新闻中心 
-
07-31深度学习三步走（三）训练篇本文为深度学习训练篇，先以Paddle2.0框架实现手写数字识别训练，再从理论讲解前向传播、损失函数等，接着解析训练过程代码，包括模式切换、优化器定义等，还介绍...
-
07-31EfficientFormer: 速度上可以与MobileNet媲美的ViTEfficientFormer是纯Transformer模型，经优化设计，在移动设备上表现优异。最快的L1在ImageNet-1K准确率79.2%，iPhone...
-
07-31DataFountain-FashionMNIST：CNN基础 准确率0.85图像分类（image classification）是计算机视觉领域中最简单最基础的任务，学习研究图像分类是每个计算机视觉研究者的必经之路，图像分类网络也是很多...
-
07-31【PaddlePaddle】基础理论教程 - 卷积神经网络概论本文围绕二维卷积及卷积神经网络展开，先讲解二维卷积运算的概念、原理及Paddle框架实现，介绍卷积算子的定义、参数。还阐述卷积神经网络的卷积层、汇聚层算子，最后...
-
07-31轻量级人像分割模型：SINet 和 ExtremeC3Net本文介绍SINet和ExtremeC3Net两个轻量级人像分割模型，二者参数分别为0.087M、0.038M，Flop为0.064G、0.128G。可通过Pad...
-
07-31基于PaddlePaddle复现CoTNet基于Self-Attention的Transformer结构，首先在NLP任务中被提出，最近在CV任务中展现出了非常好的效果。然而，大多数现有的Transfor...
