新闻中心 
-
07-31【AI达人创造营第二期】TrtPose复现、手动转TRT并训练动物姿态本文推荐英伟达开源的一个自底向上姿态模型，无需先进行人物检测，直接对姿态关键点进行估计，再进行多人匹配， 运行效率非常高。TrtPose是一款轻量级，推理速度极...
-
07-30【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（10...
-
07-29【AI达人特训营】基于飞桨和Airsim的自动驾驶强化学习初探本文介绍基于飞桨和AirSim的自动驾驶强化学习项目。先阐述项目背景，说明自动驾驶研究及虚拟环境的重要性；接着详述环境配置步骤，包括模拟器、AirSim插件安装...
-
07-29【AI达人特训营】ResNet50-NAM：一种新的注意力计算方式复现本文复现了ResNet50-NAM模型，其引入基于归一化的注意力机制（NAM），利用Batch Normalization的缩放因子计算通道注意力，避免额外全连...
-
07-29【AI达人特训营】PaddleNLP实现聊天问答匹配本文围绕房产行业聊天问答匹配任务，介绍用PaddleNLP实现的方案。背景是贝壳找房需AI判断经纪人是否准确回答客户问题。使用训练集（6000段带标签对话）和测...
-
07-29【AI达人创造营第二期】一文读懂textCNN模型原理之前我们提到 CNN 时，通常会认为是属于计算机视觉领域。但是在2014年，Yoon Kim 针对 CNN 的输入层做了一些变形，从而提出了文本分类模型 tex...
