随笔分类 - 深度学习
前端大模型入门（三）：编码(Tokenizer)和嵌入(Embedding)解析 - llm的输入
摘要：备份阿里云文章：https://developer.aliyun.com/article/1628074#:~:text=简介： 本文介绍了大规模语言模型（LLM）中的两个核心概念：Tokenizer和Embedding。,Tokenizer将文本转换为模型可处理的数字ID，而Embedding则将
Clip模型使用
摘要：代码文件结构 clip.py CLIP模块提供了以下方法： clip.available_models() 返回可用的CLIP模型的名 import clip models = clip.available_models() print(models) #结果 ['RN50', 'RN101', '
mmdetection中的dataset pipline
摘要：参考： 轻松掌握 MMDetection 整体构建流程(二) 商汤开源目标检测工具箱mmdetection代码详解（三） mmdetection数据的输入、处理过程 1. mmdetection中的数据加载流程 pipline中由一系列数据处理模块对数据集进行流水线般的处理 要注意的是，上述pipl
使用不同函数打印torch.nn模型——print(model),named_children(),named_modules():
摘要：创建模型 创建一个具有三级嵌套的模型，结构如图： import torch import torch.nn as nn # 定义子子模块 class SubSubModule(nn.Module): def __init__(self): super(SubSubModule, self).__in
深度学习训练技巧(tircks)
摘要：对抗训练 对抗训练（Adversarial Training）是一种提高机器学习模型鲁棒性的技术，特别是在面对对抗性攻击时。对抗性攻击是指对输入数据故意添加微小的扰动，这些扰动对于人类来说是难以察觉的，但却能够导致模型做出错误的预测。 在对抗训练中，除了常规的训练数据外，还会生成对抗样本作为训练数据
CVPR、ECCV、ICCV三大顶会显著性目标检测近三年发表论文统计
摘要：2021（11篇） CVPR 1.Calibrated RGB-D Salient Object Detection Wei Ji, Jingjing Li, Shuang Yu, Miao Zhang, Yongri Piao, Shunyu Yao, Qi Bi, Kai Ma, Yefeng
python语言理解
摘要：类 python是一门面向对象的语言，强调的是对象，当我们创建一个类时，必然要给这个类赋予对应的属性去描述它，例如一个动物的类，那么这个类应该有动物种类，颜色，年龄，体重，习性等属性，代码如下： class Animal: def __init__(self, species, color, age
计算机视觉相关会议与期刊
摘要：本文来自知乎用户会找论文的鸡翅根，这里仅作备份，原文链接。 计算机视觉和模式识别领域的代表就是四大顶会了：ICCV、ECCV、CVPR、NIPS，还有就是难度最高的PAMI了，这些都让人望而生畏。 那么除了这些耳熟能详的期刊和会议之外，还有哪些该领域的期刊呢？ 下面我收集了一些该领域的代表性期刊，并
深度学习项目框架
摘要：常见项目架构如下： |--project_name/ | |--data/ # 数据 | |--datasets/ # 生成数据集，加载数据集 | | |--data_loader.py | |--models/ # 模型 | | |--model.py | |--configs/ # 配置文件 |
