课件关注一个序列门候选隐状态隐状态总结教材1 门控隐状态1.1 重置门和更新门1.2 候选隐状态1.4 隐状态2 从零开始实现2.1 初始化模型参数2.2 定义模型2.3 训练与预测3 简洁实现4 小结参考文献

课件重新考察CNN重新考察RNN编码器-解码器架构总结教材1 编码器2 解码器3 合并编码器和解码器4 训练模型5 小结参考文献

端到端 end-to-end

因为毕设用到了YOLO，鉴于最近V8刚出，因此考虑将注意力机制加入到v8中。添加注意力模块只需要3步1、在对应的modules.py中添加需要的模块2、在task.py中引入modules.py中的模块，并进行适当的参数匹配3、修改对应的models文件夹中的yaml文件，并注意层数问题。之后就可以进行正常训练了。

课件以前的机器学习几何学特征工程HardWareImageNet（2010）AlexNetAlexNet架构更多细节复杂度总结教材1 学习表征1.1 缺少的成分：数据1.2 缺少的成分：硬件2 AlexNet2.1 模型设计2.2 激活函数2.3 容量控制和预处理3 读取数据集4 训练AlexNet5 小结参考文献

axios基础介绍

在此仅做翻译多模态图像融合的目的是将不同的模态结合在一起，产生融合的图像，这些图像保留了每种模态的互补特征，如功能亮点和纹理细节。为了利用强大的生成先验并解决基于gan的生成方法的训练不稳定和缺乏可解释性等挑战，我们提出了一种基于去噪扩散概率模型(DDPM)的新型融合算法。将融合任务表述为DDPM采样框架下的条件生成问题，并进一步划分为无条件生成子问题和极大似然子问题。后者是在一个层次贝叶斯方式与