udio
-
【AI达人特训营第三期】时频图分类项目
本项目基于ResNet50，将其BottleneckBlock模块中conv2特征层的标准卷积替换为DCN可变性卷积，构建ResNet50-DCN模型，用于科大讯飞24类语音时序图谱分类。使用2143条训练样本、429条验证样本训练，90轮后验证集最高准确率79%，未深入调优，有提升空间，还包含数据…
-
Higgs Audio V2— 开源语音大模型，能模拟多人互动场景
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜ 豆包大模型 字节跳动自主研发的一系列大型语言模型 834 查看详情 Higgs Audio V2是什么 higgs audio v2 是由李沐及其领导的 boson ai 团队推出的一款开源语音…
-
【AI达人特训营第三期】Conv2Former：一种ViT风格的卷积模块
本文复现了Conv2Former模型，其采用Transformer风格的QKV结构，以卷积生成权重加权，平衡全局信息提取与计算开销。在CIFAR-10数据集上，用Conv2Former-N参数（{64,128,256,512}维度，{2,2,8,2}深度）训练50个epoch，验证集准确率达82%，…
-
情人节：借助二次元老婆研究特征解耦
本项目旨在实现二次元头像的特征解耦，让B头像风格影响A头像主体且保持A大体不变。采用Konachan动漫头像数据集，基于SPADE架构，A为内容主体，B为风格。通过Encoder-Decoder提取特征，利用KLDLoss、VGG损失等训练，使生成图融合A主体与B风格，测试显示能体现特征影响差异。 …
-
【论文复现】 MnasNet复现以及一些感想
本文围绕MnasNet复现展开，介绍了这一谷歌提出的轻量化网络，其通过自动搜索平衡精度与延迟，采用真实手机环境测延迟。复现基于PyTorch实现转为Paddle版本，调整了因硬件限制的参数，采用预热策略等，还提及训练中遇到的精度提升问题及解决办法，最后分享了复现收获。 ☞☞☞AI 智能聊天, 问答助…
-
使用pyecharts做自己的visualDL
本文介绍用pyecharts构建类似visualDL的实时可视化工具，监控模型训练时的LOSS和ACC变化。先安装pyecharts，用paddle.vision的Cifar10数据集和mobilenet_v2模型，配置训练参数与优化器，定义折线图和仪表盘可视化函数，通过定期刷新本地HTML实现实时…
-
【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，最后以LeNet为例，说明其在手写体数字识别任务中的数据集构建、模型构建、训练、评价与预测过程。 ☞☞☞AI 智能聊天, 问答助手, AI 智能…
-
【论文复现赛第六期-语义分割】CCNet
本文复现了CCNet语义分割模型，其核心为Criss-Cross Attention模块，通过循环操作让像素建立联系以获取丰富语义。使用PaddleSeg复现，采用ResNet101骨干网，在Cityscapes验证集上mIoU达80.95%，已合入PaddleSeg，还提供了训练、验证等流程及复现…
-
【PaddleHub模型贡献】一行代码实现蛇种识别
该内容围绕蛇类识别模型展开，先安装PaddleX，解压数据集并划分，设置GPU后进行图像预处理与增强，定义数据迭代器，用ResNet50_vd_ssld模型训练，接着导出并转换模型为PaddleHub模块，测试单张和多张图片识别效果，最后介绍在GitHub提pr的步骤。 ☞☞☞AI 智能聊天, 问答…
-
【AI达人创造营】菜市场常见鱼类分类从0到PaddleLite部署
本项目针对30种菜市场常见鱼类，收集1917张图片构建数据集，用MobileNetV2模型训练分类模型，经35轮训练后保存模型。通过Paddle-Lite将模型转为.nb文件，在Android Studio中配置环境，基于Paddle-Lite-Demo修改相关文件实现安卓部署，可通过拍照或相册图片…
