AirCL

摘要： https://blog.csdn.net/m0_46819545/article/details/132866015 亲测有效！ 阅读全文

摘要： DDPM 1. 大致流程 1.1 宏观流程 1.2 训练过程 1.3 推理过程 2. 对比GAN 2.1 GAN流程 2.2 相比GAN优点 训练过程更稳定，损失函数指向性更强（loss数值大小指示训练效果好坏） 3. 详细流程 3.1 扩散阶段 如下图，X0为初始干净图像，XT由X0逐步添加噪声所 阅读全文

摘要： L1 Loss、L2 Loss、Smooth L1 Loss L1 Loss L1 Loss别称：L1 范数损失、最小绝对值偏差（LAD）、最小绝对值误差（LAE）。最常看到的MAE也是指L1 Loss。它是把目标值与模型输出（估计值）做绝对值得到的误差。 什么时候使用？ 回归任务 简单的模型 由于 阅读全文

摘要： 机器学习根据训练模型以及训练数据的不同方式，将机器学习方法分为如下： 有监督：使用有标签的数据进行训练; 无监督：使用无标签的数据进行训练; 半监督：同时用有标签和无标签的数据进行训练。通常是两阶段的训练，先用（较小规模的）有标签数据训练一个Teacher模型，再用这个模型对（较大规模的）无标签数据 阅读全文

摘要： Note 这是一篇将Self-Attention应用到GAN中的paper，Self-Attention模块是卷积模块的补充，能够有助于建模跨图像区域的长范围、多层次依赖关系。文中主要提到4点： 在生成的过程中，可以使用所有的特征来生成高分辨率的细节，每个位置的精细细节都与图像远处部分的精细细节仔细 阅读全文

摘要： Git Bush报错wget : command not found 报错信息如下： 解决方法如下： 进入到网站wget包下载地址； 选择符合版本的压缩包下载； 解压压缩包，把里边的wget.exe放到Git安装地址Git/mingw64/bin目录中。 问题解决！ 阅读全文

摘要： 物体表面缺陷检测现状 传统机器学习局限性 传统机器学习方法对于特定的算法只能解决特定的问题，不够灵活，无法快速适应新产品； 不同的问题有不同的特征，当需要解决新问题时，需要重新设计特征，开发周期长； 深度学习遇到的问题 训练数据数量需求大； 标注精度、耗时需求严格； 计算能力需求高。 该篇paper 阅读全文

摘要： Pytorch中张量与Tensor() 一、张量Tensor 张量是一个统称，其中包含很多类型： 0阶张量: 标量、常数，0-D Tensor 1阶张量: 向量，1-D Tensor 2阶张量: 矩阵，2-D Tensor 3阶张量 ... N阶张量 二、Pytorch中使用torch.Tensor 阅读全文

摘要： 一、前言 windows10 下安装 CUDA ，首先需要下载两个包： CUDA toolkit（工具包） cuDNN 注：cuDNN 是用于配置深度学习使用 官方安装教程： CUDA安装教程 cuDNN配置教程 二、安装前的准备 电脑环境检查 打开英伟达显卡控制面板，找到“系统信息” 查看具体支持 阅读全文

摘要： 神经网络 概念 人工神经网络（简称神经网络），是一种模仿生物神经网络的结构和功能的数学模型，用于对函数进行估计或近似。 和其它的机器学习方法一样，神经网络已经被用于解决各种各样的问题。 神经元 在生物神经网络中，每个神经元与其他神经元相连，当它兴奋时，就会向相连的神经元发送化学物质，从而改变这些神经 阅读全文