摘要:ModelArts提供了一个PyCharm插件工具PyCharm ToolKit,协助用户完成代码上传、提交训练作业、将训练日志获取到本地展示等,用户只需要专注于本地的代码开发即可。本文分享自华为云社区《手把手教您在PyCharm中连接云端资源进行代码调试》,作者:Hello EI。ModelArts提供了一个PyCharm插件工具PyCharm ToolKit,协助用户完成代码上传
Read More
moregeek program
densenet 论文解读-多极客编程
目录
摘要
网络结构
优点
代码
问题
参考资料
摘要
ResNet 的工作表面,只要建立前面层和后面层之间的“短路连接”(shortcut),就能有助于训练过程中梯度的反向传播,从而能训练出更“深”的 CNN 网络。DenseNet 网络的基本思路和 ResNet 一致,但是它建立的是前面所有层与后面层的密集连接(dense connection)。传统的 $L$ 层卷积网络有 $L$ 个连
Read More
Read More
视觉语言导航研究进展-多极客编程
作者:司马双霖, 黄岩, 何科技, 安东, 袁辉, 王亮首发:自动化学报;编辑:一点人工一点智能原文地址:视觉语言导航研究进展近年来,越来越多研究人员意识到单模态分析技术在现实中处理信息的局限性,对于自然语言、音频信息以及视觉等多模态融合方面的研究投入日益增加。视觉语言导航[1]是智能体在第一视角下,基于真实环境下的全景图,综合处理指令和视觉信息并进行推理的多模态任务,也是智能管家等应
Read More
Read More
基于单机最高能效270亿参数gpt模型的文本生成与理解-多极客编程
作者:李鹏,王玮,陈嘉乐,黄松芳,黄俊单位:阿里云智能机器学习平台PAI & 达摩院自然语言基础技术概述GPT模型能较好的处理文本生成领域的各种任务,比如文本补全,自由问答,完形填空,写作文,写摘要,写小说,写诗歌等等。最近火爆全网的人工智能产品ChatGPT也是以GPT文本生成模型为底座。虽然GPT大模型作用在这些应用领域的效果很好,但是训练成本非常高。以OpenAI推出的1750亿的G
Read More
Read More
onnx模型分析与使用-多极客编程
本文大部分内容为对 ONNX 官方资料的总结和翻译,部分知识点参考网上质量高的博客。
一,ONNX 概述
深度学习算法大多通过计算数据流图来完成神经网络的深度学习过程。 一些框架(例如CNTK,Caffe2,Theano和TensorFlow)使用静态图形,而其他框架(例如 PyTorch 和 Chainer)使用动态图形。 但是这些框架都提供了接口,使开发人员可以轻松构建计算图和运行时,以优
Read More
Read More
目标检测模型的评价标准-ap与map-多极客编程
前言
一,精确率、召回率与F1
1.1,准确率
1.2,精确率、召回率
1.3,F1 分数
1.4,PR 曲线
1.4.1,如何理解 P-R 曲线
1.5,ROC 曲线与 AUC 面积
二,AP 与 mAP
2.1,AP 与 mAP 指标理解
2.2,近似计算AP
2.3,插值计算 AP
2.4,mAP 计算方法
三,目标检测度量标准汇总
四,参考资料
前言
为了了解模型的泛
Read More
Read More
实录 | megengine 大 kernel 卷积工程优化实践-多极客编程
本篇整理自 3.19 日 “Large Kernel Makes CNN Great Again” 专题 Meetup 中《MegEngine 大 Kernel 卷积工程优化实践》分享。
视频回顾 01:10:55 直达
从卷积到矩阵乘
矩阵乘(GEMM)具有计算密度大和易并行等优良特点,传统领域例如芯片产业和高性能计算领域往往将 GEMM 作为 benchmark 并已经将其优化到接近硬件理
Read More
Read More
机器学习技术系列:一篇图文笔记了解【机器学习基础知识】-多极客编程
导言
最近有小半年由近半数工作和生活时间在机器学习技术(ML)的学习与工程实践中,感觉自己阅读了几本ML方面好书,找到了一些更好的学习网站,所以重新梳理了一下自己理解的的ML基础知识。
相关参考摘录书籍及网站如下
《机器学习实战:基于Scikit-Learn、Keras和TensorFlow》(第2版)
《Python深度学习》(第2版)
网站:https://www.showmeai.tech
Read More
Read More
深度学习背景下的图像三维重建技术进展综述-多极客编程
原文首发于《中国图象图形学报》作者:杨航,陈瑞,安仕鹏,魏豪,张衡原文地址:深度学习背景下的图像三维重建技术进展综述三维重建是指从单张二维图像或多张二维图像中重建出物体的三维模型,并对三维模型进行纹理映射的过程。三维重建可获取从任意视角观测并具有色彩纹理的三维模型,是计算机视觉领域的一个重要研究方向。传统的三维重建方法通常需要输入大量图像,并进行相机参数估计、密集点云重建、表面重建和纹理映
Read More
Read More
模型压缩部署概述-多极客编程
一,模型在线部署
深度学习和计算机视觉方向除了算法训练/研究,还有两个重要的方向: 模型压缩(模型优化、量化)、模型部署(模型转换、后端功能SDK开发)。所谓模型部署,即将算法研究员训练出的模型部署到具体的端边云芯片平台上,并完成特定业务的视频结构化应用开发。
现阶段的平台主要分为云平台(如英伟达 GPU)、手机移动端平台(ARM 系列芯片)和其他嵌入式端侧平台(海思 3519、安霸 CV22、地
Read More
Read More
arm 算子性能优化上手指南-多极客编程
作者:林锦豪 | 旷视 MegEngine 架构师
前言
做 arm 侧算子开发时,不能不关心的就是性能。本文主要就是介绍 arm 算子性能优化的常用思路,做为一个入门级的参考。文章以 ARM Cortex a55 上的 GaussianBlur 优化为例展开,并在文末对 arm 性能优化思路做了一个总结。
GaussianBlur 的优化
Q1: 什么是 GaussianBlur?
Gaus
Read More
Read More
github 车牌检测识别项目调研-多极客编程
一,EasyOCR
1.1,仓库介绍
1.2,使用记录
二,HyperLPR
2.1,HyperLPR 概述
2.3,使用记录
2.3,使用建议
三,simple-car-plate-recognition-2
3.1,仓库介绍
3.2,使用记录
3.3,使用建议
四,车牌检测-License-Plate-Detector
4.1,仓库介绍
4.2,建议
五,MMOCR
Read More
Read More
一文入门 3d 视觉算法基础-多极客编程
背景知识
一,基于3DMM的三维人脸重建技术概述
1.1,3D 人脸重建概述
1.2,初版 3DMM
二,视觉SLAM算法基础概述
2.1,视觉里程计
2.2,后端优化
2.3,回环检测
2.4,建图
三,三维点云语义分割和实例分割综述
3.1,三维数据的表示方法
3.2,基于点云的分类和检测
3.3,基于点云的语义分割
四,参考资料
3D 视觉算法包括很多内容,此文仅当作
Read More
Read More
“山外有山比山高”-为什么叫深度学习?-多极客编程
1.模型的复杂表示在上一节中("众里寻他千百度"-深度学习的本质),讨论了如何通过简单的回归模型预测未来一天的youtube频道的观看人数。事实上,在上一节的案例介绍中,使用的是线性回归模型。现在,考虑更复杂的情况。因为线性回归模型的特点是只能简单的认为前一天的观看人数和后一天的观看人数之间是简单的直线关系,但是在现实的情况中,可能二者之间的关系比较复杂,可能呈现出先上升后下降再上升的态
Read More
Read More
“众里寻他千百度”-深度学习的本质-多极客编程
1.机器学习的基本概念机器学习(Machine Learning)是人工智能(Artificial Intelligence)的一个分支,旨在让计算机能够在没有明确编程的情况下学习。它通过分析数据并从中学习模式来完成任务,而不是通过明确编写规则来完成。在机器学习中,我们使用称为算法的程序来处理数据。这些算法通过不断学习来改进自己的性能,从而能够自动执行各种任务,例如识别图像中的对象、识别语音命令、
Read More
Read More
pytorch数据集处理-多极客编程
数据样本处理的代码可能会变得杂乱且难以维护,因此理想状态下我们应该将模型训练的代码和数据集代码分开封装,以获得更好的代码可读性和模块化代码。PyTorch 提供了两个基本方法 torch.utils.data.DataLoader和torch.utils.data.Dataset可以让你预加载数据集或者你的数据。Dataset存储样本及其相关的标签, DataLoade
Read More
Read More
详解网络层-网络层协议【王道计算机网络笔记】-多极客编程
地址解析协议ARP
由于在实际网络的链路上传送数据帧时,最终必须使用MAC地址
ARP协议:完成主机或路由器IP地址到MAC地址的映射。解决下一跳走哪的问题
ARP协议使用过程:
检查ARP高速缓存,有对应表项则写入MAC帧,没有则用目的MAC地址为FF-FF-FF-FF-FF-FF的帧封装并广播ARP请求分组,同一局域网中所有主机都能收到该请求。目的主机收到请求后就会向源主机单播一个ARP响应分
Read More
Read More
逻辑回归-为什么模型会更加侧重于学习那些数值比较大的列-多极客编程
np.random.seed(24)
features,labels = arrayGenReg(w=[1,-1,1])
将第一个特征取值调大100倍
features[:,:1] = features[:,:1] * 100
features
---
array([[ 132.92121726, -0.77003345, 1. ],
[ -31.6280
Read More
Read More
万字长文详解 yolov1-v5 系列模型-多极客编程
一,YOLOv1
Abstract
1. Introduction
2. Unified Detectron
2.1. Network Design
2.2 Training
2.4. Inferences
4.1 Comparison to Other Real-Time Systems
5,代码实现思考
二,YOLOv2
摘要
YOLOv2 的改进
1,中心坐标位置预测的改进
Read More
Read More
一阶段目标检测网络-retinanet 详解-多极客编程
摘要
1,引言
2,相关工作
3,网络架构
3.1,Backbone
3.2,Neck
3.3,Head
4,Focal Loss
4.1,Cross Entropy
4.2,Balanced Cross Entropy
4.3,Focal Loss Definition
5,代码解读
5.1,Backbone
5.2,Neck
5.3,Head
5.4,先验框Anchor赋值
5
Read More
Read More