PyTorch Image Models（timm） 是一个优秀的图像分类 Python 库，其包含了大量的图像模型（Image Models）、Optimizers、Schedulers、Augmentations 等等.除了使用进行预训练以外，还有一个常见的预训练模型库，叫做，这个库是由来自加拿大温哥华Ross Wightman创建的。里面提供了许多计算机视觉的SOTA模型，可以当作是torc

【论文泛读】 ResNeXt：深度神经网络的聚合残差变换文章目录【论文泛读】 ResNeXt：深度神经网络的聚合残差变换主要思想摘要模型结构Inception模块split-transform-merge分组卷积ResNeXt模型结构ResNeXt模型评估及结论总结和感想论文链接： Aggregated Residual Transformations for Deep Neural Networ

算法收敛性梯度下降法分析算法收敛性 - 精确线搜索exact line search分析算法收敛性 - 非精确线搜索Inexact line search(Amijo Rule)梯度下降法dk+1=−∇f(xk)d^{k+1}=-\nabla f\left(x^{k}\right)dk+1=−∇f(xk)f(xk+1)−P∗f(xk)−P∗≤1−mM\frac{f\left(x^{k+1}\rig

第6章 逻辑斯蒂回归和最大熵模型逻辑斯谛回归(LR)是经典的分类方法1．逻辑斯谛回归模型是由以下条件概率分布表示的分类模型。逻辑斯谛回归模型可以用于二类或多类分类。P(Y=k∣x)=exp⁡(wk⋅x)1+∑k=1K−1exp⁡(wk⋅x),k=1,2,⋯ ,K−1P(Y=k | x)=\frac{\exp \left(w_{k} \cdot x\right)}{1+\sum_{k=1}^{K-1

【论文泛读】 Faster R-CNN:利用RPN实现实时目标检测文章目录【论文泛读】 Faster R-CNN:利用RPN实现实时目标检测前言摘要 Abstract介绍 Introduction相关工作 Related WorkFaster R-CNNRegion Proposal Networks 区域推荐网络锚点 Anchor平移不变性锚点损失函数 Loss Function训练RPNsFa

目标检测相关论文和代码资源汇总文章目录目标检测相关论文和代码资源汇总2014～2019模型汇总（红色为推荐必读篇）：Performance table 性能表2014论文及代码2015论文及代码2016论文及代码2017论文及代码2018论文及代码2019论文及代码2020论文及代码Dataset Papers 常用的目标检测数据集2014～2019模型汇总（红色为推荐必读篇）：Performan

机器学习之一：什么是机器学习？1. 什么是机器学习？长期以来众说纷纭，Langley（1996）定义机器学习为：“机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能”。Mitchell（1997）在《Machine Learning》中写道：“机器学习是计算机算法的研究，并通过经验提高其自动进行改善”。Alpaydin（2004）提出自己对机器学

一直以来，深度神经网络的可解释性都被大家诟病，训练一个神经网络被调侃为“炼丹”。所得的模型也像一个“黑盒”一样，给它一个输入，然后得到结果，却不知道模型是如何得出结论的，究竟学习到了什么知识。如果能将其训练或者推理过程可视化，那么可以对其更加深入的理解，目前深度神经网络可视化可以分为：可视化卷积核；可视化特征图；可视化激活热力图，也就是不同位置像素点对得出结果的影响程度图神经网络可视化汇总。

机器学习之二：回归分析1. 基本概念我们首先了解一下关于回归的基本概念。因变量（dependent variable）是函数中的专业名词，函数关系式中，某些特定的数会随另一个（或另几个）会变动的数的变动而变动，就称为因变量。如：Y=f(X)。此式表示为：Y随X的变化而变化。Y是因变量，X是自变量。因变量（dependent variable）是函数中的专业名词，函数关系式中，某些特定的数会随另一个

百度开源文心 ERNIE 4.5 系列大模型，涵盖47B、3B MoE模型及0.3B稠密模型等10款模型，其中424B多模态大模型尤为亮眼。该系列在28个基准测试中20+指标超越DeepSeek-V3，支持思考模式切换，采用Apache开源协议。配套提供ERNIEKit开发套件和FastDeploy部署工具，覆盖训练到推理全流程。此次开源标志着中国在多模态大模型领域取得重要突破，为全球AI开源生态