INS 论文分享：一种用于交通流预测的多通道时空Transformer模型
流量预测面临的主要挑战包括：（1）随着预测时间的增加，预测的准确性会下降；（2）预测结果极大地依赖于从道路网络中提取时空依赖关系。为了克服上述挑战，我们提出了一个多通道时空Transformer模型，用于交通流量预测。该模型通过融合来自不同交通数据通道的结果来提高预测准确性。我们的方法利用图卷积网络从每个通道提取空间特征，同时使用基于Transformer的架构捕捉跨通道的时间依赖性。我们引入了一个自...
YoloV8改进策略：上采样改进|动态上采样|轻量高效，即插即用(适用于分类、分割、检测等多种场景)
mple，一个超轻量级且高效的动态上采样器。虽然最近的基于内核的动态上采样器，如CARAFE、FADE和SAPA，取得了令人印象深刻的性能提升，但它们引入了大量的计算量，这主要是由于耗时的动态卷积以及用于生成动态内核的附加子网络。此外，FADE和SAPA对高分辨率特征指导的需求在某种程度上限制了它们的应用场景。为了解决这些问题，我们避开了动态卷积，从点采样的角度构建上采样器，这种方法更加资源高效，并且...
主流大模型测试程序-用于导出算子列表
主流大模型测试程序-用于导出算子列表 一.参考链接二.下载链接三.测试程序四.算子列表 需要多少算子才能覆盖主流大模型呢,于是 基于__torch_dispatch__机制的dump方法 dump出算子及参数列表,考虑到设备内存容量,设置为一层 一.参考链接 基于__torch_dispatch__机制的dump方法python序列化、反序列化函数的参数,用于问题复现 二.下载链接 三.测试程序 i...
【图像超分】论文复现：Pytorch实现RDN！保姆级复现教程！实现与原论文基本一致的PSNR和SSIM！代码注释详尽！易读易复用！可用于训练自己的数据集！附完整代码和各放大倍数下的最优模型权重文件！
第一次来请先看这篇文章：【超分辨率（Super-Resolution）】关于【超分辨率重建】专栏的相关说明，包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等） 项目代码和最优性能的权重文件下载见文末链接！！！可以复现论文、训练自己的数据集，详细代码使用说明！！！同时包含最优性能的模型权重文件（x2、x3、x4），可以直接用来超分自己的图像！！！...
LLM——用于微调预训练大型语言模型（LLM）的GPU内存优化与微调
es_to_gigabytes(torch.cuda.max_memory_allocated()) 输出： 29.0260648727417 峰值GPU内存使用量大约为29GB，这一数值与我们估算的用于加载bfloat31格式模型参数所需的16GB内存大致相符。通过量化技术优化推理内存使用，尽管bfloat16是训练大型语言模型（LLM）时常用的数值精度，但研究人员已经发现，将模型权重量化为更低精度...
即插即用的涨点模块之特征融合（TFAM）详解及代码，可应用于检测、分割、分类等各种算法领域
了解决上述问题，作者提出了一种时间特征融合模块（TFAM），利用时间信息进行有效的特征融合，使用通道和空间注意力来确定特征的重要部分，并使用时间信息来确定双时相特征之间的重要部分。笔者认为该模块不仅可用于变化检测，可也用于目标检测、分割等领域中图像的特征融合。 一、TFAM网络讲解 如图1TFAM结构所示，TFAM包括两个分支，通道分支（channel branch）和空间分支（spa...
HCF-Net:用于红外小目标检测的分层上下文融合网络
为基于滤波器的方法、基于人类视觉系统的方法和低秩方法。基于滤波器的方法通常局限于特定和均匀的场景。例如，TopHat[1]使用各种滤波器估计场景背景，以从复杂背景中分离出物体。基于人类视觉系统的方法适用于具有大物体和强背景区分度的场景，如LCM[2]，它通过测量中心点与其周围环境的对比度来实现。低秩方法适用于快速变化和复杂的背景，但在实际应用中缺乏实时性能，通常需要额外的辅助手段，如GPU加速。这些方...
架构权衡评估方法（ATAM）：一种用于软件架构评估的方法，全称为Architecture Tradeoff Analysis Method
架构权衡评估方法（ATAM）是一种用于软件架构评估的方法，全称为Architecture Tradeoff Analysis Method。它由卡梅隆大学软件工程协会提出，旨在通过分析软件系统的各种架构特征，对系统进行全面的评估，以便在各种可能的方案中做出最佳的决策13。ATAM的核心是结合质量属性效用树对系统进行评价，确定风险点、敏感点、权衡点，并对系统架构做出决策和折中1。 ATAM方法包含四个主...
DTW-KNN 用于液压故障检测（python）
1 介绍 本文提取特征，然后用于液压故障检测，每一条特征都是时间序列问题，所以使用了DTW-KNN模型，该模型的原来不做解释，大家可以自行查找。 2 数据集介绍 所有数据都在文件夹下，这是一个公开数据集，其中profile.txt是类别标签，我们只取其中的一列，而其他的是特征，我们只用PS这些文件。 3 数据处理 读取所有PS的文件，然后取平均值作为特征 dir_path = '液压data' de...
人工智能的真实盈利：掌握 ChatGPT-4 用于业务营销（全）
何最大化这个新的营销乐团成员的效果，并分享调整 ChatGPT-4 以实现真正可衡量结果的实用技巧。与任何乐器一样，真正的魔力发生在演奏得好的时候。让我们将这项技术转化为您业务的美妙音乐。 第二部分：用于商业营销的 ChatGPT-4 第三章： 发挥 ChatGPT-4 的力量为你的业务服务 第三章揭示了利用 ChatGPT-4 进行内容创作和博客的迷人前景。随着我们进入人工智能的荒野，我们将探讨 C...