原文链接：https://blog.csdn.net/ly59782/article/details/120823052Swin-Transformer和Video Swin-Transformer大同小异，感觉最大的区别就是2D的改到了3D，其实操作都是一样的，就是多了一个维度，所以主要还是基于2d讲解的，然后类比一下3d就好啦，讲的是tiny版本的。源码git传送门：https://githu

总结：Grad-CAM是一种CAM的变式，使用回传的梯度作为权对特征图的每个通道进行加权求和。

pytorch中多GPU模型加载和保存需要注意的一些问题

发现若监督优化器的算法很多都采用SGD，选择Adam反而效果不好，所以这里学习了两者的区别。

某位大佬开源了论文源码，github地址：https://github.com/Xiaoqi-Zhao-DLUT/GateNet-RGB-Saliency里面有一部分CRF后处理预测图的代码，这里我就直接扒过来了。使用方法：if args['crf_refine']:prediction = crf_refine(np.array(img), np.array(prediction))源码：imp

这里有份ppt也可以详细看看：链接：https://pan.baidu.com/s/1uMs7gipEEFA1JyOusGWoiA提取码：hwts原文链接：https://zhuanlan.zhihu.com/p/30059442决策树是一种机器学习的方法。决策树的生成算法有ID3, C4.5和C5.0等。决策树是一种树形结构，其中每个内部节点表示一个属性上的判断，每个分支代表一个判断结果...

原文链接：https://blog.csdn.net/TeFuirnever/article/details/88946088plt.annotate()函数用于标注文字。plt.annotate(s='str',xy=(x,y) ,xytext=(l1,l2) ,...)12345参数：s 为注释文本内容xy 为被注释的坐标点xytext 为注释文字的坐标...

看论文时经常遇到FLOPS and the number of parameters，不是很清楚是个什么东西，这篇文章给了一定的说明。原文链接：https://blog.csdn.net/sinat_34460960/article/details/84779219在这之前我们先看一下CNN的前向传播计算...

有时候用pytorch跑模型很容易出现内存溢出的情况，因此要具体查看内存情况：简单版：#直接调用返回当前可用内存/显存import torchimport pynvmlimport psutildef get_avaliable_memory(device):if device==torch.device('cuda:0'):pynvml.nvmlInit()handle = pynvml.nvm

原文链接：添加链接描述Bottleneck(瓶颈) Architectures  ResNet的核心内容之一，即“Deeper Bottleneck Architectures”（简称DBA），一言概之，bottleneck是一种特殊的残差结构。Resnet论文里的原图如上（即Bottleneck V1 ），左图是普通的残差结构，右图是瓶颈结构。具体而言，block的输入和输出channel_nu