-
Scalable Self-Attention: 一种新型的自我注意机制
论文提出了一种可伸缩自我注意(Scalable Self-Attention, SSA)机制,利用两个可伸缩因子来释放查询、键和值矩阵的维度,同时解除它们与输入的绑定。通过交替叠加SSA和基于窗口的交互式自注意(IWSA),Scalable Vision Transformer (ScalableViT)在通用视觉任务上实现了优于SOTA的性能。- 83
- 0
-
-
-
从实时视频中识别手势的简单步骤
本教程介绍了从实时视频序列中识别手势的简单步骤,包括分割手部区域和手指计数。使用Python和OpenCV,通过背景扣除、运动检测和阈值处理,以及轮廓提取,实现了这一目标。- 327
- 0
-
英国皇家植物园利用机器学习算法成功预测植物抗疟性
最新研究表明,英国皇家植物园利用机器学习算法成功预测了植物抗疟性,为疟疾药物研发提供了新的思路和可能性。了解更多关于植物学、机器学习和抗疟疾研究的最新进展。- 79
- 0
-
了解3D视觉算法和视觉SLAM的基础知识
本文介绍了3D视觉算法的背景知识和基本概念,以及视觉SLAM算法的原理和流程。深入了解3DMM、RGB-D相机、点云、网格、深度图像等内容,为对这些领域感兴趣的人提供了入门知识。- 414
- 0
-
阿里云机器学习平台 PAI 宣布支持抢占型实例,节省服务成本
阿里云机器学习平台(PAI)宣布支持抢占型实例,用户可以通过该方式节省服务成本。抢占型实例适用于对价格敏感、但对推理服务实时性不敏感的场景,如图像识别、视频分割等。- 420
- 0
-
飞桨PaddleScience框架技术创新:自动微分、编译器和分布式并行
飞桨PaddleScience框架在自动微分、编译器和分布式并行方面进行了技术创新,为科学计算任务提供了高效训练与推理的支持。- 142
- 0
-
-
Megengine实现手写数字识别教程
本教程介绍了如何使用Megengine框架实现手写数字识别的深度学习模型,包括环境安装、数据集准备和训练代码。阅读本文可以快速了解深度学习的基本流程和Megengine框架的使用方法。- 100
- 0
-
-
半监督广义学习系统的新方法——S2-BLS
本文介绍了一种新的半监督广义学习系统——S2-BLS,通过引入非监督信息和考虑标注样本与未标注样本之间的关系,解决了现有模型在处理相似性和相邻性问题时的局限性。- 431
- 0
-
高效的图像分类训练技巧
本文介绍了图像分类训练中的高效技巧,包括大Batch训练和训练优化方法。通过实验不同batch大小来探讨最佳值,以提高模型性能和收敛速度。同时,还介绍了图像分类中的训练优化方法。- 278
- 0
-
多伦多大学研究人员开发机器学习模型加速长效注射剂研发
多伦多大学研究人员开发了基于机器学习的模型,用于预测长效注射剂药物释放速率,从而加速药物研发流程。该研究利用嵌套交叉验证方法评估模型的预测性能。- 221
- 0
-
-
-
3D打印材料开发:机器学习在材料科学中的应用
本文将聚焦3D打印材料开发,用机器学习方法解读先进的研究成果,分享波士顿大学和纽约大学等机构的科研成果和方法。了解机器学习在材料科学中的应用和发展。- 402
- 0
-
-
大规模深度学习模型高效训练研究综述
这篇文章综述了大规模深度学习模型高效训练的研究,包括训练加速的一般技术、对通用加速技术发展的未来工作的分析和讨论,以及预训练-微调模式在深度学习领域的应用。- 189
- 0
-
-
AI风险公开信:让人工智能发展更快还是更慢?
一份关于人工智能风险的公开信引发了激烈讨论。一些专家认为应优先考虑当前存在的AI风险,而另一些人认为应关注未来潜在的威胁。该文章探讨了不同专家的看法和观点。- 456
- 0
-
如何选择损失函数来解决分类问题?
本文讨论了分类问题中如何选择损失函数来解决不同需求,包括对相对概率排序的影响和真实概率的估计。通过对AUC和logloss的比较,深入探讨了损失函数的选择对模型学习的影响。- 164
- 0
-
-
深度学习中的注意力机制与Transformer框架解析
本文介绍了深度学习中的注意力机制,以及基于Transformer框架的相关模型,包括GPT、CLIP、DALL·E等。通过对注意力机制的解析,帮助读者更好地理解AI相关知识。- 113
- 0
幸运之星正在降临...
点击领取今天的签到奖励!
恭喜!您今天获得了{{mission.data.mission.credit}}积分
我的优惠劵
-
¥优惠劵使用时效:无法使用使用时效:
之前
使用时效:永久有效优惠劵ID:×
没有优惠劵可用!