- @[toc] 摘要论文：https://arxiv.org/abs/2111.11418论文翻译：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/128281326官方源码：https://github.com/sail-sg/poolformer模型代码解析：https://blog.csdn.net/hhhhhhhhh... @[toc] 摘要论文：https://arxiv.org/abs/2111.11418论文翻译：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/128281326官方源码：https://github.com/sail-sg/poolformer模型代码解析：https://blog.csdn.net/hhhhhhhhh...
- @[toc] 摘要论文翻译：【第58篇】DEiT：通过注意力训练数据高效的图像transformer &蒸馏DEiT通过引入一个蒸馏token实现蒸馏，蒸馏的方式有两种：1、将蒸馏token作为Teacher标签。两个token通过注意力在transformer中相互作用。实现蒸馏。用法参考：DEiT实战：使用DEiT实现图像分类任务（一）2、通过卷积神经网络去蒸馏蒸馏token，让tran... @[toc] 摘要论文翻译：【第58篇】DEiT：通过注意力训练数据高效的图像transformer &蒸馏DEiT通过引入一个蒸馏token实现蒸馏，蒸馏的方式有两种：1、将蒸馏token作为Teacher标签。两个token通过注意力在transformer中相互作用。实现蒸馏。用法参考：DEiT实战：使用DEiT实现图像分类任务（一）2、通过卷积神经网络去蒸馏蒸馏token，让tran...
- 数据增强（也叫数据扩增）的目的是为了扩充数据和提升模型的泛化能力。有效的数据扩充不仅能扩充训练样本数量，还能增加训练样本的多样性，一方面可避免过拟合，另一方面又会带来模型性能的提升。 数据增强（也叫数据扩增）的目的是为了扩充数据和提升模型的泛化能力。有效的数据扩充不仅能扩充训练样本数量，还能增加训练样本的多样性，一方面可避免过拟合，另一方面又会带来模型性能的提升。
- @toc 1、数据集介绍 鸢尾花数据集，其提供了 150 组鸢尾花数据，每组包括鸢尾花的花萼 长、花萼宽、花瓣长、花瓣宽 4 个输入特征，同时还给出了这一组特征对应的 鸢尾花类别。类别包括狗尾鸢尾、杂色鸢尾、弗吉尼亚鸢尾三类， 分别用数字 0、1、2 表示。 使用次数据集的代码如下：from sklearn.datasets import load_irisx_data = datase... @toc 1、数据集介绍 鸢尾花数据集，其提供了 150 组鸢尾花数据，每组包括鸢尾花的花萼 长、花萼宽、花瓣长、花瓣宽 4 个输入特征，同时还给出了这一组特征对应的 鸢尾花类别。类别包括狗尾鸢尾、杂色鸢尾、弗吉尼亚鸢尾三类， 分别用数字 0、1、2 表示。 使用次数据集的代码如下：from sklearn.datasets import load_irisx_data = datase...
- 1 ModelBox社区案例 - 使用YOLOX做垃圾分类本案例将使用YOLOX模型，实现一个简单的垃圾分类应用，最终效果如下所示： 本案例所需资源（代码、模型、测试数据等）均可从garbage_det下载1.1 模型训练与转换模型采用的是YOLOX网络结构，YOLOX是YOLO系列的优化版本，引入了解耦头、数据增强、无锚点以及标签分类等目标检测领域的优秀进展，拥有较好的精度表... 1 ModelBox社区案例 - 使用YOLOX做垃圾分类本案例将使用YOLOX模型，实现一个简单的垃圾分类应用，最终效果如下所示： 本案例所需资源（代码、模型、测试数据等）均可从garbage_det下载1.1 模型训练与转换模型采用的是YOLOX网络结构，YOLOX是YOLO系列的优化版本，引入了解耦头、数据增强、无锚点以及标签分类等目标检测领域的优秀进展，拥有较好的精度表...
- Instance-aware Image ColorizationInstance-aware Image Colorization 实例感知图像上色Jheng-Wei Su,Hung-Kuo Chu, andJia-Bin HuangIn IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2020.图像着... Instance-aware Image ColorizationInstance-aware Image Colorization 实例感知图像上色Jheng-Wei Su,Hung-Kuo Chu, andJia-Bin HuangIn IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2020.图像着...
- 小样本学习 本baseline采用pytorch框架，应用ModelArts的Notebook进行开发 为该论文复现代码Cross-Domain Few-Shot Classification via Learned Feature-Wise TransformationHung-Yu Tseng, Hsin-Ying Lee, Jia-Bin Huang, Ming-Hsuan Yang... 小样本学习 本baseline采用pytorch框架，应用ModelArts的Notebook进行开发 为该论文复现代码Cross-Domain Few-Shot Classification via Learned Feature-Wise TransformationHung-Yu Tseng, Hsin-Ying Lee, Jia-Bin Huang, Ming-Hsuan Yang...
- Convolutional Generation of Textured 3D Meshes论文地址：https://arxiv.org/pdf/2006.07660.pdf在海量图像的驱动下，基于GAN的图像生成模型已经可以获得十分逼真的生成效果，在控制生成图像内容方面，也取得了许多研究进展。由于自然图像是3D物体的2D投影，对于图像中物体的位置、朝向等属性，从3D物体中进行控制相比图像... Convolutional Generation of Textured 3D Meshes论文地址：https://arxiv.org/pdf/2006.07660.pdf在海量图像的驱动下，基于GAN的图像生成模型已经可以获得十分逼真的生成效果，在控制生成图像内容方面，也取得了许多研究进展。由于自然图像是3D物体的2D投影，对于图像中物体的位置、朝向等属性，从3D物体中进行控制相比图像...
- M-SQL: Multi-Task Representation Learning for Single-Table Text2sql Generation虽然之前对 Text2SQL 的研究提供了一些可行的解决方案，但大多数都是基于列表示提取值。如果查询中有多个值，并且这些值属于不同的列，则以前基于列表示的方法无法准确提取值。该论文提出了一种基于预训练 BERT 的新神经网络架构，称为 ... M-SQL: Multi-Task Representation Learning for Single-Table Text2sql Generation虽然之前对 Text2SQL 的研究提供了一些可行的解决方案，但大多数都是基于列表示提取值。如果查询中有多个值，并且这些值属于不同的列，则以前基于列表示的方法无法准确提取值。该论文提出了一种基于预训练 BERT 的新神经网络架构，称为 ...
- TSD（目标检测/Pytorch）论文名为《Revisiting the Sibling Head in Object Detector》，其提出基于任务间空间自适应解耦（task-aware spatial disentanglement，TSD）的检测算法能够有效的减弱通用物体检测中分类任务和回归任务之间的潜在冲突，可以灵活插入大多检测器中，在COCO和OpenImage上给任意bac... TSD（目标检测/Pytorch）论文名为《Revisiting the Sibling Head in Object Detector》，其提出基于任务间空间自适应解耦（task-aware spatial disentanglement，TSD）的检测算法能够有效的减弱通用物体检测中分类任务和回归任务之间的潜在冲突，可以灵活插入大多检测器中，在COCO和OpenImage上给任意bac...
- 基于协同过滤算法实现电影推荐 实验目标掌握如何使用机器学习算法全流程构建一个电影推荐系统的方案。掌握如何载入、查阅、清洗、合并用户的数据，并计算物品相似度矩阵。 案例内容介绍在本案例中，我们将会学习使用人工智能技术技术分析用户对电影的评分数据，并基于这个数据建立一个推荐系统，根据用户输入的一部感兴趣的电影，为其推荐其他可能感兴趣的电影。此案例中，我们使用的数据集是用户对电影的评分数据，包含... 基于协同过滤算法实现电影推荐 实验目标掌握如何使用机器学习算法全流程构建一个电影推荐系统的方案。掌握如何载入、查阅、清洗、合并用户的数据，并计算物品相似度矩阵。 案例内容介绍在本案例中，我们将会学习使用人工智能技术技术分析用户对电影的评分数据，并基于这个数据建立一个推荐系统，根据用户输入的一部感兴趣的电影，为其推荐其他可能感兴趣的电影。此案例中，我们使用的数据集是用户对电影的评分数据，包含...
- 基于K-means聚类算法进行客户人群分析 实验目标掌握如何通过机器学习算法进行用户群体分析；掌握如何使用pandas载入、查阅数据；掌握如何调节K-means算法的参数，来控制不同的聚类中心。 案例内容介绍在本案例中，我们使用人工智能技术的聚类算法去分析超市购物中心客户的一些基本数据，把客户分成不同的群体，供营销团队参考并相应地制定营销策略。俗话说，“物以类聚，人以群分”，聚类算法其实就... 基于K-means聚类算法进行客户人群分析 实验目标掌握如何通过机器学习算法进行用户群体分析；掌握如何使用pandas载入、查阅数据；掌握如何调节K-means算法的参数，来控制不同的聚类中心。 案例内容介绍在本案例中，我们使用人工智能技术的聚类算法去分析超市购物中心客户的一些基本数据，把客户分成不同的群体，供营销团队参考并相应地制定营销策略。俗话说，“物以类聚，人以群分”，聚类算法其实就...
- 目标检测算法套件使用指导本Notebook通过引导用户导入数据集、选择模型、训练并可视化推理，快速完成COCO数据集目标检测任务。 Step0 安装依赖包!pip install ipywidgets==7.7.1!pip install pillow==9.0.1!pip install pandas==1.3.4 Step1 加载算法、样例数据集与预训练模型完成模型的微调和探索经典的目... 目标检测算法套件使用指导本Notebook通过引导用户导入数据集、选择模型、训练并可视化推理，快速完成COCO数据集目标检测任务。 Step0 安装依赖包!pip install ipywidgets==7.7.1!pip install pillow==9.0.1!pip install pandas==1.3.4 Step1 加载算法、样例数据集与预训练模型完成模型的微调和探索经典的目...
- 4. 模型训练 4.1 导入相关的模块import osimport pandas as pdimport numpy as npimport timeimport torchfrom torch.autograd import Variableimport loggingimport copyimport argparsedevice = torch.device("cuda" if t... 4. 模型训练 4.1 导入相关的模块import osimport pandas as pdimport numpy as npimport timeimport torchfrom torch.autograd import Variableimport loggingimport copyimport argparsedevice = torch.device("cuda" if t...
- 基于LSTM的CDN网络流量预测 实验目标掌握时序预测中基础的数据分析及训练模型的基本流程；掌握时序预测中基于多线路的单元多步时序预测的基本方法；掌握使用Pytorch进行LSTM模型的构建、训练、保存、加载、预测、统计准确率指标的方法； 案例内容介绍随着互联网、云业务的迅速发展，企业运转与云服务运维产生的数据与日俱增，在实际生产中，业务的运转往往遵循着相应的规律，时序数据所能带来的价值也... 基于LSTM的CDN网络流量预测 实验目标掌握时序预测中基础的数据分析及训练模型的基本流程；掌握时序预测中基于多线路的单元多步时序预测的基本方法；掌握使用Pytorch进行LSTM模型的构建、训练、保存、加载、预测、统计准确率指标的方法； 案例内容介绍随着互联网、云业务的迅速发展，企业运转与云服务运维产生的数据与日俱增，在实际生产中，业务的运转往往遵循着相应的规律，时序数据所能带来的价值也...
上滑加载中
推荐直播
-
基于HarmonyOS NEXT应用开发之旅2025/07/17 周四 19:00-20:00
吴玉佩、刘俊威-华为开发者布道师-高校学生
两位学生华为开发者布道师，连续两届HarmonyOS极客马拉松获奖选手联袂呈现HarmonyOS NEXT开发全景！从基础筑基，到工具提效。为您铺就一条从入门到精通的鸿蒙应用开发之路。无论您是新手开发者，还是经验老手，都能在此收获满满干货，开启您的HarmonyOS NEXT高效、智能开发新篇章！
回顾中
热门标签