目标检测可以理解为是物体识别和物体定位的综合，不仅仅要识别出物体属于哪个分类，更重要的是得到物体在图片中的具体位置。为了完成这两个任务，目标检测模型分为两类。一类是two-stage，将...

选自arXiv作者：Andreas Loukas机器之心编译参与：韩放、张倩本文经机器之心授权转载，禁止二次转载图神经网络（GNN）是一类基于深度学习的图域信息处理方法。由于具有较好的性...

来源：深度学习与NLP GNN是Graph Neural Network的简称，是用于学习包含大量连接的图的联结主义模型。近年来，图神经网络(GNN)在社交网络、知识图、推荐系统甚...

提问：现在百度的paddlepaddle，华为的mindspore，一流的oneflow，开放智能的tengine，他们相对于Pytorch和TensorFlow都是小众的深度学习框架，...

来源：OpenCV学堂作者：陨星落云大家好，本篇教程的贡献者来自社区投稿作者【陨星落云】，使用CIFAR-10数据集进行图像分类。该数据集中的图像是彩色小图像，其中被分为了十类。一些示例...

目标检测是计算机视觉领域的一大任务，大致分为一阶段目标检测与两阶段目标检测。其中一阶段目标检测模型以YOLO系列为代表。与RCNN算法不一样，是以不同方式处理对象检测。YOLO算法的最大优点就是速度极快，每秒可处理45帧，也能够理解一般的对象表示。从个人学习来看：优秀的计算机视觉工程师，目标检测的学习避免不了，而目标检测的核心就是YOLO。YOLO系列也一直在发展，对于它...

来源：阿里云周五，阿里云举办通义千问发布会，开源通义千问720亿参数模型Qwen-72B。Qwen-72B在10个权威基准测评创下开源模型最优成绩，成为业界最强开源大模型，性能超越开源标杆Llama 2-70B和大部分商用闭源模型。未来，企业级、科研级的高性能应用，也有了开源大模型这一选项。通义千问还开源了18亿参数模型Qwen-1.8B和音频大模型Qwen-Audio。至此，通义千问共开源18亿

现在是学习卷积神经网络及其在图像分类中的应用了。什么是卷积？卷积运算是使用具有恒定大小的“窗口”移动图像，并将图像像素与卷积窗口相乘以获得输出图像的过程。让我们看看下面的例子：我们看到一个9x9图像和一个3x3卷积滤波器，其恒定权重为3 0 3 2 0 2 1 0 1，以及卷积运算的计算。尝试使用如下所示的滤波器遍历图像，并更好地了解输出图像的这些像素是如何通过卷积计算的...

作者：Marek Paulik编译：ronghuaiyang来源：AI公园导读一个非常简单和容易上手的例子。对于教程中使用的大多数人工数据集，每个类都有相同数量的数据。然而，在实际应用中，...

作者：Chaitanya Joshi编译：ronghuaiyang导读这个观点的目的是构建Transformer结构背后的NLP上的直觉，以及与图神经网络的联系。工程师朋友经常问我：“图...