Deephub_社区达人页

2023年02月

• 02.07 11:19:22
  发表了文章 2023-02-07 11:19:22

  3个用于时间序列数据整理的Pandas函数

  本文将演示 3 个处理时间序列数据最常用的 pandas 操作

  
• 02.06 12:41:34
  发表了文章 2023-02-06 12:41:34

  使用JAX实现完整的Vision Transformer

  本文将展示如何使用JAX/Flax实现Vision Transformer (ViT)，以及如何使用JAX/Flax训练ViT。

  
• 02.05 10:30:33
  发表了文章 2023-02-05 10:30:33

  论文推荐：ACMix整合self-Attention和Convolution (ACMix)的优点的混合模型

  混合模型ACmix将自注意与卷积的整合，同时具有自注意和卷积的优点。这是清华大学、华为和北京人工智能研究院共同发布在2022年CVPR中的论文

  
• 02.04 10:35:16
  发表了文章 2023-02-04 10:35:16

  使用谱聚类（spectral clustering）进行特征选择

  在本文中，我们将介绍一种从相关特征的高维数据中选择或提取特征的有用方法。

  
• 02.03 09:52:19
  发表了文章 2023-02-03 09:52:19

  Pandas的apply, map, transform介绍和性能测试

  在这篇文章中，我们将通过一些示例讨论apply、agg、map和transform的预期用途。

  
• 02.02 10:49:06
  发表了文章 2023-02-02 10:49:06

  2023 年 1 月的5篇深度学习论文推荐

  本文整理了 2023 年 1 月5 篇著名的 AI 论文，涵盖了计算机视觉、自然语言处理等方面的新研究。

  
• 02.01 11:07:59
  发表了文章 2023-02-01 11:07:59

  在 PyTorch 中使用梯度检查点在GPU 上训练更大的模型

  本文将介绍解梯度检查点（Gradient Checkpointing），这是一种可以让你以增加训练时间为代价在 GPU 中训练大模型的技术。 我们将在 PyTorch 中实现它并训练分类器模型。

  

2023年01月

• 01.31 10:54:51
  发表了文章 2023-01-31 10:54:51

  CRPS：贝叶斯机器学习模型的评分函数

  连续分级概率评分（Continuous Ranked Probability Score, CRPS）或“连续概率排位分数”是一个函数或统计量，可以将分布预测与真实值进行比较。

  
• 01.30 10:48:23
  发表了文章 2023-01-30 10:48:23

  不平衡数据集的建模的技巧和策略

  不平衡数据集是指一个类中的示例数量与另一类中的示例数量显著不同的情况。 例如在一个二元分类问题中，一个类只占总样本的一小部分，这被称为不平衡数据集。类不平衡会在构建机器学习模型时导致很多问题。

  
• 01.29 10:34:34
  发表了文章 2023-01-29 10:34:34

  DeepTime：时间序列预测中的元学习模型

  DeepTime，是一个结合使用元学习的深度时间指数模型。通过使用元学习公式来预测未来，以应对时间序列中的常见问题（协变量偏移和条件分布偏移——非平稳）。该模型是时间序列预测的元学习公式协同作用的一个很好的例子。

  
• 01.28 10:45:15
  发表了文章 2023-01-28 10:45:15

  使用OpenAI的Whisper 模型进行语音识别

  本文将解释用于训练的数据集的种类以及模型的训练方法，以及如何使用Whisper

  
• 01.27 10:36:21
  发表了文章 2023-01-27 10:36:21

  监控Python 内存使用情况和代码执行时间

  我的代码的哪些部分运行时间最长、内存最多？我怎样才能找到需要改进的地方？”在开发过程中，我很确定我们大多数人都会想知道这一点,在本文中总结了一些方法来监控 Python 代码的时间和内存使用情况。

  
• 01.26 11:52:43
  发表了文章 2023-01-26 11:52:43

  使用CNN进行2D路径规划

  卷积神经网络(CNN)是解决图像分类、分割、目标检测等任务的流行模型。本文将CNN应用于解决简单的二维路径规划问题。主要使用Python, PyTorch, NumPy和OpenCV。

  
• 01.25 11:24:45
  发表了文章 2023-01-25 11:24:45

  这20个Pandas函数可以完成80%的数据科学工作

  Pandas 是数据科学社区中使用最广泛的库之一，它是一个强大的工具，可以进行数据操作、清理和分析。本文将提供最常用的 Pandas 函数以及如何实际使用它们的样例。我们将涵盖从基本数据操作到高级数据分析技术的所有内容，到本文结束时，你会深入了解如何使用 Pandas 并使数据科学工作流程更高效。

  
• 01.24 11:10:43
  发表了文章 2023-01-24 11:10:43

  使用Stable-Diffusion生成视频的完整教程

  本文是关于如何使用cuda和Stable-Diffusion生成视频的完整指南，将使用cuda来加速视频生成，并且可以使用Kaggle的TESLA GPU来免费执行我们的模型。

  
• 01.23 10:56:11
  发表了文章 2023-01-23 10:56:11

  7个流行的强化学习算法及代码实现

  目前流行的强化学习算法包括 Q-learning、SARSA、DDPG、A2C、PPO、DQN 和 TRPO。 这些算法已被用于在游戏、机器人和决策制定等各种应用中，并且这些流行的算法还在不断发展和改进，本文我们将对其做一个简单的介绍。

  
• 01.22 11:28:07
  发表了文章 2023-01-22 11:28:07

  2023 年8个ChatGPT 的替代品

  OpenAI 于 2022 年 11 月下旬推出的 ChatGPT 在网络世界引起了不小的轰动。它不仅引起了社交媒体用户的关注，也引起了各大媒体的关注。

  
• 01.21 11:35:49
  发表了文章 2023-01-21 11:35:49

  8种时间序列分类方法总结

  对时间序列进行分类是应用机器和深度学习模型的常见任务之一。本篇文章将涵盖 8 种类型的时间序列分类方法。这包括从简单的基于距离或间隔的方法到使用深度神经网络的方法。这篇文章旨在作为所有时间序列分类算法的参考文章。

  
• 01.20 10:39:09
  发表了文章 2023-01-20 10:39:09

  深度学习中高斯噪声：为什么以及如何使用

  在数学上，高斯噪声是一种通过向输入数据添加均值为零和标准差(σ)的正态分布随机值而产生的噪声。

  
• 01.19 19:47:04
  发表了文章 2023-01-19 19:47:04

  可视化VIT中的注意力

  ViT中最主要的就是注意力机制，所以可视化注意力就成为了解ViT的重要步骤，所以我们这里介绍如何可视化ViT中的注意力

  
• 01.18 11:04:40
  发表了文章 2023-01-18 11:04:40

  CycleMLP:一种用于密集预测的mlp架构

  CycleMLP由香港大学、商汤科技研究院和上海人工智能实验室共同开发，在2022年ICLR上发布。

  
• 01.17 11:04:11
  发表了文章 2023-01-17 11:04:11

  Jupyter Lab 的 10 个有用技巧

  JupyterLab是 Jupyter Notebook「新」界面。它包含了jupyter notebook的所有功能，并升级增加了很多功能。它最大的更新是模块化的界面，可以在同一个窗口以标签的形式同时打开好几个文档，同时插件管理非常强大，使用起来要比jupyter notebook高大尚许多。

  
• 01.16 12:08:02
  发表了文章 2023-01-16 12:08:02

  YOLO家族系列模型的演变：从v1到v8（下）

  昨天的文章中，我们回顾了 YOLO 家族的前 9 个架构。本文中将继续总结最后3个框架，还有本月最新发布的YOLO V8.

  
• 01.15 11:34:54
  发表了文章 2023-01-15 11:34:54

  YOLO家族系列模型的演变：从v1到v8（上）

  YOLO V8已经在本月发布了，我们这篇文章的目的是对整个YOLO家族进行比较分析。了解架构的演变可以更好地知道哪些改进提高了性能，并且明确哪些版本是基于那些版本的改进，因为YOLO的版本和变体的命名是目前来说最乱的，希望看完这篇文章之后你能对整个家族有所了解。

  
• 01.14 09:36:29
  发表了文章 2023-01-14 09:36:29

  使用Stable Diffusion和Pokedex的描述生成神奇宝贝图片

  还记得我们以前使用GAN、Clip、DALL-E生成神奇宝贝的文章吗，现在是时候使用Stable Diffusion了

  
• 01.13 11:58:29
  发表了文章 2023-01-13 11:58:29

  论文推荐：谷歌Masked Generative Transformers 以更高的效率实现文本到图像的 SOTA

  基于文本提示的生成图像模型近年来取得了惊人的进展，这得益于新型的深度学习架构、先进的训练范式(如掩码建模)、大量图像-文本配对训练数据的日益可用，以及新的扩散和基于掩码的模型的发展。

  
• 01.12 11:53:14
  发表了文章 2023-01-12 11:53:14

  2022年深度学习在时间序列预测和分类中的研究进展综述

  2022年时间序列预测中transformers衰落和时间序列嵌入方法的兴起，还有异常检测、分类也取得了进步，本文将尝试介绍一些在过去一年左右的时间里出现的更有前景和关键的论文

  
• 01.11 10:35:51
  发表了文章 2023-01-11 10:35:51

  联邦学习 (FL) 中常见的3种模型聚合方法的 Tensorflow 示例

  联合学习 (FL) 是一种出色的 ML 方法，它使多个设备（例如物联网 (IoT) 设备）或计算机能够在模型训练完成时进行协作，而无需共享它们的数据。

  
• 01.10 11:09:40
  发表了文章 2023-01-10 11:09:40

  Diffusion 和Stable Diffusion的数学和工作原理详细解释

  扩散模型的兴起可以被视为人工智能生成艺术领域最近取得突破的主要因素。而稳定扩散模型的发展使得我们可以通过一个文本提示轻松地创建美妙的艺术插图。所以在本文中，我将解释它们是如何工作的。

  
• 01.09 11:03:33
  发表了文章 2023-01-09 11:03:33

  TensorFlow和PyTorch的实际应用比较

  TensorFlow和PyTorch是两个最受欢迎的开源深度学习框架，这两个框架都为构建和训练深度学习模型提供了广泛的功能，并已被研发社区广泛采用。但是作为用户，我们一直想知道哪种框架最适合我们自己特定项目，所以在本文与其他文章的特性的对比不同，我们将以实际应用出发，从性能、可伸缩性和其他高级特性方面比较TensorFlow和PyTorch。

  
• 01.08 09:30:18
  发表了文章 2023-01-08 09:30:18

  9个时间序列交叉验证方法的介绍和对比

  在本文中，我们收集了时间序列的常用的9种交叉验证方法。这些包括样本外验证(holdout)或流行的K-fold交叉验证的几个扩展。

  
• 01.07 11:50:33
  发表了文章 2023-01-07 11:50:33

  使用Flask快速部署PyTorch模型

  对于数据科学项目来说，我们一直都很关注模型的训练和表现，但是在实际工作中如何启动和运行我们的模型是模型上线的最后一步也是最重要的工作。 今天我将通过一个简单的案例：部署一个PyTorch图像分类模型，介绍这个最重要的步骤。

  
• 01.06 11:54:44
  发表了文章 2023-01-06 11:54:44

  28个数据可视化图表的总结和介绍

  在这篇文章中，我们将整理我们能看到的所有数据可视化图表。如果你是数据科学初学者，那么本文将是最适合你的。

  
• 01.05 10:48:38
  发表了文章 2023-01-05 10:48:38

  从视频到音频：使用VIT进行音频分类

  在本文中，我们将利用ViT - Vision Transformer的是一个Pytorch实现在音频分类数据集GTZAN数据集-音乐类型分类上训练它。

  
• 01.04 11:04:48
  发表了文章 2023-01-04 11:04:48

  Python中的时间序列数据操作总结

  在本文中，我们介绍时间序列数据的索引和切片、重新采样和滚动窗口计算以及其他有用的常见操作，这些都是使用Pandas操作时间序列数据的关键技术。

  
• 01.03 10:42:00
  发表了文章 2023-01-03 10:42:00

  常见的降维技术比较：能否在不丢失信息的情况下降低数据维度

  本文将比较各种降维技术在机器学习任务中对表格数据的有效性

  
• 01.02 11:08:56
  发表了文章 2023-01-02 11:08:56

  2022年最有开创性的10篇AI论文总结

  2022年随着聊天GPT和Mid - journey和Dall-E等图像生成器的流行，我们看到了整个人工智能领域的重大进展。在人工智能和计算机科学的时代，这是令人振奋的一年。本文我们总结了在2022年发表的最具开创性的10篇论文，无论如何你都应该看看。

  
• 01.01 11:31:02
  发表了文章 2023-01-01 11:31:02

  PyTorch 2.0 推理速度测试：与 TensorRT 、ONNX Runtime 进行对比

  PyTorch 2.0 于 2022 年 12 月上旬在 NeurIPS 2022 上发布，它新增的 torch.compile 组件引起了广泛关注，因为该组件声称比 PyTorch 的先前版本带来更大的计算速度提升。

  

2022年12月

• 12.31 09:46:44
  发表了文章 2022-12-31 09:46:44

  使用CLIP构建视频搜索引擎

  CLIP(Contrastive Language-Image Pre-training)是一种机器学习技术，它可以准确理解和分类图像和自然语言文本，这对图像和语言处理具有深远的影响，并且已经被用作流行的扩散模型DALL-E的底层机制。在这篇文章中，我们将介绍如何调整CLIP来辅助视频搜索。

  
• 12.30 18:25:59
  发表了文章 2022-12-30 18:25:59

  使用机器学习和Python揭开DNA测序神秘面纱（一）

  使用机器学习和Python揭开DNA测序神秘面纱（一）

  
• 12.30 18:24:48
  发表了文章 2022-12-30 18:24:48

  在Python中使用K-Means聚类和PCA主成分分析进行图像压缩（三）

  在Python中使用K-Means聚类和PCA主成分分析进行图像压缩（三）

  
• 12.30 18:23:50
  发表了文章 2022-12-30 18:23:50

  在Python中使用K-Means聚类和PCA主成分分析进行图像压缩（二）

  在Python中使用K-Means聚类和PCA主成分分析进行图像压缩（二）

  
• 12.30 18:21:56
  发表了文章 2022-12-30 18:21:56

  在python中使用SageMaker Debugger进行机器学习模型的开发调试(一)

  在python中使用SageMaker Debugger进行机器学习模型的开发调试(一)

  
• 12.30 17:23:11
  发表了文章 2022-12-30 17:23:11

  使用机器学习和Python揭开DNA测序神秘面纱（二）

  使用机器学习和Python揭开DNA测序神秘面纱

  
• 12.30 17:18:38
  发表了文章 2022-12-30 17:18:38

  在Python中使用K-Means聚类和PCA主成分分析进行图像压缩（一）

  在Python中使用K-Means聚类和PCA主成分分析进行图像压缩（一）

  
• 12.30 17:14:28
  发表了文章 2022-12-30 17:14:28

  在python中使用SageMaker Debugger进行机器学习模型的开发调试(二)

  在python中使用SageMaker Debugger进行机器学习模型的开发调试

  
• 12.30 12:26:04
  发表了文章 2022-12-30 12:26:04

  Pandas处理大数据的性能优化技巧

  Pandas是Python中最著名的数据分析工具。本文将介绍一些使用Pandas处理大数据时的技巧，希望对你有所帮助

  
• 12.29 10:13:29
  发表了文章 2022-12-29 10:13:29

  降维和特征选择的对比介绍

  在machine learning中，特征降维和特征选择是两个常见的概念，在应用machine learning来解决问题的论文中经常会出现。特征降维和特征选择的目的都是使数据的维数降低，使数据维度降小。但实际上两者的区别是很大，他们的本质是完全不同的。

  
• 12.28 11:09:19
  发表了文章 2022-12-28 11:09:19

  为深度学习选择最好的GPU

  在进行机器学习项目时，特别是在处理深度学习和神经网络时，最好使用GPU而不是CPU来处理，因为在神经网络方面，即使是一个非常基本的GPU也会胜过CPU。

  
• 12.27 10:20:52
  发表了文章 2022-12-27 10:20:52

  PyTorch的Dataset 和TorchData API的比较

  从版本1.11开始，PyTorch引入了TorchData库，它实现了一种不同的加载数据集的方法。