深度学习

AI 工具生成的美女写真已经审美疲劳了，所以我想下定决心自己亲手把整个工程的流程走通，这样我就可以按照自己的兴趣爱好，生成自己想要的图片内容了，懂得评论区扣 666

大家都知道中秋有很多节日元素，像`玉兔，月亮，蟾蜍，吃螃蟹，月饼`等，为了能够准确地找出语义相关的图片，本文构建了一个简易的`双塔深度学习模型`，使用自然语言来搜索相关的图像。

图像标注是计算机视觉和自然语言处理领域交叉的一个热点研究方向。它的主要任务是将一张图像自动转化为自然语言的文字描述。本文主要介绍了使用 CNN 、Transformer 等技术实现图像标注的任务。

现在 window 上面安装 WSL ，然后在 WSL 中安装有 tensorflow 的虚拟环境，最后用 pycharm 连接 WSL 中虚拟环境进行开发

本文通过将一个物理显卡，虚拟出 4 张 2GB 显卡，来模拟进行单机多卡的分布式训练策略 MirroredStrategy

使用 tensorflow 2.10 实现 AutoEncoder 模型，还原生成 MNIST 图像。

本文使用简单的 Transformer Block 实现对影评文本数据 IMDB 的情感分类任务。

本文主要使用一维的卷积神经网络完成时序数据的分类任务，使用的数据主要来自于 UCR/UEA 的 FordA 数据集。

本文使用的是苹果公司的历史股票数据，定义一个简单的回测策略，先使用历史股票数据进行回测，然后再使用模型预测的股票数据进行回测。

本文首先使用常规手段对模型进行训练，然后分别使用剪枝和量化技术对模型进行压缩，在保证性能的情况下可以将模型的大小最大程度进行缩小

本文主要展示了如何实现微型的 GPT 模型完成文本生成任务，该模型只由 1 个 Transformer 块组成。

在对图像经过旋转、平移、反转、缩放等操作之后，使用预训练模型 mobilenet 和向量引擎 Milvus 完成图像的搜索。

本文使用预训练模型 MobileNet 和向量搜索引擎 Milvus 完成了街景图片的精确搜索功能，效果符合预期。

本文使用 tensorflow ，使用孪生结构的深度学习网络模型，实现了对卫星图像对进行相似度判断的任务

获取相似的图像是当下搜索引擎的一个重要功能，在本次任务中，我使用 LSH 算法，在预训练图像分类模型 Bit 基础上，实现简单的图像搜索功能。

本文主要是基于残差网络和自注意力机制实现了一个复杂的 VAE 网络模型，并且进行训练，让其能够生成动漫图片，效果很好

本文首先简单介绍了扩散模型 diffusion 模型的基本原理，然后结合人像生成小案例具体介绍了实现细节，最后和 vae、ae 两个模型进行了比较总结。

本文首先介绍了 Variational Autoencoder 模型的基本原理，然后通过小案例展示了该模型的主要的图像生成功能，并在文末与 AutoEncoder 进行了比较。

本文开始结合效果图简单介绍了 AutoEncoder 模型的基本原理，然后通过 pytorch 实现了一个人脸生成的小项目

本文在精读 Segment Anything Model 论文之后，详细讲解了 SAM 任务以及 SAM 模型的具体结构细节。