RepVGG: Making VGG-style ConvNets Great Again 是2021 CVPR的一篇论文，正如他的名字一样，使用structural re-parameterization的方式让类VGG的架构重新获得了最好的性能和更快的速度。在本文中首先对论文进行详细的介绍，然后再使用Pytorch复现RepVGG模型.
2025年05月15日
RepVGG: Making VGG-style ConvNets Great Again 是2021 CVPR的一篇论文，正如他的名字一样，使用structural re-parameterization的方式让类VGG的架构重新获得了最好的性能和更快的速度。在本文中首先对论文进行详细的介绍，然后再使用Pytorch复现RepVGG模型.
2025年05月15日
期刊推荐
《IEEE Transactions on Neural Networks and Learning Systems》
-刊号：ISSN 2162-237X | CN 31-2024/TP
-影响因子：10.4
-分区：中科院1区，JCR Q1
2025年05月15日
今天研究刚买的yolo目标检查的书，看到残差网络，残差思想的名词。
感觉“残差”这个词比较生僻，生猛，以前貌似也看到过，没注意，这次先停下来把这个概念搞懂。
说起CNN卷积神经网络大家都知道，学习人工智能的没法不知道。
“残差”网络正是缘起于CNN，主要是解决CNN网络层数增加，效率精度反而下降的问题。
2025年05月15日
LG - 机器学习 CV - 计算机视觉 CL - 计算与语言 AS - 音频与语音 RO - 机器人
(*表示值得重点关注)
1、[LG] *Combining Label Propagation and Simple Models Out-performs Graph Neural Networks
2025年05月15日
原文来源：OpenAI
「雷克世界」编译：嗯~是阿童木呀、KABUDA、EVA
导语：近日，OpenAI发布了一份分析报告显示，自2012年以来，在最大规模的人工智能训练中所使用的计算量呈指数级增长，3.5个月的时间翻一倍（相比之下，摩尔定律（Moore’s Law）有18个月的倍增周期）。自2012年以来，该指标增长了30多万倍（18个月的倍增周期只会增加12倍）。
计算方面的改进一直是人工智能发展的一个关键组成部分，因此只要这种趋势继续下去，就值得为远超出当今能力的系统所带来的影响做准备。
2025年05月15日
来源：专知本文为论文介绍，建议阅读5分钟近年来，深度卷积神经网络在计算机视觉领域取得了革命性的进展，并被广泛地应用到图像分类、物体检测、实例分割等经典的计算机视觉问题当中。2025年05月15日
克雷西 发自 凹非寺
量子位 | 公众号 QbitAI
只要一块6年前的2080Ti，就能做大模型数据蒸馏？