为了跑深度学习，自己年后动手组装了一台台式机，这里详细记录组装的过程和遇到的问题及解决方案。首先是主要配件的购买。西面是组装电脑需要购买的几大组件，如下表所示：上述组件根据目前的市场价格会有所浮动，风扇集线器买了两个，一个即可，航嘉MVP2只能安装5个风扇，多余了一个风扇。下面是具体的组装过程：1. 打开主板CPU套装后，把CPU安装到主板即可，安装CPU时有箭头指示安装方向，将CPU...

一般我们所指的利用一些软件，如本文的Universal USB Installer，及UltraIso和PuPPy Linux等软件制作安装盘，尤其针对Windows系统而言，指的就是光盘镜像文件刻录到U盘以替代光盘的作用，而针对Linux系统而言，还有另外一层意思，就是移动的系统，也就是把系统安装进U盘，注意这只是针对开源操作系统而言的，免费也就意味着不需要一台机器上必须安装固定的带有独立版权号

在深度学习中，特征的归一化起到至关重要的作用，甚至比本身所提出的方法更重要。比如相关滤波（Correlation Filters）的输出结果，协方差矩阵等，若不经过合适的归一化方法，其作为特征表示的最终结果（Performance）将会很差。下面介绍在深度学习中常用的特征归一化（Normalized Features）方法如下：按照大类划分的话可大致分为如下两类：1. Soft Nor...

PyTorch深度学习框架可以利用GPU加速网络训练，网络太深，参数太多的话，很可能在利用GPU训练网络的时候导致GPU显存不够，无法继续训练。GPU的显存大小几乎与其价格成正比，显存越大，也就越贵。但是为了利用GPU训练深度学习网络模型，可能需要大显存的显卡，比如直接买一个1080ti，显存为11G，但是也可以退而求其次，买两个1070ti，总显存为16G，似乎更划算。那么，单机多卡（一台机器配

深度信念网络，DBN，Deep Belief Nets，神经网络的一种。既可以用于非监督学习，类似于一个自编码机；也可以用于监督学习，作为分类器来使用。从非监督学习来讲，其目的是尽可能地保留原始特征的特点，同时降低特征的维度。从监督学习来讲，其目的在于使得分类错误率尽可能地小。而不论是监督学习还是非监督学习，DBN的本质都是Feature Learning的过程，即如何得到更好的特征表达。

2022年11月100篇 diffusion models 扩散模型 汇总！

知乎来源：https://zhuanlan.zhihu.com/p/27539515作为新入DL的新手，前段时间突然在翻看论文的时候翻到了CycGAN，觉得很是眼前一亮呀——训练一个风格转换器，不需要打label，甚至都不需要把训练数据进行配对，满满的幸福感。最先我是看到的CycleGAN，但是后续发现DiscoGAN与DualGAN论文似乎并无太大差别，他们的idea其实都是差不多的，模...

非监督神经网络的wake-sleep算法可以用来Fine tuning DBNs，该算法主要分为两个阶段，即"wake"阶段与"sleep"阶段，其中"wake"阶段用来学习生成权重（generative weights），"sleep"阶段用来学习识别权重（recognition weights）。一. 原理识别权重与生成权重分别对应DBNs的编码（encoder）与解码（decoder

Halcon软件提供了一个全面的视觉库，并始终基于最新和最先进的技术。无论你的任务是什么，Halcon都可解决，并且速度快，精度最高。Halon软件开发应用程序的三个步骤或三种方法-基于Halon，如下图所示。Halcon软件虽收费，但是它的库可以在VS下免费使用，有C/C++接口，与配置OpenCV方法类似。而且Halcon下编写的程序可以导出为C、C++、.NET、C#等编程语言。Halcon

最近也在学习Few-shot learning，用Few-shot learning方法作图像分类，下面对Few-shot learning经典算法及其PyTorch实现作一下梳理：MAML：Model-Agnostic Meta-Learning for Fast Adaptation of Deep NetworksPyTorch code:1.https://github.com/drage