![](https://img-blog.csdnimg.cn/direct/bccd0d10a35f40a4bba0d7ee59daf56a.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
人工智能
文章平均质量分 86
人工智能赋能全行业
发狂的小花
公众号:极空AI
AR行业经验、算法部署优化、图像处理算法、slam、SGBM、相机标定、TOF
CPU、DSP、GPU、算子针对硬件优化
展开
-
Pytorch深度学习实践笔记12(b站刘二大人)
用于处理一些具有前后关系的序列问题。循环神经网络(Recurrent Neural Network, RNN)是一类以序列数据为输入,在序列的演进方向进行递归且所有节点(循环单元)按链式连接的递归神经网络。常见的循环神经网络包括双向循环神经网络(Bidirectional RNN, Bi-RNN)和长短期记忆网络(Long Short-Term Memory networks,LSTM)。循环神经网络的真正形式是左边这种,但是也常表现为右边这种,一般隐藏层初始状态为0,当输入x1后,计算出下一个状态h1,原创 2024-05-28 15:25:30 · 966 阅读 · 0 评论 -
Pytorch深度学习实践笔记11(b站刘二大人)
(1)用来对通道数进行降维或升维,保持Feature Map长宽不变,减少计算量(2)实现跨通道信息的融合(3)可以保持输入和输出网络结构不变的同时,融合特征原创 2024-05-27 22:42:38 · 371 阅读 · 0 评论 -
Pytorch深度学习实践笔记10(b站刘二大人)
CNN,用于特征提取,但是计算量大,卷积算子是一个计算密集型算子,工业界优化卷积算子是一个重大的任务。有LeNet、AlexNet、VGG系列、ResNet、很多深度学习框架都提供了丰富的CNN模型实现个训练的接口。原创 2024-05-27 22:40:28 · 894 阅读 · 0 评论 -
Pytorch深度学习实践笔记9(b站刘二大人)
one-hot 编码用于将离散的分类标签转换为二进制向量,关键是离散的分类和二进制向量。多分类问题利用Softmax实现,SoftMax 可以用来做分类,输出属于某个类别的概率原创 2024-05-27 16:56:34 · 634 阅读 · 3 评论 -
Pytorch深度学习实践笔记8(b站刘二大人)
batch_size=4表示每次取四个数据shuffle= True表示开启数据集随机重排,即每次取完数据之后,打乱剩余数据的顺序,然后再进行下一次取num_workers=0表示在主进程中加载数据而不使用任何额外的子进程,如果大于0,表示开启多个进程,进程越多,处理数据的速度越快,但是会使电脑性能下降,占用更多的内存drop_last=False表示不丢弃最后一个批次,假设我数据集有10个数据,我的batch_size=3,即每原创 2024-05-27 16:52:29 · 896 阅读 · 0 评论 -
Pytorch深度学习实践笔记7(b站刘二大人)
上述实验,我使用Adam前期可以比较迅速的收敛,使得loss收敛迅速,并且没有过拟合,一般Adam由于其特性出现过拟合的概率比SGD高。我用SGD优化器训练,训练了100万次才勉强达到Adam的1万次结果,由此可以看出Adam的收敛速度比SGD快很多,但是由于SGD的噪声比较大,而且其每次计算一个梯度或者一小批量的梯度,使得泛化能力强,适应于大型数据的训练中。原创 2024-05-27 11:29:30 · 936 阅读 · 0 评论 -
Pytorch深度学习实践笔记6(b站刘二大人)
softmax就是将一些大的数字拉伸到0~1之间,而且使得大的数所占的比例更大,小的数所占的比例更小,这样如果每一个原始的数据代表score的话,将其总分控制在0~1之间,可以进一步使用交叉熵函数来计算loss。 sigmoid原创 2024-05-26 13:31:07 · 884 阅读 · 0 评论 -
Pytorch深度学习实践笔记5(b站刘二大人)
使用Pytorch实现,步骤如下:PyTorch Fashion(风格) prepare dataset design model using Class ,前向传播,计算y_pred Construct loss and optimizer,计算loss,Optimizer 更新w Training cycle (forward,backward,update)原创 2024-05-26 01:00:36 · 854 阅读 · 0 评论 -
Pytorch深度学习实践笔记4(b站刘二大人)
Back propagation (BP),训练神经网络的目标是优化代价函数cost,使得cost找到以一个全局或者局部最优值。让cost尽可能的接近0,这样得到的weights和bias是最好的,由于需要不断的调整参数让cost收敛,cost在梯度的相反反向下降最快,所以提出了BP算法,就是来计算weights和bias的梯度(偏导数的,加速训练时的收敛速度,避免无效的训练。原创 2024-05-24 19:06:21 · 835 阅读 · 0 评论 -
Pytorch深度学习实践笔记3(b站刘二大人)
mini-batch GD采取了一个折中的方法,每次选取一定数目(mini-batch)的样本组成一个小批量样本,然后用这个小批量来更新梯度,这样不仅可以减少计算成本,还可以提高算法稳定性。原创 2024-05-24 15:11:51 · 1236 阅读 · 0 评论 -
Pytorch深度学习实践笔记2(b站刘二大人)
监督学习(supervised learning):打标签的数据无监督学习:无标注数据,模型自己去学习数据的特征,输出参数,然后推理输出原创 2024-05-24 15:07:33 · 927 阅读 · 0 评论 -
Pytorch深度学习实践笔记1(b站刘二大人)
多层感知机(MLPs):输入层、隐藏层、输出层构成输入层:接收数据隐藏层:通过学习特征,forward,loss,激活函数,bp、优化器更新参数输出层:输出满足一定训练后的参数、weights 和bias反向传播:Back Propagation (链式求导法则,比较简单)原创 2024-05-24 14:58:09 · 669 阅读 · 0 评论 -
激活函数大全
激活函数大全原创 2024-05-15 23:46:25 · 112 阅读 · 0 评论 -
PPQ模型量化工具
PPQ 工具安装原创 2024-05-14 22:35:59 · 269 阅读 · 0 评论 -
数据集汇总
计算机视觉方面的数据集的汇总。原创 2024-04-14 11:47:27 · 2073 阅读 · 0 评论 -
ISP基础概述
ISP (Image Signal Processor),即图像处理,主要作用是对前端图像传感器输出的信号做后期处理,主要功能有线性纠正、噪声去除、坏点去除、内插、白平衡、自动曝光控制等,依赖于ISP才能在不同的光学条件下都能较好的还原现场细节。原创 2024-03-07 14:27:37 · 1134 阅读 · 0 评论 -
自动驾驶技术详解
本节我们先从广泛应用于自动驾驶的几个任务出发介绍2D视觉感知算法,包括基于图像或视频的2D目标检测和跟踪,以及2D场景的语义分割。近些年,深度学习渗透到视觉感知的各个领域,取得不错的成绩,因此,我们梳理了一些经典的深度学习算法。原创 2024-03-01 12:05:13 · 1622 阅读 · 0 评论 -
简单理解自动驾驶-看这篇够了!
自动驾驶系统是通过车载传感系统感知道路环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆能够安全、可靠地在道路上行驶并到达预定地点的功能。有点太教科书了吧?简单来说,就是本来是人开车,现在让机器全部或部分替代这些本来由人来执行的功能(开车)。原创 2024-01-19 11:38:03 · 1127 阅读 · 0 评论 -
计算机视觉各个方向概述
计算机视觉是研究如何使计算机系统能够理解和解释图像和视频数据的领域。计算机视觉的目标是让计算机具备类似于人类视觉的能力,包括感知、理解、分析和解释图像和视频数据。通过计算机视觉技术,计算机可以自动提取图像中的特征、识别和分类图像中的对象、检测和跟踪运动、测量物体的尺寸和形状、重建三维场景等。图像获取、前期处理、特征提取、图像分析和解释。图像获取涉及使用传感器或摄像机获取图像或视频数据,技术对应相应的相机技术包括驱动、编解码、A/D和D/A、传输协议等。原创 2023-11-30 15:17:57 · 1188 阅读 · 0 评论 -
AI边缘计算(嵌入式AI)硬件信息汇总
使用过Movidius NCS神经计算棒的同学应该清楚,NCS做推理是要将文件传输到NCS神经计算棒中处理的,而目前英特尔提供的SDK只支持USB2.0的速率传输,所以你现在使用那根USB3.0接口的神经计算棒,无论在USB2.0的主机(如树莓派)上还是USB3.0的主机(如UP Squared Board)上,速度其实还是没什么差别。Mobileye的产品覆盖了全球50个国家,据官方资料显示,截至2015年底,Mobileye在全球有1000万的装载量,到2016年底会有273款车的SOP的合同。原创 2024-01-31 00:48:05 · 1684 阅读 · 0 评论 -
老板向我请教Transformer的原理,我没讲清
Transformer基本原理Transformer核心组件详解输入输出处理及训练技巧Transformer在各领域应用举例性能评估与对比分析原创 2024-01-09 09:50:23 · 1092 阅读 · 1 评论 -
GPT火了一年了,你还不懂大语言模型吗?
大语言模型技术原理大语言模型应用场景大语言模型发展现状与挑战大语言模型在产业界应用实践大语言模型未来展望原创 2024-01-08 16:01:41 · 1352 阅读 · 0 评论 -
漫谈大模型的[幻觉]问题
幻觉问题产生的原因分析针对数据集的解决方案针对模型结构的改进策略训练过程中的优化技巧实验验证与结果分析原创 2024-01-06 15:03:09 · 889 阅读 · 6 评论 -
生成式 AI -颠覆软件开发
(1)定义生成式AI是指一类能够自主学习并从数据中生成新颖、有用内容的机器学习技术。它可以根据输入的文本、图像、音频或视频等信息,生成与之相关的新内容。(2)发展随着深度学习技术的不断发展,生成式AI在近年来取得了显著进展。从最初的文本生成、图像生成,到语音合成、视频生成等,生成式AI的应用范围不断扩大,生成的内容也越来越逼真、多样化。原创 2024-01-05 16:56:03 · 1580 阅读 · 6 评论 -
图像处理学习笔记(一)
图像处理学习笔记(一)原创 2024-03-19 09:55:12 · 1184 阅读 · 0 评论 -
ISP技术综述
ISP是Image Signal Processor 的简称,也就是图像信号处理器。DSP是Digital Signal Processor 的缩写,也就是数字信号处理器。ISP一般用来处理Image Sensor(图像传感器)的输出数据,如做AEC(自动曝光控制)、AGC(自动增益控制)、AWB(自动白平衡)、色彩校正、Lens Shading、Gamma 校正、祛除坏点、Auto Black Level、Auto White Level等等功能的处理。原创 2024-03-19 09:41:19 · 2579 阅读 · 0 评论