红色石头的个人博客中文情感分类单标签
7红色石头 发布于 2021-06-10
接上一篇： 你所不知道的 Transformer！ 超详细的 Bert 文本分类源码解读 | 附源码 章节： 背景介绍 预处理 完整的 GitHub 项目代码地址： https://github.com/sherlcok314159/ML/blob/main/nlp/practi...
阅读(15509)评论(0)赞 (1)
标签：深度学习
从零开始带你一步一步使用YOLOv3测试自己的数据
4红色石头 发布于 2021-06-10
上一篇： 从零开始带你一步一步使用YOLOv3训练自己的数据 我给大家详细介绍了如何使用 YOLOv3 模型来训练自己的数据集。训练部分完成，本文将继续给大家详细介绍如何使用我们训练好的模型来进行图片的批量测试。 一、修改 detector.c 文件 1. 替换 void tes...
阅读(15317)评论(0)赞 (0)
从零开始带你一步一步使用 YOLOv3 训练自己的数据
13红色石头 发布于 2021-06-03
公众号：AI有道（redstonewill） YOLOv3是比较常见和常用的深度学习目标检测（Object Dection）算法。今天给大家介绍一下如何一步一步使用YOLOv3训练自己的数据集。 一、标注数据集 首先我们需要使用 labelimg 工具来标注图片数据集，例如图片是...
阅读(5778)评论(1)赞 (2)
超详细的 Bert 文本分类源码解读 | 附源码
61红色石头 发布于 2021-06-03
本文详细的GitHub地址： https://github.com/sherlcok314159/ML 接上一篇： 你所不知道的 Transformer！ 参考论文 https://arxiv.org/abs/1706.03762 https://arxiv.org/abs/18...
阅读(5611)评论(0)赞 (2)
你所不知道的 Transformer！
18红色石头 发布于 2021-06-01
这是 Transformer 系列第一篇！ 参考论文：https://arxiv.org/abs/1706.03762 章节 Reasons Self-Attention Multi-Head Attention Positional Encoding Add & Nor...
阅读(20139)评论(0)赞 (2)
TopPaper：AI 初学者经典论文列表
10红色石头 发布于 2021-06-01
无论你是学习机器学习还是深度学习，看学术论文必不可少。作为 AI 初学者而言，如何挑选更适合自己、更容易学习的 AI 论文尤为重要！真的会起到事半功倍的效果。 今天给大家推荐一个非常不错的 GitHub 开源项目：TopPaper。该项目汇聚了 AI 方向重点核心的论文，方便初学...
阅读(24636)评论(0)赞 (2)
ODS：输出多样化采样，有效增强白盒和黑盒攻击的性能 | NeurIPS 2020
14红色石头 发布于 2021-04-16
【简介】 本文提出了一种新的采样策略——输出多样化采样，替代对抗攻击方法中常用的随机采样，使得目标模型的输出尽可能多样化，以此提高白盒攻击和黑盒攻击的有效性。实验表明，该种采样策略可以显著提升对抗攻击方法的性能。 论文地址： https://arxiv.org/abs/2003....
阅读(1806)评论(0)赞 (2)
手把手教你如何将 yolov3/yolov4 转为 caffe 模型
4红色石头 发布于 2021-03-15
实际工作中，目标检测 yolov3 或者 yolov4 模型移植到 AI 芯片中，经常需要将其先转换为 caffe1.x 模型，大家可能或多或少也有这方面的需求。例如华为海思 NNIE 只支持caffe1.x 模型，所以 yolov3/yolov4 模型要想在海思芯片上部署，转换...
阅读(2953)评论(0)赞 (1)
330+ 个机器学习模型、库探索工具！Papers With Code 重磅推出！
5红色石头 发布于 2021-03-03
今天给大家推荐一个硬核干货：一个基于 PyTorch 的图像模型库（PyTorch Image Models，TIMM），用于最新图像分类。 这个库从 330+ 种预训练的最新图像分类模型中进行选择，方便我们使用提供的脚本在 ImageNet 等研究数据集上重新训练模型。而且，可...
阅读(3314)评论(0)赞 (3)
从零开始 Mask RCNN 实战：基于 Win10 的 Mask RCNN 环境搭建
10红色石头 发布于 2020-07-16
大名鼎鼎的 Mask RCNN 一举夺得 ICCV2017 Best Paper，名声大造。Mask RCNN 是何恺明基于以往的 Faster RCNN 架构提出的新的卷积网络，实现高效地检测图中的物体，并同时生成一张高质量的每个个体的分割掩码，即有效地目标的同时完成了高质量的...
阅读(7789)评论(0)赞 (2)
