HelloWorld 开发者社区

科技资讯

全部资讯

开源项目

全部项目

推荐好文

【炼丹侠】如何用GPU服务器实现VGGNet训练

VGGNet是一种深度卷积神经网络,由牛津大学计算机视觉组的研究团队开发。VGGNet的设计思想简单而有效,以深度堆叠的卷积层为主要特点。VGGNet的核心思想是通过多个小尺寸的卷积核和池化层来构建深度网络,具有比较小的感受野。相比于其他网络结构,如AlexNet,VGGNet采用了更深的网络结

使用Pytorch和OpenCV实现视频人脸替换

“DeepFaceLab”项目已经发布了很长时间了,作为研究的目的,本文将介绍他的原理,并使用Pytorch和OpenCV创建一个简化版本。本文将分成3个部分,第一部分从两个视频中提取人脸并构建标准人脸数据集。第二部分使用数据集与神经网络一起学习如何在潜在空间中表示人脸,并从该表示中重建人脸图像

了解GPT的最快方法,阅读《这就是ChatGPT》

在图灵编辑部公众号了解到沃尔弗拉姆写的这本《这就是ChatGPT》后,果断下单,一是因为在读论文的时候了解过沃尔弗拉姆所创立的“计算等价原理”,是很有意思的理论,知道他是位大牛,二是ChatGPT也已经火了一段时间了,它的英文写作真的很高效,让我受益颇多。但由于我不是算法方向,没怎么去研究大模型方向

【炼丹侠】如何使用GPU服务器实现CNN训练

CNN是一种深度学习神经网络结构,特别适用于处理和分析具有网格结构数据的任务,如图像和视频数据。CNN在计算机视觉领域广泛应用,能够自动学习图像中的特征,并在各种视觉任务中表现出色。CNN的设计灵感来源于生物学中的视觉皮层的工作原理,它使用了卷积操作来捕捉图像中的局部特征,并通过池化操作来减少数据的

用于3D MRI和CT扫描的深度学习模型总结

医学成像数据与其他我们日常图像的最大区别之一是它们很多都是3D的,比如在处理DICOM系列数据时尤其如此。DICOM图像由很多的2D切片组成了一个扫描或身体的特定部分。那么如何为这类数据构建深度学习解决方案呢?本文中将介绍6种神经网络架构,可以使用它们来训练3D医疗数据上的深度学习模型。

正在加载更多文章…

加载更多

已加载文章中没有匹配内容,可继续加载更多。