- 博客(25)
- 收藏
- 关注
RSS订阅原创 Transformer：引领深度学习新时代的架构
Transformer 架构作为深度学习领域的一项重要创新，已经在多个领域取得了巨大的成功。它的出现改变了人们对序列处理任务的认识，为解决各种复杂的问题提供了新的思路和方法。随着技术的不断发展，Transformer 架构有望在更多领域发挥重要作用，推动深度学习技术不断向前发展。无论是研究者还是开发者，都应该密切关注 Transformer 的发展趋势，不断探索其在不同领域的应用潜力。
2025-04-23 23:34:22
1474
原创 Transformer 里 Self-Attention：解锁序列理解的新视角
在深度学习的世界中，Transformer 架构近年来大放异彩，而 Self-Attention（自注意力）机制则是 Transformer 的核心驱动力。它革新了模型处理序列数据的方式，无论是在自然语言处理、计算机视觉还是其他领域，都展现出强大的威力。
2025-04-10 13:12:16
591
原创 OpenCV：开启计算机视觉的大门
OpenCV是一个的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上。它轻量级而且高效——由一系列C函数和少量C++类构成，同时也提供了Python接口，实现了图像处理和计算机视觉方面的很多通用算法。在本文中，将介绍OpenCV库，包括它的主要模块和典型应用场景。
2025-04-09 10:00:00
865
原创 学习率调整策略：优化深度学习训练的关键
在深度学习的训练过程中，学习率（Learning Rate）是一个至关重要的超参数，它决定了模型参数更新的步长。因此，合理地调整学习率对于提高模型的性能和训练效率至关重要。
2025-04-08 10:00:00
2067
原创 Batch Normalization：深度学习训练的加速引擎
Batch Normalization 是深度学习领域的一项重要技术，它通过对输入数据进行归一化处理，解决了内部协变量偏移问题，加速了模型的训练过程，提高了模型的泛化能力。
2025-04-07 00:00:00
788
原创 跳跃连接（Skip Connection）与残差连接（Residual Connection）
跳跃连接是一种在深度神经网络中广泛应用的技术，它允许信息在网络中跨层直接传递。在传统的神经网络里，每一层的输出仅仅是前一层输出经过特定变换后的结果。而在具备跳跃连接的网络中，某一层的输出不仅能够包含前一层的变换结果，还可以直接包含更早层的输出。
2025-04-06 00:00:00
1596
原创 深度解析：跳跃连接、Transformer 与 ResNet 的融合创新
ResNet 通过跳跃连接突破了 CNN 的深度限制，Transformer 通过自注意力机制革新了序列建模，而两者的结合则在保持高效局部特征提取的同时，增强了全局语义理解。未来，随着动态架构设计和硬件加速技术的发展，这类混合模型有望在计算机视觉、自然语言处理等领域实现更广泛的应用。
2025-04-05 15:48:02
891
原创 Matplotlib：数据可视化的艺术与科学
在数据分析与机器学习领域，可视化是理解数据的重要桥梁。Matplotlib 作为 Python 最流行的绘图库，提供了从简单折线图到复杂 3D 图表的完整解决方案。本文将通过实际案例，带您从基础绘图到高级定制全面掌握 Matplotlib 的核心能力。
2025-04-04 18:27:34
775
原创 从零开始学 Flask：构建你的第一个 Web 应用
当我第一次接触 Flask 时，仅仅用了 5 行代码就写出了一个能运行的 Web 应用。这种简洁到近乎诗意的体验，让我瞬间理解了为什么它会成为开发者的心头好。不同于某些框架的大包大揽，Flask 就像一位留白高手，让开发者在自由的画布上挥洒创意。若未安装，可从Python 官网下载。使用 pip 包管理器安装：二、第一个 Flask 应用：Hello World创建一个名为的文件，输入以下代码：在浏览器访问，你会看到 "
2025-03-31 18:21:32
1374
原创 TensorRT：高性能深度学习推理的利器
TensorRT 是 NVIDIA 推出的一个用于高性能深度学习推理的 SDK。它可以对已经训练好的深度学习模型进行优化，从而显著提高推理的速度和效率。TensorRT 支持多种深度学习框架，如 TensorFlow、PyTorch、ONNX 等，这意味着我们可以将使用这些框架训练好的模型轻松地转换为 TensorRT 引擎，以获得更好的推理性能。
2025-03-17 12:47:14
1144
原创 ONNX：统一深度学习工作流的关键枢纽
在深度学习领域，模型创建与部署的割裂曾是核心挑战。不同框架训练的模型难以在多样环境部署，而 ONNX（Open Neural Network Exchange）作为开放式神经网络交换格式，搭建起从模型创建到部署的统一桥梁，完美诠释 “连接创造与部署” 的核心价值。
2025-03-16 15:46:21
989
原创 模型量化与剪枝：深度学习模型优化的得力助手
在深度学习领域，模型性能往往与模型规模紧密相关。更大、更复杂的模型通常能展现出更卓越的表现。然而，这种规模的增长也带来了诸多棘手的问题。模型的存储需求急剧攀升，推理时所需的计算资源大幅增加，这不仅限制了模型在资源有限环境（如移动设备、边缘计算设备）中的应用，还可能导致高昂的成本。为了突破这些瓶颈，模型量化与模型剪枝技术应运而生，它们成为优化深度学习模型的关键手段。
2025-03-15 19:05:22
1040
原创 Python ——Turtle 库（绘图指南）
turtle 库作为 Python 的一个有趣且实用的库，为我们提供了一种独特的方式来创建图形和动画。从简单的线条绘制到复杂的艺术图案创作，再到编程教学中的应用，它都展现出了强大的功能和魅力。
2025-03-04 09:48:18
3631
1
原创 全面了解机器学习：监督、无监督、半监督、深度和强化学习
在机器学习的广袤宇宙中，不同的学习模式宛如璀璨星辰，各自闪耀着独特的光芒，共同照亮了从数据到智能的探索之路。
2025-03-01 17:03:43
1384
原创 全面了解机器学习：回归、分类、分割与检测任务
在机器学习的广袤天地中，回归任务和分类任务构成了基础的两大支柱，而分割任务与检测任务则是在此基础上衍生出的重要应用方向。
2025-02-28 10:32:19
1365
原创 小波卷积：扩大卷积感受野新方案
本文介绍了一种基于小波变换的即插即用的 WTConv2d 模块，它能够在不引入过多参数的情况下有效扩大卷积的感受野。通过将其应用于深度可分离卷积中，我们可以进一步提升模型的性能。这种模块可以方便地集成到现有的 CNN 架构中，为计算机视觉任务带来更好的效果。
2025-02-07 23:50:48
843
原创 探索 DeepSeek：人工智能领域的新兴力量
在当今科技飞速发展的时代，人工智能（AI）已经成为推动各行业变革的核心驱动力。在众多 AI 企业中，DeepSeek 以其独特的技术和发展理念，逐渐崭露头角，吸引了全球的关注。
2025-02-05 19:14:21
878
原创 深度学习中的损失函数：从原理到实践
在深度学习的广袤领域中，损失函数（Loss Function）宛如指引模型训练方向的北极星，其重要性不言而喻。它不仅量化了模型预测与真实值之间的差距，更是优化算法调整模型参数的依据。
2025-01-17 20:52:35
1226
原创 光学遥感与 SAR 数据：地球观测的 “双目” 视角
在地球观测的宏大版图中，光学遥感数据与合成孔径雷达（SAR）数据犹如人类的双眼，各自以独特视角捕捉着地球的万千气象，为我们勾勒出一幅详尽且立体的地球画卷。
2025-01-12 23:27:05
1753
原创 揭开 Mamba 的神秘面纱：从线性注意力视角出发
在深度学习领域不断发展的今天，新模型和架构如雨后春笋般涌现。其中，Mamba 作为一种具有线性计算复杂度的状态空间模型，在处理各类视觉任务中的高分辨率输入时展现出了惊人的效率。
2025-01-10 18:45:29
1729
原创 高效加法注意力模块（Efficient Additive Attention）
高效加法注意力模块通过元素级操作替代昂贵的矩阵乘法，并消除显式键值交互，在网络各阶段实现线性复杂度，在多个视觉任务中取得优异性能。但在密集小目标检测方面仍有提升空间，未来工作将聚焦于改进该模块在密集预测任务中的性能。希望通过这篇博客，大家对高效加法注意力模块有了更深入的理解。
2025-01-09 21:08:02
1004
原创 深入浅出卷积操作：开启深度学习视觉之门
在深度学习的奇妙世界里，卷积操作（Convolution）犹如一把神奇的钥匙，解锁了计算机视觉领域无数的宝藏。
2025-01-06 20:03:49
1128
原创 多层感知机（MLP）——深度学习
多层感知机（Multilayer Perceptron，MLP）是人工神经网络的一种基础架构，是对传统感知机的扩展与深化。它由输入层、一个或多个隐藏层以及输出层构成。多层感知机的强大之处在于其能够通过大量的数据进行训练，自动调整各层之间的连接权重，进而对复杂的非线性关系进行建模和拟合，在分类、回归、预测等众多机器学习任务中都有着广泛的应用。
2025-01-05 17:24:00
1526
原创 快速傅里叶变换（图像领域的应用）
FFT 是一种高效计算 DFT 的算法，其主要思想是利用 DFT 的对称性和周期性来减少计算量。最常见的 FFT 算法是 Cooley - Tukey 算法。
2025-01-04 16:07:26
1333
原创 图像领域：注意力机制（含代码）
在图像领域，注意力机制（Attention Mechanism）是一种能够让模型聚焦于图像关键部分的技术，它极大提升了图像相关任务的性能。
2025-01-03 19:00:55
1202
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人