第八十七周周报

最新推荐文章于 2024-11-07 17:09:37 发布
最新推荐文章于 2024-11-07 17:09:37 发布
阅读量249 收藏
点赞数 1
分类专栏： 周报 文章标签： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44432831/article/details/139015653
版权

学习目标：

论文

学习时间：

2024.5.11-2024.5.17

学习产出：

这周前面两天在给本科生改论文，后面几天重新画了一下论文的图，然后根据TCSVT期刊模板修改了论文，目前还剩下作者简历没弄好。

童、一
关注
专栏目录
第七十八周周报
童一的博客
03-15 289
目前stylegna2、diffusion-stylegan2、U-ViT的实验以及ViTGAN cifar10的定性试验已经完成，还剩CelebA64的定性实验，以及DiT的实验。DiT模型改完后使用cifar10数据集训练测出来的fid为58，is为6.7。由于作者未使用cifar10数据集，只有256和512分辨率的参数，所以正在对其进行调参。
第十八周学习周报
m0_58806853的博客
10-27 968
在之前的学习基础之上，本周的主要任务是继续深化transformer的学习，学习的主要内容是通过transformer模型如何完成语言翻译任务，其中包括原理的手动推导和模型代码分析两部分。与之前的 RNN 和 LSTM 模型相比，Transformer 采用了全新的架构，完全基于自注意力机制，具有更高的并行处理能力和长距离依赖建模能力。Transformer 模型通过自注意力机制和并行处理能力，自然语言处理领域具有更好的表现。
python123第十一期第五周_python周报第五周
weixin_39742727的博客
11-29 246
0.本周知识点预览装饰器进阶字符串格式化 - format生成器递归模块json、pickletime、datetime、logging1.装饰器进阶 -- 双层装饰器先直接上代码，咱们在来分析。1 USER_INFO ={}23 defcheck_login(func):4 def inner(*args,**kwargs):5 if USER_INFO.get("is_...
周报第二周
gdy的博客
12-15 848
这是第二周的周报
2021年第30周地产周报：销售继续下滑，上海楼市调控再加码.pdf
08-03
2021年第30周地产周报显示，房地产销售持续下滑，并且上海楼市调控政策进一步加强。这份报告详细分析了当前的市场状况、政策动态、行业评级、以及对相关上市公司的投资建议。 首先，报告回顾了第30周的市场表现，...
创新药行业周报：2021年7月第五周创新药周报.pdf
08-02
例如，在A股创新药板块中，三生国健以5.51%的涨幅排名第一，而康宁杰瑞制药下跌18.87%排名第一。 2. 药品审批和进展：报告中提到了国内和海外创新药的最新进展，例如国内获批上市的新药/新适应症、提交NDA申请的...
电力设备与新能源行业10月第3周周报：9月新能源汽车产销尚未回暖.pdf
07-13
根据提供的文件信息，这份电力设备与新能源行业的周报内容丰富，涉及了新能源汽车、新能源发电、储能、电网、电力设备以及相关公司的业绩表现等多个方面。接下来，我将依据文件内容，详细解读其中的知识点。 首先，...
Java学习------第一周周报
qq_35275168的博客
11-30 632
第一周学习 个人的想法 关于数据类型转换的二次学习； 数据类型的转换只针对于变量，对常量并不适用; 常量的转换会根据数据类型的范围进行判断，若超过变量的数据类型的范围，才会报错； 例如下题: byte a=1,b=2,c; c=a+b; c=1+2; //问那一句编译错误 在此问题中，个人的错误做法，自然而然的选择了第三句； 对数据转换的对象并未搞清楚，这是一个小细节； 该题正确答案为第二句， 在表达式中的运算，变量之间的运算符操作结果，若没有明确类型，则默认向默认型转换， 此处两个byte类型自动转为i
电力设备第19周周报：通威再次上调电池片价格，小动力两轮车进入销售旺季.pdf
07-13
这份电力设备行业周报传达了多项关键信息，涵盖了太阳能电池片价格调整、行业需求恢复、可再生能源装机容量增长、小动力两轮车市场销售旺季、以及金属钴和锂的市场动态。以下是对这些信息的详细解读： 一、电池片...
传媒行业周报系列2023年第41周：八月手游收入同比增长超六成，OpenAI年化收入超13亿美元.pdf
10-17
SW传媒指数下跌3.48%，落后创业板指数3.12pct，在申万一级31个行业涨跌幅排名中位列第二十七位。子行业中广告营销、互联网服务和出版位列前三位，分别为上涨1.40%、下跌0.86%和下跌2.40%。 核心观点：八月手游收入...
*数据挖掘第八周周报*www
qq_32019707的博客
11-17 534
数据挖掘第八周周报 1、本周工作主要是进行新的比赛，首先做的是对数据集的分析。刚开始看到数据集不只是一个表格感到有点麻烦，但是看到几个数据集之中的数据之后，我还是只是选择一个base.csv文件进行训练，对于base集， 数据集1：base_info.csv 包含数据集7和8中涉及到的所有企业的基本信息，每一行代表一个企业的基本数据，每一行有33列，其中id列为企业唯一标识，列之间采用“,”分隔符分割。 数据格式如下： [id:企业唯一标识, oplocdistrict:行政区划代码, industr.
深度学习经典模型之LeNet-5
weixin_43775295的博客
11-05 386
​ LeNet-5是由LeCunLeCunLeCun提出的一种用于识别手写数字和机器印刷字符的卷积神经网络（Convolutional Neural Network，CNN）1^{[1]}1，其命名来源于作者LeCunLeCunLeCun的名字，5则是其研究成果的代号，在LeNet-5之前还有LeNet-4和LeNet-1鲜为人知。
LLMs之LoLCATs：《LoLCATs: On Low-Rank Linearizing of Large Language Models》翻译与解读
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
11-07 1106
​ LLMs之LoLCATs：《LoLCATs: On Low-Rank Linearizing of Large Language Models》翻译与解读 目录 《LoLCATs: On Low-Rank Linearizing of Large Language Models》翻译与解读 Abstract 1 Introduction Conclusion Limitations and Future Work局限性和未来工作 《Lo
【深度学习】batchsize太大或太小的优缺点，如何平衡batchsize大小
qq_42761751的博客
11-05 342
batchsize的值越大，梯度越稳定，而batchsize越小，梯度越具有随机性，如果batchsize太大，对内存的需求就更高，不利于网络跳出局部极小值点。大的batchsize梯度的计算更加稳定， 在微调的时候，大的batchsize可能会取得更好的结果，因为在一定范围内，batchsize越大，梯度下降方向越准，引起的震荡越小。当 batch size 增大时，每个批次中需同时加载的样本数增多，导致内存占用成倍增长，这会影响硬件资源的利用，特别是在 GPU 上。
一文快速预览经典深度学习模型（一）——CNN、RNN、LSTM、Transformer、ViT
ttrr27的博客
11-05 1050
Hi，大家好，我是半亩花海。本文主要简要并通俗地介绍了几种经典的深度学习模型，如CNN、RNN、LSTM、Transformer、ViT（Vision Transformer）等，便于大家初探深度学习的相关知识，并更好地理解深度学习的基础内容，为后续科研开展建立一定的基础，欢迎大家一起交流学习。
AttriPrompter：基于属性语义的自动提示，用于通过视觉-语言预训练模型实现零样本细胞核检测|文献速递-基于深度学习的病灶分割与数据超分辨率
weixin_38594676的博客
11-06 519
此外，我们提出了一个自训练的知识蒸馏框架，GLIP作为教师模型，利用其初始预测作为伪标签，以应对高密度细胞核检测带来的挑战，包括漏检、误检和实例重叠问题。我们的方法在无标注的细胞核检测中表现出色，优于所有现有的无监督方法，并展现出良好的通用性。目前，大规模视觉-语言预训练模型（VLPMs）通过从大量网络来源的文本-图像对中学习对齐的文本和图像特征，获得了语义丰富、多功能且可迁移的视觉特征，从而催生了新的无监督学习方法。带有“*”标记的方法基于医学图像，而带有“**”标记的方法专门基于 H&E 图像。
CoD-MIL: 基于诊断链提示的多实例学习用于全切片图像分类|文献速递-基于深度学习的病灶分割与数据超分辨率
最新发布
weixin_38594676的博客
11-07 537
受 CoT 提示和病理学家临床知识的启发，我们提出了一种用于全切片图像分类的基于诊断链提示的多实例学习（CoD-MIL）框架。在多实例学习（MIL）中，全切片图像（WSI，即包）W = {Wl, Wh} 被通过无重叠滑动窗口方法裁剪为一系列小块（即实例）P = {Pl ∈ R Nl×N0×N0×3, Ph ∈ R Nh×N0×N0×3}。N0 为小块的尺寸。受自然语言处理中的链式思维提示和病理学家诊断先验的启发，我们的链式诊断文本提示将复杂的诊断过程分解为在全视野图像中从低倍到高倍的系列渐进子过程。
0基础跟德姆（dom）一起学AI 深度学习01-深度学习介绍
chrisfanallin的博客
11-06 588
AI全流程带你玩 0基础带你学人工智能相关软件，讲解机器学习、深度学习、大模型等人工智能领域核心知识。 帮助想了解，或者正在AI赛道成长的你。
循环神经网络RNN文本分类
Python，数据分析，机器学习，深度学习
11-05 147
杀死神经元#实现RNN神经网络的双向构造，用LSTM模型。self.rnn1 = tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(params['rnn_units'], return_sequences=True)) #LSTM维度为200，返回单个 hidden state值。
深度学习经典模型之Alexnet
weixin_43775295的博客
11-05 1132
​ AlexNet是由AlexAlexAlex提出的首个应用于图像分类的深层卷积神经网络，该网络在2012年ILSVRCImageNetLargeScaleVisualRecognitionCompetition）图像分类竞赛中以15.3。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值