摘要：
1、 Segment Anything Model (SAM) Enhanced Pseudo Labels for Weakly Supervised Semantic Segmentation https://avoid.overfit.cn/post/92f50aa2951d4dd89cfc4 阅读全文
摘要：
1、时间序列 时间序列是一组按时间顺序排列的数据点 比如： 每小时的气压 每年的医院急诊 按分钟计算的股票价格 2、时间序列的组成部分 完整文章： https://avoid.overfit.cn/post/7bc21f124d284b47becbeca6dc5c07c7 阅读全文
摘要：
在机器学习中，训练数据集的质量在很大程度上决定了模型的有效性。我们往往没有足够的多样化数据，这影响了模型的准确性。这时数据增强技术就派上了用场。 数据增强可以通过添加对现有数据进行略微修改的副本或从现有数据中新创建的合成数据来增加数据量。这种数据扩充的方式在CV中十分常见，因为对于图像来说可以使用很 阅读全文
摘要：
在过去几周，我们看到的都是AI将如何改变生活，无论是ChatGPT的文本生成，还是SD，Midjourney 的图像生成，这些AI的特点就是都是生成式的AI。而几天前，谷歌推出了一个生成式人工智能学习课程，课程涵盖了生成式人工智能入门、大型语言模型、图像生成等主题。 除了课程外，还有一套实验室和完成 阅读全文
摘要：
当使用神经网络时，我们可以通过它的准确性来评估模型的性能，但是当涉及到计算机视觉问题时，不仅要有最好的准确性，还要有可解释性和对哪些特征/数据点有助于做出决策的理解。模型专注于正确的特征比模型的准确性更重要。 理解CNN的方法主要有类激活图(Class Activation Maps, CAM)、梯 阅读全文
摘要：
JupyterLab 是 Jupyter Notebook 的下一代版本，它提供了更强大的功能和更灵活的用户界面，6月6日，官方发布了JupyterLab 4.0的说明，并且说该版本是下一个主要的版本。 JupyterLab的主要改进是: 用户界面：Jupyter Notebook 使用单个文档界面 阅读全文
摘要：
Optuna是一个开源的超参数优化框架，Optuna与框架无关，可以在任何机器学习或深度学习框架中使用它。本文将以表格数据为例，使用Optuna对PyTorch模型进行超参数调优。 Optuna可以使用python pip安装，如pip install Optuna。也可以使用conda insta 阅读全文
摘要：
Python在处理与时间相关的操作时有两个重要模块：time和datetime。在本文中，我们介绍这两个模块并为每个场景提供带有代码和输出的说明性示例。 time 模块主要用于处理时间相关的操作，例如获取当前时间、时间的计算和格式化等。它提供了一些函数和常量，包括： time()：返回当前的时间戳（ 阅读全文
摘要：
DragGAN的官方版还没有发布，但是已经有非官方版的实现了，我们看看如何使用。DragGAN不仅让GAN重新回到竞争轨道上，而且为GAN图像处理开辟了新的可能性。正式版本将于本月发布。但是现在已经可以在一个非官方的演示中试用这个新工具了 完整文章 https://avoid.overfit.cn/ 阅读全文
摘要：
在这篇文章中将介绍7篇机器学习和深度学习的论文或者图书出版物，这些内容都论文极大地影响了我对该领域的理解，如果你想深入了解机器学习的内容，哪么推荐阅读。 Attention Is All You Need 在自然语言处理和序列建模领域，Vaswani等人的一篇论文《Attention Is All 阅读全文