可以看作是vision transformer的idea集，查漏补缺使用。需要精读的文章前面加了*号，均附有文章链接及代码链接。下面这个链接基本上有所有的ViT的论文地址：https://github.com/dk-liang/Awesome-Visual-TransformerImage ClassificationUniform-scale*ViTpaper：https://arxiv.org

YOLOv7（目标检测）数据集、训练、推理过程

（5）扩散模型 Diffusion Model 1-5 整理总结

当时用以下代码的时候：srcPath = 'horse.jpg'src = mpimg.imread(srcPath) # 读取和代码处于同一目录下的图片newImg = misc.imresize(src, (32,32))# resize至32x32出现了错误：Python报错: scipy.misc module has no attribute imread ... imresize此时将

（3）扩散模型 Diffusion Model 1-3 重建阶段（上）

ModuleNotFoundError: No module named '***'

能不能给出一个目标图像，使用神经网络自动提取出它的特征码呢？如果可以，那么我们就可以方便地对这些图像进行编辑，创造出各种各样“酷炫”的风格人像。这个工作可以分为两步：（1）先利用StyleGAN生成的特征码和生成的人脸图像训练一个网络，把人脸图像作为输入，把特征码作为输出，理论上可以得到一个StyleGAN的逆向网络模型，如果训练成功的话，这个模型可以自动将人脸图像转换为特征码；（2）利用真实人脸

单视图学习可以在传统的垃圾邮件过滤中见到。比如我们训练一个classifier去筛选垃圾邮件，我们可以通过自然语言处理（NLP）去通过邮件的内容来判断它是否是垃圾邮件。我们通常会增加一些features，比如标点符号的比例，邮件的文档长度。新的features和文档内容放在同一个视图下，我们在这里可以把视图理解为一个pd.dataframe。然后通过监督学习（supervised-learning

提供帮助的项目地址：https://github.com/jendrikseipp/vulture

AutoML可以做什么?自动搜索神经网络模型结构在指定任务上通过Fine-tuning/迁移学习得到较好的结果如何进行网络结构搜索?搜索则必有搜索空间搜索过程中必有反馈自动化搜索过程搜索空间----以卷积神经网络为例只保留卷积层，最后一层使用global pooling代替每一个卷积层有五个参数Filter height/width/numberStride height/widthN层卷积神经网