- Time-Series Representation Learning via Temporal and Contextual Contrasting（通过时间和上下文对比的时间序列表示学习） Time-Series Representation Learning via Temporal and Contextual Contrasting（通过时间和上下文对比的时间序列表示学习）
- 本项目对PGL图学习系列项目进行整合方便大家后续学习，同时对图学习相关技术和业务落地侧进行归纳总结，以及对图网络开放数据集很多学者和机构发布了许多与图相关的任务。 本项目对PGL图学习系列项目进行整合方便大家后续学习，同时对图学习相关技术和业务落地侧进行归纳总结，以及对图网络开放数据集很多学者和机构发布了许多与图相关的任务。
- @TOC 🍉零、引言本文完成于2022-07-02 20:21:55。博主在瑞芯微RK3588的开发板上跑了deepsort跟踪算法，从IP相机中的server拉取rtsp视频流，但是fps只有1.2，和放PPT一样卡顿，无法投入实际应用。本来想使用tensorrt进行加速推理，但是前提需要cuda，rk的板子上都是Arm的手机gpu，没有Nvidia的cuda，所以这条路行不通。那么转过... @TOC 🍉零、引言本文完成于2022-07-02 20:21:55。博主在瑞芯微RK3588的开发板上跑了deepsort跟踪算法，从IP相机中的server拉取rtsp视频流，但是fps只有1.2，和放PPT一样卡顿，无法投入实际应用。本来想使用tensorrt进行加速推理，但是前提需要cuda，rk的板子上都是Arm的手机gpu，没有Nvidia的cuda，所以这条路行不通。那么转过...
- 图神经网络（Graph Neural Network）是一种专门处理图结构数据的神经网络，目前被广泛应用于推荐系统、金融风控、生物计算中。图神经网络的经典问题主要有三种，包括节点分类、连接预测和图分类三种，本次比赛是主要让同学们熟悉如何图神经网络处理节点分类问题。 图神经网络（Graph Neural Network）是一种专门处理图结构数据的神经网络，目前被广泛应用于推荐系统、金融风控、生物计算中。图神经网络的经典问题主要有三种，包括节点分类、连接预测和图分类三种，本次比赛是主要让同学们熟悉如何图神经网络处理节点分类问题。
- 使用DDPG算法控制小车上山 实验目标通过本案例的学习和课后作业的练习：了解DDPG算法的基本概念了解如何基于DDPG训练一个控制类小游戏了解强化学习训练推理游戏的整体流程你也可以将本案例相关的 ipynb 学习笔记分享到 AI Gallery Notebook 版块获得成长值，分享方法请查看此文档。 案例内容介绍MountainCarContinuous是连续动作空间的控制游戏，也是Op... 使用DDPG算法控制小车上山 实验目标通过本案例的学习和课后作业的练习：了解DDPG算法的基本概念了解如何基于DDPG训练一个控制类小游戏了解强化学习训练推理游戏的整体流程你也可以将本案例相关的 ipynb 学习笔记分享到 AI Gallery Notebook 版块获得成长值，分享方法请查看此文档。 案例内容介绍MountainCarContinuous是连续动作空间的控制游戏，也是Op...
- 为了实现可扩展的，健壮的和可重现的图学习研究，提出了Open Graph Benchmark (OGB)——具有规模大、领域广、任务类别多样化的现实图数据集。在特定于应用程序的使用案例的驱动下，对给定的数据集采用了实际的数据分割方法。通过广泛的基准实验，强调OGB数据集对于图学习模型在现实的数据分割方案下处理大规模图并进行准确的预测提出了重大挑战。总而言之，OGB为未来的研究提供了丰富的机会，以推 为了实现可扩展的，健壮的和可重现的图学习研究，提出了Open Graph Benchmark (OGB)——具有规模大、领域广、任务类别多样化的现实图数据集。在特定于应用程序的使用案例的驱动下，对给定的数据集采用了实际的数据分割方法。通过广泛的基准实验，强调OGB数据集对于图学习模型在现实的数据分割方案下处理大规模图并进行准确的预测提出了重大挑战。总而言之，OGB为未来的研究提供了丰富的机会，以推
- PGL图学习之图神经网络GraphSAGE、GIN图采样算法[系列七] PGL图学习之图神经网络GraphSAGE、GIN图采样算法[系列七]
- @[toc]在上一篇文章中完成了前期的准备工作，见链接：MaxViT实战：使用MaxViT实现图像分类任务（一）这篇主要是讲解如何训练和测试 训练完成上面的步骤后，就开始train脚本的编写，新建train.py. 导入项目使用的库import jsonimport osimport shutilimport matplotlib.pyplot as pltimport torchimpor... @[toc]在上一篇文章中完成了前期的准备工作，见链接：MaxViT实战：使用MaxViT实现图像分类任务（一）这篇主要是讲解如何训练和测试 训练完成上面的步骤后，就开始train脚本的编写，新建train.py. 导入项目使用的库import jsonimport osimport shutilimport matplotlib.pyplot as pltimport torchimpor...
- 介绍了异质图，利用pgl对metapath2vec、metapath2vec 进行了实现，并给出了多个框架版本的demo满足个性化需求 metapath2vec是一种用于异构网络中表示学习的算法框架，其中包含多种类型的节点和链接。给定异构图，metapath2vec 算法首先生成基于元路径的随机游走，然后使用 skipgram 模型训练语言模型。基于 PGL重现了 metapath2vec 算法 介绍了异质图，利用pgl对metapath2vec、metapath2vec 进行了实现，并给出了多个框架版本的demo满足个性化需求 metapath2vec是一种用于异构网络中表示学习的算法框架，其中包含多种类型的节点和链接。给定异构图，metapath2vec 算法首先生成基于元路径的随机游走，然后使用 skipgram 模型训练语言模型。基于 PGL重现了 metapath2vec 算法
- @[toc]在上一篇文章中完成了前期的准备工作，见链接：Swin Transformer v2实战：使用Swin Transformer v2实现图像分类（一）这篇主要是讲解如何训练和测试 训练完成上面的步骤后，就开始train脚本的编写，新建train.py. 导入项目使用的库import jsonimport osimport shutilimport matplotlib.pyplot... @[toc]在上一篇文章中完成了前期的准备工作，见链接：Swin Transformer v2实战：使用Swin Transformer v2实现图像分类（一）这篇主要是讲解如何训练和测试 训练完成上面的步骤后，就开始train脚本的编写，新建train.py. 导入项目使用的库import jsonimport osimport shutilimport matplotlib.pyplot...
- @[toc](Swin Transformer V2实战) 摘要Swin Transformer v2解决了大型视觉模型训练和应用中的三个主要问题，包括训练不稳定性、预训练和微调之间的分辨率差距以及对标记数据的渴望。提出了三种主要技术：1）残差后范数方法结合余弦注意提高训练稳定性；2）一种对数空间连续位置偏差方法，可有效地将使用低分辨率图像预训练的模型转移到具有高分辨率输入的下游任务；3）一... @[toc](Swin Transformer V2实战) 摘要Swin Transformer v2解决了大型视觉模型训练和应用中的三个主要问题，包括训练不稳定性、预训练和微调之间的分辨率差距以及对标记数据的渴望。提出了三种主要技术：1）残差后范数方法结合余弦注意提高训练稳定性；2）一种对数空间连续位置偏差方法，可有效地将使用低分辨率图像预训练的模型转移到具有高分辨率输入的下游任务；3）一...
- 6.Paddle Graph Learning (PGL)图学习之图游走类模型[系列四] 6.Paddle Graph Learning (PGL)图学习之图游走类模型[系列四]
- 镜头缺陷检测 1 项目说明摄像头模组是智能手机最为重要的组成部分之一。随着智能手机行业的快速发展,摄像头模组的需求量增加。高像素摄像头的出现,对模组检测精度要求提出了新的挑战。项目中以手机镜头为例，向大家介绍如何快速使用实例分割方式进行缺陷检测。 2 数据准备数据集中包含了992张已经标注好的数据，标注形式为MSCOCO的实例分割格式。点击此处下载数据集数据切分将训练集、验证集和测试集按照... 镜头缺陷检测 1 项目说明摄像头模组是智能手机最为重要的组成部分之一。随着智能手机行业的快速发展,摄像头模组的需求量增加。高像素摄像头的出现,对模组检测精度要求提出了新的挑战。项目中以手机镜头为例，向大家介绍如何快速使用实例分割方式进行缺陷检测。 2 数据准备数据集中包含了992张已经标注好的数据，标注形式为MSCOCO的实例分割格式。点击此处下载数据集数据切分将训练集、验证集和测试集按照...
- 一、基于PaddleSpeech的低复杂度家庭环境音识别地址： https://challenge.xfyun.cn/topic/info?type=family-environment-2022项目地址：https://aistudio.baidu.com/aistudio/projectdetail/4470995 1.赛事背景声音作为一种重要的信息载体，由于其易收集、不受角度和光线的... 一、基于PaddleSpeech的低复杂度家庭环境音识别地址： https://challenge.xfyun.cn/topic/info?type=family-environment-2022项目地址：https://aistudio.baidu.com/aistudio/projectdetail/4470995 1.赛事背景声音作为一种重要的信息载体，由于其易收集、不受角度和光线的...
- 项目地址： https://aistudio.baidu.com/aistudio/projectdetail/4523108?contributionType=1欢迎fork 一、医疗搜索意图识别挑战赛简介地址：https://challenge.xfyun.cn/topic/info?type=medical-search&option=ssgy随着人们的生活质量逐步提高，老百姓更加关注... 项目地址： https://aistudio.baidu.com/aistudio/projectdetail/4523108?contributionType=1欢迎fork 一、医疗搜索意图识别挑战赛简介地址：https://challenge.xfyun.cn/topic/info?type=medical-search&option=ssgy随着人们的生活质量逐步提高，老百姓更加关注...
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第五期2026/09/04 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；蒋春阳-华为云AI开发者案例开发专家
本期直播内容： AI工具体验营 · 第5-8课连讲。Agent-Team 多智能体协作完成毕业设计实践
回顾中 -
华为云开发者AI素养ClassRoom·第六期2026/09/08 周二 19:00-20:00
樊渊-2026华为软件挑战赛冠军
高手来了：看软挑高手解析二维排样问题—从工业难题到算法突破
回顾中
热门标签