技术干货

可视化在深度学习时代算是核心需求，借助可视化功能，研究者可以快速定位分析模型以及排查问题。在 OpenMMLab 2.0 时代，MMEngine 对常用的可视化需求进行了设计和实现，其具备如下功能：

引言 SimpleCopyPaste 数据增强是谷歌在 2021 年 1 月提出的一种实例分割的数据增强方法，它通过在训练过程中直接将一张图片中的实例简单地复制粘贴到另外一张图片中得到新的训练样本，创

图像超分 SRGAN 解析，教你把 GAN 运用在其他视觉任务上~ 目前 OpenMMLab 的 MMEditing 算法库已经支持了 SRGAN，欢迎star~

欢迎继续阅读模型部署入门系列教程！上期教程中，我们部署了一个简单的超分辨率模型，一切都十分顺利。但是，上一个模型还有一些缺陷——图片的放大倍数固定是 4，我们无法让图片放大任意的倍数。现在，我们来尝试

前言 OpenMMLab 的算法如何部署？是很多社区用户的困惑。而模型部署工具箱 MMDeploy 的开源，强势打通了从算法模型到应用程序这 "最后一公里"！ 今天我们将开启模型部署入门系列教~

导读 来自北京大学、香港大学和百度的研究者们近日提出了一种名为 CAE 的新型 MIM 方法。该方法通过对 “表征学习” 和 “解决前置任务（pretext task）” 这两个功能做完全分离。

我们在之前的两篇文章中介绍了配置 Logging 的流程，然而除此之外，Logging 还有一些高级用法，如果不了解的话，可能会产生意想不到的 Bug。 今天的文章，我们就来详细解析一下这些高级用法。

RealBasicVSR 小课堂继续开课了，在上一期我们解读了真实视频超分的文章 RealBasicVSR，今天我们将手把手带大家一起使用 MMEditing 训练 RealBasicVSR。

OpenMMLab 框架几乎全面覆盖了深度学习视觉任务的方方面面。针对每一个具体的任务，我们都提供了一个相应的算法库。

作为最常见的骨干网络，ResNet 在目标检测算法中起到了至关重要的作用。感兴趣的小伙伴快来看看吧～

在之前的文章中，我们介绍了GAN 的原理以及如何评价训练好的模型。可能有小伙伴看到，怎么生成的都是单一类别的图片呢，像 CIFAR10 和 ImageNet，都包含了多种类别的图片。

你日常的工作有遇到这样的场景吗？ A：最近要新开一个项目，配个 logger 来管理日志吧，我配！（代码块可以考虑截图）

新创建的 logger 为何无法正确 “发声”，不怀好意的日志究竟从何而来，精心配置的 logger 竟然然口口吐吐叠叠词词，到底是配置者的失误还是来自三方库的暗箱操作，欢迎走进 logging 详解

近日，PyTorch 推出 PyTorch 1.11，本次亮点可总结为如下文章。赶紧点进来看看吧！！

小伙伴们好呀，TorchScript 解读系列教程更新啦~在上篇文章中，我们带领大家初步了解了 TorchScript。这篇文章就继续啦～

大家好呀，不久前我们推出了模型部署入门系列教程，受到了大家的一致好评，也收到了很多小伙伴的催更，后续教程正在准备中，将在不久后跟大家见面，敬请期待哦~

我们都知道，在视频上训练深度网络 3D CNN 比训练 2D CNN 图像模型的计算量更大，可能要大一个数量级。

在图像分类任务中，主干网络是视觉神经网络中进行图像特征提取的主体，常见的算法包括我们耳熟能详的 ResNet、Vision Transformer 等。

PyTorch源码解读系列更新啦~目录 0 设计 1 nn.Module 实现 1.1 常用接口 1.1.1 init 函数 1.1.2 状态的转换 1.1.3 参数的转换或转移

PyTorch 源码解读系列更新啦~PyTorch 源码解读之 torch.utils.data：解析数据处理全流程