- 目录 摘要 1、通道注意力机制和空间注意力机制 2、SE-Net: Squeeze-and-Excitation Networks SE模块的实现 SE的另一种实现方式 3、轻量模块ECANet（通道注意力超强改进） 4、Coordinate Attention 摘要 计算机视觉（computer vision）中的... 目录 摘要 1、通道注意力机制和空间注意力机制 2、SE-Net: Squeeze-and-Excitation Networks SE模块的实现 SE的另一种实现方式 3、轻量模块ECANet（通道注意力超强改进） 4、Coordinate Attention 摘要 计算机视觉（computer vision）中的...
- 文章目录 摘要导入项目使用的库设置全局参数图像预处理读取数据设置模型定义训练和验证函数测试完整的训练代码 摘要 来自 Facebook 的研究者提出了一种名为 ConViT 的新计算机视觉... 文章目录 摘要导入项目使用的库设置全局参数图像预处理读取数据设置模型定义训练和验证函数测试完整的训练代码 摘要 来自 Facebook 的研究者提出了一种名为 ConViT 的新计算机视觉...
- 目录 摘要 一、SENet概述 二、SENet 结构组成详解 三、详细的计算过程 &nb... 目录 摘要 一、SENet概述 二、SENet 结构组成详解 三、详细的计算过程 &nb...
- 以图像分类任务为例，在下表所示卷积神经网络中，一般包含5种类型的网络层次结构： CNN层次结构输出尺寸作用输入层 W1×H1×3 卷积网络的原始输入，可以是原始或预处理后的像素矩阵卷积层W1×H1×K参数共享、局部连接，利用平移不变性从全局特征图提取局部特征激活层W1×H1×K将卷积层的输出结果进行非线性映射池化层W2×H2×K进一步... 以图像分类任务为例，在下表所示卷积神经网络中，一般包含5种类型的网络层次结构： CNN层次结构输出尺寸作用输入层 W1×H1×3 卷积网络的原始输入，可以是原始或预处理后的像素矩阵卷积层W1×H1×K参数共享、局部连接，利用平移不变性从全局特征图提取局部特征激活层W1×H1×K将卷积层的输出结果进行非线性映射池化层W2×H2×K进一步...
- 目录 1、批归一化（Batch Normalization）的含义以及如何理解 2、批归一化（BN）算法流程 3、什么时候使用Batch Normalization 总结 1、批归一化（Batch Normalization）的含义以及如何理解 Batch Normalization，简称Batc... 目录 1、批归一化（Batch Normalization）的含义以及如何理解 2、批归一化（BN）算法流程 3、什么时候使用Batch Normalization 总结 1、批归一化（Batch Normalization）的含义以及如何理解 Batch Normalization，简称Batc...
- 摘要 本文介绍了一种称为 Swin Transformer 的新视觉 Transformer，它可以作为计算机视觉的通用主干。将 Transformer 从语言适应到视觉方面的挑战源于两个领域之间的差异... 摘要 本文介绍了一种称为 Swin Transformer 的新视觉 Transformer，它可以作为计算机视觉的通用主干。将 Transformer 从语言适应到视觉方面的挑战源于两个领域之间的差异...
- class RNN(Layer): """A Vanilla Fully-Connected Recurrent Neural Network layer. Parameters: ... class RNN(Layer): """A Vanilla Fully-Connected Recurrent Neural Network layer. Parameters: ...
- from __future__ import print_function, division import numpy as np import copy class Neuroevolution()... from __future__ import print_function, division import numpy as np import copy class Neuroevolution()...
- from __future__ import print_function, division import numpy as np from mlfromscratch.utils import euc... from __future__ import print_function, division import numpy as np from mlfromscratch.utils import euc...
- 摘要 本文提出了一个概念上简单、灵活和通用的目标实例分割框架。该方法有效地检测图像中的目标，同时为每个实例生成高质量的分割掩码。该方法被称为 Mask R-CNN，在 Faster R-CNN的基础... 摘要 本文提出了一个概念上简单、灵活和通用的目标实例分割框架。该方法有效地检测图像中的目标，同时为每个实例生成高质量的分割掩码。该方法被称为 Mask R-CNN，在 Faster R-CNN的基础...
- 目录 一，视觉感知 1，人眼 2，亮度适应和辨别 二，光和电磁波谱 1，单色光、灰度级 2，光源的三属性 三，图像的感知和获取 1，单个传感器 2，条带传感器 3，传感器阵列 四，图像的采样和量化 1，取样 2，量化 五，图像的质量 1，灰度级和层次 2，对比度 3，饱和度 六，像素间关系 1，邻域... 目录 一，视觉感知 1，人眼 2，亮度适应和辨别 二，光和电磁波谱 1，单色光、灰度级 2，光源的三属性 三，图像的感知和获取 1，单个传感器 2，条带传感器 3，传感器阵列 四，图像的采样和量化 1，取样 2，量化 五，图像的质量 1，灰度级和层次 2，对比度 3，饱和度 六，像素间关系 1，邻域...
- 前言 如何用matlab搭建一个简单的Bp神经网络，并且在代码的最后得到Bp神经网络训练后的权值与阈值。实际上，权值与阈值可以在开始训练网络前给其赋值，换句话说，我们给神经网络的权值与阈值想怎么赋值就怎么赋值，当然赋值的结果一定会影响神经网络最终的预测性能。我们追求的目标是使神经网络最终的预测性能最佳，也就是说找到最佳的权值与阈值，那... 前言 如何用matlab搭建一个简单的Bp神经网络，并且在代码的最后得到Bp神经网络训练后的权值与阈值。实际上，权值与阈值可以在开始训练网络前给其赋值，换句话说，我们给神经网络的权值与阈值想怎么赋值就怎么赋值，当然赋值的结果一定会影响神经网络最终的预测性能。我们追求的目标是使神经网络最终的预测性能最佳，也就是说找到最佳的权值与阈值，那...
- 01 | 人类神经系统原理 生物神经元间的信号通过突触来传递。通过它，一个神经元内传送的冲击信号将在下一个神经元内引起响应，使下一个神经元兴奋，或阻止下一个神经元兴奋。人体内有上百亿个神经细胞，这些神经细胞通过突触连接可以构成许多不同的路径，来传递信息。 一个神经元有两种状态——兴奋和抑制。平时处于抑制状态... 01 | 人类神经系统原理 生物神经元间的信号通过突触来传递。通过它，一个神经元内传送的冲击信号将在下一个神经元内引起响应，使下一个神经元兴奋，或阻止下一个神经元兴奋。人体内有上百亿个神经细胞，这些神经细胞通过突触连接可以构成许多不同的路径，来传递信息。 一个神经元有两种状态——兴奋和抑制。平时处于抑制状态...
- 1、点乘运算 C=dot(A,B) 如果A和B长度相同，计算得出向量A与B的点积。当A与B为列向量时，dot(A,B)相当于进行A’B运算。若A与B为同型矩阵或者高维数组时，那么沿着第一个长度不为1的维度计算点积，二维则沿着列计算。 A1=[1,2,3;3,2,1] B1=[1,1/2,1/2;2,1,1... 1、点乘运算 C=dot(A,B) 如果A和B长度相同，计算得出向量A与B的点积。当A与B为列向量时，dot(A,B)相当于进行A’B运算。若A与B为同型矩阵或者高维数组时，那么沿着第一个长度不为1的维度计算点积，二维则沿着列计算。 A1=[1,2,3;3,2,1] B1=[1,1/2,1/2;2,1,1...
- 01 | 背景 我们已经知道单层感知器具有简单的分类功能（比如将二维平面上的若干点分为两类），而且随着网络层数的增加，网络处理复杂问题的能力也随之增加。但是从单层感知器模型提出后，在相当长的一段时间内都没有人将单层感知器扩展到多层，究其原因，就是人们一直没有找到合适的训练方法来对各层之间的权值进行调... 01 | 背景 我们已经知道单层感知器具有简单的分类功能（比如将二维平面上的若干点分为两类），而且随着网络层数的增加，网络处理复杂问题的能力也随之增加。但是从单层感知器模型提出后，在相当长的一段时间内都没有人将单层感知器扩展到多层，究其原因，就是人们一直没有找到合适的训练方法来对各层之间的权值进行调...
上滑加载中
推荐直播
-
华为云码道-AI时代应用开发利器2026/03/18 周三 19:00-20:00
童得力，华为云开发者生态运营总监/姚圣伟，华为云HCDE开发者专家
本次直播由华为专家带你实战应用开发，看华为云码道(CodeArts)代码智能体如何在AI时代让你的创意应用快速落地。更有华为云HCDE开发者专家带你用码道玩转JiuwenClaw，让小艺成为你的AI助理。
回顾中 -
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中 -
华为云一键云上部署Openclaw 实现“龙虾自由”2026/04/11 周六 14:00-16:00
秦拳德-中软国际教育卓越研究院研究员
还在为搭建AI环境而焦头烂额、彻夜难眠？ 还在苦苦等待复杂工具的缓慢响应、迟迟无法推进项目？ 别再犹豫，快来华为云，一键部署OpenClaw，轻松告别 繁琐配置，即刻畅享极速体验！更有龙虾实操演示全程护 航，真正解放双手，让办公效率实现质的飞跃。限时重磅 福利火热来袭，干万Tokens等你来瓜分，机会难得，不容 错过！
即将直播
热门标签