全部内容

Transformer编码器与解码器主干部分

1. "Encoderlayer" class Encoderlayer(nn.Module): def __init__(self,d_model,n_heads,d_ff,dropout=0.1): super()...

Transformer 注意力模块部分

1. "Self_Attention" 作用： - 计算最基础的注意力分数和注意力输出。 - 输入是 "Q"、"K"、"V"，输出是加权后的结果 "out" 和注意力权重 "attn"。 它做了什么： 1. 用 "Q @ K^T" 计...

Conv2d

手写 Conv2d 笔记 这份笔记对应代码文件： 目标是把下面几件事串起来理解： 1. "Conv2d" 到底在算什么 2. 为什么深度学习里常用 "B, C, H, W" 3. "1x1 Conv2d" 为什么能做通道变换 4. 通...

ConvTranspose2d 详细原理图

ConvTranspose2d 详细原理图 1. 它到底是什么 "ConvTranspose2d" 一般被叫作： 1. 转置卷积 2. 反卷积 3. 上采样卷积 它最常见的作用不是“恢复原图”，而是： 1. 把特征图空间尺寸放大 2....

Opencv学习

从显示图片到实时追踪：用一组练习脚本学会 OpenCV 如果你刚开始接触 OpenCV，最容易遇到的问题不是 API 太难，而是不知道该先学什么、后学什么。网上教程往往一上来就讲一堆函数，读完以后还是很难把知识连成一条线。 这篇文章就...

VIT：图像分割与嵌入技术详解

visual transform（视觉变换）是一种基于深度学习的计算机视觉模型，它通过图像分割技术使计算机能够深入理解图像内容。这种模型的核心思想是将图像分割为多个有意义的区域或对象，从而实现对图像内容的语义级理解。 主要特点包括： ...