pytorch学习（1）：torch.meshgrid的使用_torch meshgrid-爱代码爱编程
1. 简述 torch.meshgrid 生成网格，可以用于生成坐标。函数输入两个数据类型相同的一维张量，两个输出张量的行数为第一个输入张量的元素个数，列数为第二个输入张量的元素个数，当两个输入张量数据类型不同或维度不是一维时会报错。 原型 torch.meshgrid(*tensors, indexing=None) indexin
pytorch学习（2）：torch.device-爱代码爱编程
1. 简述 torch.device 是 PyTorch 中的一个类，它指定了张量（Tensor）和模型应该运行在哪个设备上。在深度学习中，通常会使用 GPU 来加速计算，而 torch.device 允许你轻松地在 CPU 和 GPU 之间切换。 torch.device代表将torch.Tensor分配到的设备的对象。 torch.device包
pytorch学习（3）：并行训练dataparallel与distributeddataparallel-爱代码爱编程
1. 简述 在使用pytorch训练网络时，一般都会使用多GPU进行并行训练，以提高训练速度，一般有单机单卡，单机多卡，多机多卡等训练方式。这就会使用到pytorch提供的DataParallel(DP)和DistributedDataParallel(DDP)这两个函数来实现。 2. DP和DDP的区别 DP是使用一个进程来计算模型参数，然后在每个
深度学习评价指标（1）：目标检测的评价指标-爱代码爱编程
1. 简述 在计算机视觉/深度学习领域，每一个方向都有属于自己的评价指标。通常在评估一个模型时，只需要计算出相应的评价指标，便可以评估算法的性能。同时，所谓SOTA，皆是基于某一评价指标进行的评估。 接下来，我们将对目标检测领域的评价指标做一个大体的说明，其中涉及Precision，AP，mAP，Accuracy等指标。
最新基于matlab 2023a的机器学习、深度学习应用_matlab2023实现convlstm-爱代码爱编程
目录 第一章 MATLAB 2023a深度学习工具箱新特性简介 第二章 卷积神经网络（Convolutional Neural Network, CNN） 第三章 模型可解释性与特征可视化Model Explanation and Feature Visualization 第四章 迁移学习算法（Transfer Learning） 第五章 循环
siamese network详解和tensorflow实现（附源码）-爱代码爱编程
文章目录 一、相似性度量1. 欧氏距离2. 马氏距离 二、Siamese network1. Siamese network 基础架构2. 损失函数3. 不同的Siamese network3.1. 行人
机器学习-爱代码爱编程
在前面讲到的CNN中，训练样本的输入和输出是比较的确定的。传统的神经网络模型中，是从输入层到隐含层再到输出层，层与层之间是全连接的，每层之间的节点是无连接的。但是有一类问题CNN不好解决，就是训练样本输入是连续的序列,且序列的长短不一，比如基于时间的序列：一段段连续的语音，一段段连续的手写文字。这些序列比较长，且长度不一，比较难直接的拆分成
对卷积和全连接之间关系的学习（1*1卷积与全连接层可以互换吗？）_1x1卷积核代替全连接-爱代码爱编程
1.对于卷积和全连接 首先我们看一张图，它是一张关于卷积的操作： 然后在看关于全连接的操作： 从上面两张图中可以看出卷积的过程和全连接的过程，我们利用粉色的卷积核在image上进行卷积，进行内积计算得到输出值3
inception network详解和tensorflow实现（附源码）-爱代码爱编程
文章目录 一、Inception Network简介二、CNN的痛点三、Inception Network1. 1x1卷积核1.1 升维/降维：1.2. 调节参数数量：1.3. 增加非线性特性： 2.
基于mobilenetv2的目标检测和tensorflow + transfer learning实现（附源码）_tensorflow2 目标检测 mobilenet-爱代码爱编程
文章目录 一、MobileNet1. 深度可分离卷积（Depthwise separable convolution）2. MobileNet V13. MobileNet V2 二、物体检测源码（基于M
基于tensorflow的模型和训练的自定义方法（附源码）_tensorflow自定义训练-爱代码爱编程
文章目录 自定义模型和训练1. Define the Model2. Define Optimizer and Loss3. Evaluate Untrained Model4. Define Metrics5
multi-爱代码爱编程
文章目录 一、Transformer的Attention1. Self-Attention2. Masked Self-Attention3. Multi-Head Attention 二、Transfo
深度学习—各种卷积_深度学习卷积-爱代码爱编程
1.普通卷积 1.1 什么是卷积 卷积是指在滑动中提取特征的过程，我们先从一个小小的权重矩阵，也就是 卷积核（kernel） 开始，让它逐步在二维输入数据上“扫描”。卷积核“滑动”的同时，计算权重矩阵和扫描所得的数据矩阵
基于tensorflow object detection api实现retinanet目标检测网络（附源码）_基于tensorflow oobject detectionapi训练的网络结构是啥-爱代码爱编程
文章目录 一、RetinaNet简介1. Backbone网络2. FPN网络 二、RetinaNet实现1. tf.train.CheckPoint简介2. RetinaNet的TensorFlow源码
gpt-爱代码爱编程
文章目录 一、GPT2实现步骤二、源码 一、GPT2实现步骤 机器学习模型的开发实现步骤一般都包含以下几个部分： 1. 遵照模型的网络架构，实现每一层（Layer/Block）的函数；
faster r-爱代码爱编程
文章目录 一、RPN网络1. RPN网络简介2. backbone网络简介 二、Faster R-CNN网络架构1. Faster R-CNN网络简介2. 基于TensorFlow Hub实现Faster
scaled dot-爱代码爱编程
文章目录 背景什么是AttentionAttention权重的计算方法1. 多层感知机法2. Bilinear方法3. Dot Product4. Scaled Dot Product Scaled do
vgg network的原理和tensorflow实现（附源码）_vgg和tensorflow-爱代码爱编程
文章目录 一、AlexNet和VGG二、VGG模型实现 一、AlexNet和VGG AlexNet 于 2012 年问世，是一次革命性的进步。它改进了传统的卷积神经网络 (CNN)，并成为图像分
swin-爱代码爱编程
1. 摘要 由于Transformer的大火，相对应的也出来了许多文章，但是这些文章的速度和精度相较于CNN还是差点意思，2021年微软研究院发表在ICCV上的一篇文章Swin Transformer是Transforme
bert（transformer encoder）详解和tensorflow实现（附源码）_transeformer bertmodel代码-爱代码爱编程
文章目录 一、BERT简介1. 模型2. 训练2.1 Masked Language Model2.2 Next Sentence Prediction2.3 BERT的输出 3. 微调 二、源码