Asthestarsfall

配置系统是很多深度学习套件和算法库的重要组件，一个优秀的配置系统可以方便用户修改训练所需的超参数、管理实验并且增强项目可读性等。配置系统不光可以用于大型的算法库，也可以用于个人进行快速实验和迭代。

在训练神经网络模型时，我们更偏爱大规模的数据集和复杂的网络结构。虽然其可以让我们的模型表征能力更强，但同时也对计算的时间和空间提出了挑战。

一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第6天，Windows下OpenVINO与OpenCV环境配置。

自然语言处理任务中最经典的网络循环神经网络（RNN),长短期记忆网络（LSTM）和门控循环单元（GRU）。

Rethink Dilated Convolution for Real-time Semantic Segmentation，实时语义分割新sota，无需ImageNet预训练！

ConvNeXt为后ViT时代的卷积网络设计提供了指导，其对2020年代卷积神经网络设计范式和后续卷积神经网络的影响将不可估量，或许会就此开始一场全新的ConvNet设计范式革新。

本文重新审视了现代卷积神经网络中的大核设计，证明了使用一些大核比一堆小核可能更加强大，同时提出了五个设计准则，依据这些准则设计了RepLKNet——一个纯粹的CNN架构。

鲁棒、实时、高分辨率的视频human matting方法——RVM，实现了SOTA性能，在1080Ti上处理4K视频能到达76FPS，处理1080p图像能达到104FPS；

新型Local Attention，超越Vision Transformer，无需额外数据集在ImageNet上达到87.1%。