-
2025-07-30 11:42:41
- 基于PaddlePaddle的PredNet模型
- 本文介绍基于PaddlePaddle实现的PredNet视频预测模型，其基于预测性编码原理，采用层级结构。使用转换为hdf5格式的KITTI数据集训练，设置特定参数（batch size 4、epoch 150等），复现精度达0.006900，优于原始代码。还提及复现注意事项及代码结构等内容。
-
712
-
2025-07-30 11:34:24
- CVPR2022 NAS竞赛Track 2 第1名技术方案分享
- 本文介绍2022 CVPR Track2解决方案，聚焦小样本下架构性能预测。预处理含深度编码转换、归一化及Sigmoid处理；模型选择中，梯度提升类算法效果佳，经调参达0.78；尝试多任务学习未果，后通过集成GBRT等模型，结合GPNAS作为最终估计器，优化后得分0.7991。
-
1018
-
2025-07-30 11:33:02
- 基于SPPNET的图像分类网络
- 本文复现了基于SPP特征金字塔池化的图像分类网络，SPP可解决输入尺寸差异问题。网络含五层卷积、两层全连接及SPP层，在Cifar10数据集上实验，经20个epoch训练，训练准确率约28.97%，测试准确率约23.73%，呈现了模型的训练过程与性能。
-
966
-
2025-07-30 11:31:26
- 2021 iFLYTEK A.I 开发者大赛 碎米识别挑战赛-初赛榜三
- 该方案针对碎米识别挑战赛，选用UNet模型，通过水平/垂直翻转、随机缩放等数据增强，输入尺寸设为1024×1024。以Adam优化器结合余弦退火学习率，用BCELoss与LovaszSoftmaxLoss组合损失函数训练，最佳模型mIou约0.724，得分0.68997，可通过增大输入尺寸等优化。
-
462
-
2025-07-30 11:29:55
- 【PPSIG】基于PaddlePaddle复现STANet
- 本文介绍基于PaddlePaddle复现STANet的过程。STANet是遥感影像变化检测算法，引入时空注意力机制与多尺度子区域方案。复现忠实原文，与官方实现存在两点差异，含特征提取器、时空注意力模块等结构，在LEVIR-CD数据集上完成训练测试，验证了复现效果。
-
393
-
2025-07-30 11:25:11
- 【AI达人特训营】基于全卷积神经网络的图像分类复现
- 本文将ResNet50的全连接层替换为全卷积层构建ResNet50-FCN，在CIFAR-10数据集上训练，并与原始ResNet50对比。两者采用相同参数（100轮、lr=0.01等），结果显示ResNet50-FCN准确率更高，上升过程更平滑，抖动更小，验证了全卷积层在保留空间信息等方面的优势。
-
1027
-
2025-07-30 11:23:41
- 『零基础+1』一文看懂LSTM原理-《动手学深度学习》
- 长短期记忆网络（LSTM）为解决隐变量模型的长期信息保存与短期输入缺失问题而设计，含记忆元及输入门、遗忘门、输出门三个门控机制，通过特定计算控制信息留存更新。文中介绍其数学原理、从零开始及简洁实现，提及变体（如带猫眼连接）、与GRU的区别，并展示了训练和预测示例。
-
638
-
2025-07-30 11:21:50
-
2025-07-30 11:20:29
-
2025-07-30 11:19:11
- 【数据挖掘入门】使用树模型快速搭建比赛基线模型及进阶分享
- 本文是数据挖掘比赛入门教程，以车辆贷款违约预测挑战赛为例，演示用LightGBM树模型快速搭建基线。涵盖数据读取与内存优化、EDA分析、特征筛选，通过5折交叉验证训练模型，输出预测结果，还分享进阶思路，助力初学者系统认识比赛并入门。
-
202
