V2AS
问路
意见反馈
↓ 按住下拉
带你上手基于Pytorch和Transformers的中文NLP训练框架
本文分享自华为云社区《全套解决方案:基于pytorch、transformers的中文NLP训练框架,支持大模型训练和文本生成,快速上手,海量训练数据》,作者: 汀丶 。 1.简介 目标: ......
模型
image
训练
数据
gpt2
【论文阅读】Uformer:A General U-Shaped Transformer for Image Restoration
前言 博客主页:睡晚不猿序程 首发时间:2023.6.8 最近更新时间:2023.6.8 本文由 睡晚不猿序程 原创 作者是蒻蒟本蒟,如果文章里有任何错误或者表述不清,请 tt 我, ......
论文
Transformer
卷积
阅读
1.
基于卷积神经网络的MAE自监督方法
本文分享自华为云社区《基于卷积神经网络的MAE自监督方法》,作者: Hint 。 图像自监督预训练算法是近年来的重要研究方向,MAE是其中基于
ViT
实现的代表性方法,学习到 ......
卷积
神经网络
CNN
MAE
ViT
VideoMAE Masked Autoencoders are Data-Efficient Learners for Self-Supervised Video Pre-Training概述
0.前言 相关资料: arxiv github 论文解读(知乎,CSDN) 论文基本信息: 领域:视频自监督表示学习 发表时间:NeurIPS 2022(2022.3.23) 1.针对的问题 视频存在非常多 ......
掩码
视频
VideoMAE
Data
时序
计算机保研,maybe this is all you need(普通双非学子上岸浙大工程师数据科学项目)
9.28接收了拟录取通知,也终究是尘埃落定了,我人生的又一个阶段也终于结束。面对最终录取结果,或多或少会有所遗憾,但也还是基本达到了预期的目标了。 作为在今年严 ......
面试
min
保研
导师
机试
使用
Vit
e2+TypeScript4+Vue3技术栈,如何入手开发项目
前言 今天,我们使用
Vit
e2.0+Vue3+TS来试玩一下,开发一个demo项目。实战 我们,打开
Vit
e官方网站(https://cn.
vit
ejs.dev/)。
Vit
e (法语意为 “快速的”,发音 /
vit
/) ......
技术
NET
vue
开发
Scala
CLIP改进工作串讲(上)学习笔记
看了跟李沐学AI系列朱毅老师讲的CLIP改进工作串讲,这里记录一下。 1.分割 分割的任务其实跟分类很像,其实就是把图片上的分类变成像素级别上的分类,但是往往图片 ......
文本
CLIP
embedding
图像
学习
EfficientFormer:轻量化
ViT
Backbone
论文:《EfficientFormer: Vision Transformers at MobileNet Speed 》 Vision Transformers (
ViT
) 在计算机视觉任务中取得了快速进展,开启了 Vision + Transformer ......
EfficientFormer
ViT
轻量化
模型
CNN
05-STL
Day01 1 STL概论 1.1 STL六大组件 1.1.1 容器、算法、迭代器、仿函数、适配器、空间配置器 1.2 STL优点 1.2.1 内建在C++编译器中,不需要安装额外内容 1.2.2 ......
int
cout
push
endl
end
成为钢铁侠!只需一块RTX3090,微软开源贾维斯(J.A.R.V.I.S.)人工智能AI助理系统
梦想照进现实,微软果然不愧是微软,开源了贾维斯(J.A.R.V.I.S.)人工智能助理系统,贾维斯(jarvis)全称为Just A Rather Very Intelligent System(只是一个相当聪明 ......
model
image
local
pretrained
base
V2AS = Way To Ask
V2AS 一个技术分享与创造的静土
手机扫一扫
移动阅读更方便
近15日热搜文章
【技术博客】忘记密码界面的Vue前端实现
torch_09_GAN
Vue【原创】基于elementui的【分组多选下拉框group-select】
4
使用Rust开发操作系统(中断描述符表--IDT)
5
根据点画线java
6
Codeforces Round #656 (Div. 3) C. Make It Good
7
深度复盘-重启 etcd 引发的异常
8
《Flink SQL任务自动生成与提交》后续:修改flink源码实现kafka connector BatchMode
9
Autoware 笔记 No. 5——基于GNSS的定位
10
多线程编程<五>