安装 WSL 2 之前，必须启用“虚拟机平台”可选功能。计算机需要虚拟化功能才能使用此功能。下载 Linux 内核更新包:l链接：下载完成后更新。打开 Microsoft Store，搜索WSL，选择你偏好的 Linux版本。我选择的是Ubuntu22.04版本。点进去就可以看到下载链接下载即可。下载完成后，启动系统，配置用户名和密码。输入nvidia-smi。

安装 WSL 2 之前，必须启用“虚拟机平台”可选功能。计算机需要虚拟化功能才能使用此功能。下载 Linux 内核更新包:l链接：下载完成后更新。打开 Microsoft Store，搜索WSL，选择你偏好的 Linux版本。我选择的是Ubuntu22.04版本。点进去就可以看到下载链接下载即可。下载完成后，启动系统，配置用户名和密码。输入nvidia-smi。

训练部分。

尽管Transformer最初是为自然语言处理引入的，但它现在已经被广泛用作计算机视觉中的通用主干结构。最近，长短期记忆（LSTM）已被扩展为一种可扩展且性能优越的架构——xLSTM，它通过指数门控和可并行化的矩阵内存结构克服了LSTM长期以来存在的限制。在本报告中，我们介绍了Vision-LSTM（ViL），它是将xLSTM构建块应用于计算机视觉的一种适配。ViL由一系列xLSTM块组成，其中奇

论文链接：https://arxiv.org/pdf/2406.04303Vision-LSTM（ViL）架构的核心是xLSTM块。每个xLSTM块都包含一个输入门、一个遗忘门、一个输出门和一个内部记忆单元。与传统的LSTM相比，xLSTM引入了指数门控机制，使得模型能够更好地处理长序列数据。同时，xLSTM采用可并行化的矩阵内存结构，提高了模型的计算效率。在ViL中，我们将多个xLSTM块堆叠在

A2-Nets: Double Attention Networks通过提出双注意力机制，实现了对图像或视频中关键特征的有效捕获和分配。该网络架构在多个计算机视觉任务中均取得了显著的性能提升，为相关领域的研究提供了新的思路和方法。"""双注意力模块，结合了特征门控和特征分布机制。Args:in_channels (int): 输入特征的通道数。c_m (int): 卷积层convA的输出通道数。c

摘要https://export.arxiv.org/pdf/2403.06258遥感图像（RSI）中的目标检测经常面临一些日益严重的挑战，包括目标尺度的巨大变化和多样的上下文环境。先前的方法试图通过扩大骨干网络的空间感受野来解决这些挑战，要么通过大核卷积，要么通过空洞卷积。然而，前者通常会引入大量的背景噪声，而后者则可能生成过于稀疏的特征表示。在本文中，我们引入了Poly Kernel Ince

随着样本制备技术和显微成像技术的快速发展，细胞图像的定量处理和分析在医学、细胞生物学等领域发挥着重要作用。基于卷积神经网络（CNN），可以通过神经网络训练学习不同细胞图像的特征信息，具有很强的泛化性能。两阶段的R-CNN系列[1,2,3]及其一阶段变体[4,5]是实例分割任务的经典CNN基础框架。在最近的研究中，You Only Look Once（YOLO）系列[6,7,8,9]已经成为实时实例

论文翻译：https://blog.csdn.net/m0_47867638/article/details/131630614官方源码：https://github.com/sail-sg/inceptionnext这是一篇来自颜水成团队的论文。作者提出InceptionNext，将大核深度卷积分解为沿通道维度的四个平行分支，即小方形核、两个正交带核和一个单位映射。通过这种新的Inception

论文翻译：https://wanghao.blog.csdn.net/article/details/129485972?官方源码： https://github.com/JierunChen/FasterNet。