实例
数据集
笔记本
笔记本
浏览笔记本
我的笔记本
如何使用 YOLOv5 训练自己的数据集
很多小伙伴都想用 YOLOv5 训练自己的数据集,于是 Dave 特意出了一版分享给大家。
Dave
如何使用 PyTorch 进行半精度、混(合)精度训练
V100 的正确使用姿势?
PyTorch 半精度、混(合)精度训练,更少的 GPU 显存占用,更快的速度
Dave
真实场景篡改图像检测挑战赛 —— 训练
暂无简介
Dave
PyTorch 图像分类与图像分割中使用 CutMix
本实验主要是使用 CutMix 方法在管状腺癌、粘液腺癌、乳头状腺癌在病理图样上的识别,辅助现代医疗系统进行癌症诊断。
Dave
如何使用 PyTorch 进行图像分类
使用 PyTorch 进行图像分类的基础代码
Dave
轴承异常检测
轴承是在机械设备中具有广泛应用的关键部件之一。由于过载,疲劳,磨损,腐蚀等原因,轴承在机器操作过程中容易损坏。轴承状态的监测和分析非常重要
Dave
如何部署 PyTorch 深度学习模型
使用 TorchServe 对 PyTorch 训练的模型进行部署
Dave
5 分钟将 TensorFlow 1 代码转换到 TensorFlow 2
tf_upgrade_v2 帮助将旧代码转换为新 API
Dave
真实场景篡改图像检测挑战赛 —— EDA
暂无简介
Dave
真实场景篡改图像检测挑战赛 —— 预测
暂无简介
Dave
显存不够用怎么办 —— 梯度累积
🎉 论如何用 GTX 3080 跑出 GTX 3090 的效果,节约显存好办法 —— 梯度累积 🎉
Dave
DINO 自监督算法简介
DINO 的初衷是质疑自监督学习相较于 CNN 是否为 Transformer(ViT) 提供了新的属性,但是在过程中,发现:
- 自监督 ViT 的特征在图像的语义分割中包含的显式信息,这是之前监督学习下无论 ViT 还是 CNN 都没有出现的情况。
- 这个架构用一个很小的 ViT 提取出来的特征用 k-NN 来对 ImageNet 图像数据集进行分类可以达到 78.3% top-1
论文将这个自监督结构命名为 DINO 🦖 ,这种没有引入标签的“自蒸馏”形式在结合各种 ViTs 以后可以达到 80.1% top-1.
Dave
聊聊内存 / 显存溢出
你的程序真的需要很大的显存吗?可能并不一定,来看看这篇文章能否帮助你省钱。
Louis Official
真实场景篡改图像检测挑战赛 —— 数据增强
暂无简介
Dave
如何在实例中使用 Docker (使用 Docker 安装 Detectron2)
🎉 Featurize 支持 Docker 了!点击右上角的保存至云盘自己试试吧!🎉
Dave
聊天机器人
暂无简介
漂亮的承太郎
Anaconda 管理 Python 环境
1. 创建 Python 环境
2. 激活环境
3. 将环境添加到 Jupyter Kernel
Dave
COVID-19 X 光医学影像分类
2019年至2020年间由严重急性呼吸系统综合征冠状病毒2(SARS-CoV-2)所引发全球大流行疫情。截至2020年5月11日,全球已有220多个国家和地区累计报告逾400万名确诊病例,逾28万名患者死亡。
Dave
PyTorch 各种 Scheduler 学习率可视化
这个笔记本展示了各个 PyTorch Scheduler 的学习率曲线,你可以保存之后自行调整参数来查看学习率变化情况。
Louis Official
使用 TensorBoard
通过端口转发的方式访问实例上的 TensorBoard,对于其他应用也同样适用,例如 Microsoft NNI 等。
Louis Official