 》

文章目录一、论文基本信息1.文章标题2.所属刊物/会议3.发表年份4.作者列表5.发表单位二、摘要三、解决问题四、创新点五、自己的见解和感想六、研究背景七、研究方法模型实验数据评估指标八、总结九、相关重要文献一、论文基本信息1.文章标题CodeS:TowardsBuildingOpen-sourceLanguageModelsforText-to-SQL2.所属刊物/会议未明确标注（会议缩写为“C

柠石榴·2025-06-19 22:42

Docker+深度学习镜像(预装anaconda+ssh+pytorch+时区设置)

介绍：开箱即用的深度学习的镜像，基于ubuntu20.04版本构建。设置好了一个py37的conda环境，该环境预装好了pytorch。

qq_43288818·2025-06-19 20:30

FaceFusion 数字人测评：从技术表现到场景落地的多维实测分析

一、逼真度测评：逼近真人的视觉还原能力人脸融合精度FaceFusion通过深度学习模型（如关键点检测与3D面部建模）实现高维度特征对齐，在静态图像换脸中，五官定位误差可控制在像素级，尤其是眼周、唇线等细节区域的纹理融合几乎无明显割裂感

gogoMark·2025-06-19 18:45

【深度学习|冰川制图7】GlacierNet2：一种面向高山冰川制图的混合多模型学习架构

【深度学习|冰川制图7】GlacierNet2：一种面向高山冰川制图的混合多模型学习架构【深度学习|冰川制图7】GlacierNet2：一种面向高山冰川制图的混合多模型学习架构文章目录【深度学习|冰川制图

努力毕业的小土博^_^·2025-06-19 18:44

【深度学习|学习笔记】生成模型（Generative Model）和判别模型（Discriminative Model）的原理、数学定义、经典模型、优劣对比、联系与融合详解。

【深度学习|学习笔记】生成模型（GenerativeModel）和判别模型（DiscriminativeModel）的原理、数学定义、经典模型、优劣对比、联系与融合详解。

努力毕业的小土博^_^·2025-06-19 18:14

【深度学习|冰川制图1】GlacierNet2：一种面向高山冰川制图的混合多模型学习架构

【深度学习|冰川制图1】GlacierNet2：一种面向高山冰川制图的混合多模型学习架构【深度学习|冰川制图1】GlacierNet2：一种面向高山冰川制图的混合多模型学习架构文章目录【深度学习|冰川制图

·2025-06-19 18:43

【Pytorch、torchvision、CUDA 各个版本对应关系以及安装指令】

CUDA旨在利用NVIDIAGPU（图形处理单元）的强大计算能力来加速各种科学计算、数值模拟和深度学习任务。GPU并行计算C

CL_Meng77·2025-06-19 18:08

Transformer-BIGRU多输入多输出 | Matlab实现-Transformer-BIGRU多输入多输出预测，运行环境为Matlab2023及以上

内容介绍年来，随着深度学习技术的飞速发展，基于Transformer和循环神经网络(RNN)的混合模型在时间序列预测领域展现出强大的优势。

Matlab算法改进和仿真定制工程师·2025-06-19 17:38

GPU 服务器：高性能计算的强大引擎

它配备了高性能的图形处理单元（GPU），能够在深度学习、科学计算、视频编解码等多个领域发挥强大的作用。据统计，在深度学习领域，GPU服务器能够将模型训练时间缩短数倍甚至数十倍。

海域云李潮海·2025-06-19 17:32

大规模胰腺癌检测通过非对比增强CT和深度学习| 文献速递-视觉通用模型与疾病诊断

Title题目Large-scalepancreaticcancerdetectionvianon-contrastCTanddeeplearning大规模胰腺癌检测通过非对比增强CT和深度学习01文献速递介绍胰腺导管腺癌

有Li·2025-06-19 14:12

文献速递：深度学习乳腺癌诊断---使用深度学习改善乳腺癌诊断的MRI技术

Title题目ImprovingbreastcancerdiagnosticswithdeeplearningforMRI使用深度学习改善乳腺癌诊断的MRI技术01文献速递介绍乳腺磁共振成像（MRI）是一种高度敏感的检测乳腺癌的方式

有Li·2025-06-19 14:12

《基于超声的深度学习模型用于降低BI-RADS 4A乳腺病变的恶性率》论文笔记 MobileNet

APPLICATIONOFDEEPLEARNINGTOREDUCETHERATEOFMALIGNANCYAMONGBI-RADS4ABREASTLESIONSBASEDONULTRASONOGRAPHY》《基于超声的深度学习模型用于降低

往事随风、、·2025-06-19 13:09

agentformer论文阅读

参考了这篇博文：https://zhuanlan.zhihu.com/p/512764984主要有这几个部分a.map_encoderi.对地图进行CNNb.ContextEncoderi.timeencoder–将时间信息用transformer和positionemb进行融合，加入到特征中ii.agent-awareattention–self和selfattentionother和other

ZHANG8023ZHEN·2025-06-19 13:08

深度学习“炼丹”实战：用LeNet驯服MNIST“神兽”

宝子们，在深度学习的神秘世界里，咱们就像一群“炼丹师”，而模型就是咱们精心炼制的“丹药”，数据集则是炼丹的“原材料”。

AI妈妈手把手·2025-06-19 10:44

智能光学计算成像技术前沿体系解析

AI融合层深度剖析深度学习在成像中的革新应用：端到端光学设计：通过可微光学模型（衍射/折射/复杂透镜）实现硬

m0_75133639·2025-06-19 10:14

pytorch深度学习入门（12）之-神经网络导出onnx模型部署与应用

概述：ONNX（OpenNeuralNetworkExchange）是一种开放神经网络交换格式，它使得不同深度学习框架（如TensorFlow、PyTorch、MXNet等）之间的互操作成为可能。

码农呆呆·2025-06-19 10:12

理解Logits、Softmax和softmax_cross_entropy_with_logits的区别

理解Logits、Softmax和softmax_cross_entropy_with_logits的区别技术背景在机器学习尤其是深度学习中，分类问题是一个常见的任务。

1010n111·2025-06-19 08:00

在深度学习中解决什么具体问题？没有它会存在哪些问题？

torch是一个开源的机器学习框架，它为深度学习提供了强大的支持。以下是关于它的详细介绍：什么是Torch？Torch是一个用Lua语言编写的科学计算框架，特别适合进行深度学习研究。

·2025-06-19 07:58

基于深度学习的智能图像分割系统：技术与实践

近年来，深度学习技术，尤其是卷积神经网络（CNN）及其变体，为图像分割带来了显著的改进。本文将详细介绍基于深度学习的智能图像分割系统的原理、实现方法以及实际应用案例。

Blossom.118·2025-06-19 07:27

基于深度学习的图像生成技术：GAN的进阶探索与应用实践

生成对抗网络（GAN）自2014年提出以来，已成为深度学习领域的研究热点。其强大的图像生成能力在众多领域展现出无限潜力。本文将深入探讨GAN的高级技术，分享实践经验，并分析当前GAN研究的最新进展。

赵大仁·2025-06-19 07:25

基于深度学习的智能图像风格转换系统：技术与实践

近年来，深度学习技术，尤其是卷积神经网络（CNN）和生成对抗网络（GAN），为图像风格转换带来了革命性的进展。本文将详细介绍基于深度学习的智能图像风格转换系统的原理、实现方法以及实际应用案例。

Blossom.118·2025-06-19 06:53

深度学习训练难题：6大问题与实战解法

目录深度学习模型训练常见问题及解决方法引言一、梯度消失与爆炸问题描述解决方法二、过拟合问题问题表现解决方案三、学习率问题学习率影响自适应学习率四、数据不平衡处理策略过采样技术（SMOTE）：五、局部最小值陷阱解决方案六

·2025-06-19 04:35

AIGC 领域下 AIGC 视频的应用场景大揭秘

AIGC领域下AIGC视频的应用场景大揭秘关键词：AIGC、视频生成、人工智能、内容创作、应用场景、深度学习、计算机视觉摘要：本文深入探讨了AIGC（人工智能生成内容）在视频领域的应用场景，从技术原理到实际案例

AI天才研究院·2025-06-19 02:25

【Python】深度学习-VGG19网络

第一章：VGG的哲学根基——一场由简约与深度引领的革命在卷积神经网络（ConvolutionalNeuralNetwork,CNN）的璀璨星河中，VGG（VisualGeometryGroup）网络家族的出现，并非一次技术上的偶然突变，而是一场深刻的、影响至今的哲学革命。它并非以奇诡的结构或复杂的数学技巧取胜，恰恰相反，它以一种近乎禁欲主义的简约和对“深度”这一核心要素的极致追求，为后续网络架构的

宅男很神经·2025-06-19 01:43

什么是 tensorflow ？解决了什么问题？为什么需要它？没有它会出现什么问题？

TensorFlow主要解决了深度学习实践中的以下关键问题：跨平台计算：TensorFlow支持在CP

微信公众号：AI创造财富·2025-06-19 01:43

【论文阅读】DynamicControl ：一种新的controlnet多条件控制方法

背景现有方法要么处理条件效率低下，要么使用固定数量的条件，这并不能完全解决多个条件的复杂性及其潜在冲突。这强调了需要创新方法来有效管理多种条件，以实现更可靠和详细的图像合成。为了解决这个问题，我们提出了一个新的框架DynamicControl，它支持不同控制信号的动态组合，允许自适应选择不同数量和类型的条件。本文方法从一个双循环控制器开始，它通过利用预先训练的条件生成模型和判别模型为所有输入条件生

prinTao·2025-06-18 19:33

AI for Science：智能科技如何重塑科学研究

从早期的专家系统到如今的深度学习，AI的发展经历了数次技术浪潮，每一次突破都伴随着计算能力的提升和数据规模的爆

蓑雨春归·2025-06-18 16:48

【深度学习-Day 9】机器学习核心概念入门：监督、无监督与强化学习全解析

Langchain系列文章目录01-玩转LangChain：从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块：四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain：从核心链条构建到动态任务分配的实战指南04-玩转LangChain：从文档加载到高效问答系统构建的全程实战05-玩转LangChain：深度评估问答系统的三种高效方法（示例生成、手

吴师兄大模型·2025-06-18 13:23

【深度学习-Day 23】框架实战：模型训练与评估核心环节详解 (MNIST实战)