AI 助理
备案控制台

Caffe

首页 标签 Caffe
# Caffe #
关注
526内容
最新 热门 文章 问答
-开发达人-
|
博文
忆海原识发布类脑计算平台，下一代AI突破口到来！（1）
忆海原识发布类脑计算平台，下一代AI突破口到来！
# 机器学习/深度学习 # 人工智能 # 编解码 # 自动驾驶 # 机器人 # 算法框架/工具 # 芯片 # 计算机视觉 # 异构计算 # Caffe
-开发达人-
|
博文
|
来自： ModelScope模型即服务
图像分类必备经典模型，一文打尽知多少？（一）
图像分类必备经典模型，一文打尽知多少？（一）
# 机器学习/深度学习 # 编解码 # 并行计算 # PyTorch # TensorFlow # API # 算法框架/工具 # 计算机视觉 # 异构计算 # Caffe
技术小达人
|
博文
阿里技术副总裁贾扬清离职，接下来瞄准AI架构方向创业
阿里技术副总裁贾扬清离职，接下来瞄准AI架构方向创业
# 云原生大数据计算服务 MaxCompute # 机器学习/深度学习 # 人工智能 # 达摩院 # 大数据 # 语音技术 # 算法框架/工具 # vr&ar # 计算机视觉 # 开发者 # Caffe
-开发达人-
|
博文
物理攻击「损害」深度学习系统，CV、语音领域如何防御？（3）
物理攻击「损害」深度学习系统，CV、语音领域如何防御？
# 机器学习/深度学习 # 算法 # 安全 # 数据挖掘 # TensorFlow # 算法框架/工具 # 计算机视觉 # Caffe
-开发达人-
|
博文
2022年，PyTorch在AI顶会的占比已经上80%了
2022年，PyTorch在AI顶会的占比已经上80%了
# 机器学习/深度学习 # 人工智能 # PyTorch # BI # TensorFlow # 算法框架/工具 # 计算机视觉 # 开发者 # Caffe
虚心求知的熊
|
博文
PyTorch 之 简介、相关软件框架、基本使用方法、tensor 的几种形状和 autograd 机制-1
PyTorch 是一个基于 Torch 的 Python 开源机器学习库，用于自然语言处理等应用程序。它主要由 Facebook 的人工智能小组开发，不仅能够实现强大的 GPU 加速，同时还支持动态神经网络，这一点是现在很多主流框架如 TensorFlow 都不支持的。
# 机器学习/深度学习 # 人工智能 # 自然语言处理 # PyTorch # TensorFlow # 算法框架/工具 # 异构计算 # Caffe # Python # Windows
AiCharm
|
博文
深度学习论文阅读目标检测篇（四）中文版：YOLOv1《 You Only Look Once: Unified, Real-Time Object Detection》
我们的统一架构非常快。我们的基础YOLO模型以45帧/秒的速度实时处理图像。FastYOLO是YOLO的一个较小版本，每秒能处理惊人的155帧图像，同时实现其它实时检测器两倍的mAP。与最先进的检测系统相比，YOLO虽然存在较多的定位错误，但很少将背景预测成假阳性（译者注：其它先进的目标检测算法将背景预测成目标的概率较大）。最后，YOLO能学习到目标非常通用的表示。当从自然图像到艺术品等其它领域泛化时，它都优于其它检测方法，包括DPM和R-CNN。
# 机器学习/深度学习 # 传感器 # 编解码 # 算法 # 机器人 # 算法框架/工具 # 计算机视觉 # 网络架构 # 异构计算 # Caffe
AiCharm
|
博文
深度学习论文阅读目标检测篇（四）中英文对照版：YOLOv1《 You Only Look Once: Unified, Real-Time Object Detection》
我们提出了 YOLO，一种新的目标检测方法。以前的目标检测工 作重复利用分类器来完成检测任务。相反，我们将目标检测框架看作 回归问题，从空间上分割边界框和相关的类别概率。单个神经网络在 一次评估中直接从整个图像上预测边界框和类别概率。由于整个检测 流水线是单一网络，因此可以直接对检测性能进行端到端的优化。
# GPU云服务器 # 机器学习/深度学习 # 编解码 # 算法 # 数据挖掘 # 机器人 # 算法框架/工具 # 计算机视觉 # 网络架构 # 异构计算 # Caffe
-开发达人-
|
博文
避免自动驾驶事故，CV领域如何检测物理攻击？3）
避免自动驾驶事故，CV领域如何检测物理攻击？
# 机器学习/深度学习 # 编解码 # 算法 # 自动驾驶 # 安全 # 数据挖掘 # TensorFlow # 算法框架/工具 # 计算机视觉 # Caffe
AiCharm
|
博文
深度学习论文阅读目标检测篇（三）：Faster R-CNN《 Towards Real-Time Object Detection with Region Proposal Networks》
 最先进的目标检测网络依靠region proposal算法来推理检测目标的位置。SPPnet[1]和Fast R-CNN[2]等类似的研究已经减少了这些检测网络的运行时间，使得region proposal计算成为一个瓶颈。在这项工作中，我们引入了一个region proposal网络（RPN），该网络与检测网络共享整个图像的卷积特征，从而使近乎零成本的region proposal成为可能。
# GPU云服务器 # 机器学习/深度学习 # 算法 # 数据挖掘 # 算法框架/工具 # 计算机视觉 # 网络架构 # 异构计算 # Caffe # Windows # Python
免费试用