6
[Stable Diffusion]ControlNet代码分析 [Stable Diffusion]SD代码分析(v1~v2) [Stable Diffusion]训练你的LoRA(Linux) [Stable Diffusion]模型概览(v1~v2) [Stable Diffusion]webui部署(Linux) Midjourney 调研
5
Fourier Transform 3 (2D DFT, Image) Fourier Transform 2 (DTFT, DFT) Fourier Transform 1 (FS, FT) Wavelet Transform 什么是图像
8
个人网站维护 oh my zsh PyCharm ignored inspections Sublime Text 配置 Useful commands gitignore pattern format Git基础学习 Python3 入门笔记
13
操作系统折腾记（三） 操作系统折腾记（二） 操作系统折腾记（一）
10
[xv6-mit-6.S081-2020]Lab10: mmap [xv6-mit-6.S081-2020]Lab9: fs [xv6-mit-6.S081-2020]Lab8: lock [xv6-mit-6.S081-2020]Lab7: thread [xv6-mit-6.S081-2020]Lab6: cow [xv6-mit-6.S081-2020]Lab5: lazy [xv6-mit-6.S081-2020]Lab4: traps [xv6-mit-6.S081-2020]Lab3: pgtbl [xv6-mit-6.S081-2020]Lab2: syscall [xv6-mit-6.S081-2020]Lab1: util
11
顺序统计量 Moment Matching 子空间的距离 拉格朗日对偶 矩母函数与特征函数 Fourier Transform 3 (2D DFT, Image) Fourier Transform 2 (DTFT, DFT) Fourier Transform 1 (FS, FT) Wavelet Transform Calculus of Variations More...
16
Maximum Mean Discrepancy Langevin Dynamics 再生核希尔伯特空间 Moment Matching 蒙特卡洛采样 变分推断 子空间的距离 Support Vector Machine Calculus of Variations soft k-means More...
6
神经网络的Lipschitz连续性 Transformer中的位置编码 搭建个人深度学习工作站（环境篇） 搭建个人深度学习工作站（操作系统篇） PyTorch单机多卡从入门到入土（坑点记录） [论文阅读]Inductive Biases for Deep Learning of Higher-Level Cognition
24
14
Flow Matching DPM-Solver 扩散模型蒸馏方法 Consistency Models Elucidated Diffusion Models 变分扩散模型 Diffusion+VAE 扩散模型逆向方差的选取 扩散模型的条件引导生成 不止去噪！任意退化模式上的扩散模型 More...
6
扩散模型应用·可控生成 扩散模型应用·个性化生成 扩散模型应用·寻找语义空间 扩散模型应用·基于文本的图像编辑 扩散模型应用·文生图大模型 扩散模型应用·图生图与图像恢复
2
生成模型中的互信息 StyleGAN 系列
2
Flow Matching Normalizing Flows
2
生成模型中的互信息 VAE梳理
6
Vector-Quantization 计算机视觉常用数据集 什么是数据集的分布 什么是图像
2
A Survey Report on Image Inpainting 基于CNN的十个经典图像填充模型
77
15
[吴恩达机器学习]总结与使用scikit-learn [吴恩达机器学习]14·推荐系统 [吴恩达机器学习]13·异常检测 [吴恩达机器学习]12·主成分分析 [吴恩达机器学习]11·K-means聚类 [吴恩达机器学习]10·支持向量机 [吴恩达机器学习]9·高偏差与高方差 [吴恩达机器学习]8·神经网络之反向传播 [吴恩达机器学习]7·初识神经网络 [吴恩达机器学习]6·逻辑回归之多分类（数字识别） More...
3
[Evans Intro SDE]3·Brownian Motion [Evans Intro SDE]2·Probability Theory [Evans Intro SDE]1·Introduction
2
[PRML]2.Probability Distributions [PRML]1.Introduction
9
[CS231n]9·Deep Reinforcement Learning [CS231n]8·Generative Models [CS231n]7·Visualizing and Understanding [CS231n]6·Detection and Segmentation [CS231n]5·Recurrent Neural Networks [CS231n]4·Convoluntional Neural Networks [CS231n]3·Neural Networks [CS231n]2·Linear Classification [CS231n]1·Image Classification
5
[UCAS强化学习]5·无模型控制 [UCAS强化学习]4·无模型预测 [UCAS强化学习]3·动态规划 [UCAS强化学习]2·马尔可夫决策过程 [UCAS强化学习]1·概述
20
[UCAS矩阵论]6.4广义逆与线性方程组 [UCAS矩阵论]6.3广义逆矩阵的计算方法 [UCAS矩阵论]6.2广义逆矩阵的存在、性质及构造 [UCAS矩阵论]6.1投影矩阵及其应用 [UCAS矩阵论]5.4矩阵的直积 [UCAS矩阵论]5.3对称矩阵特征值的极性 [UCAS矩阵论]5.2广义特征值问题 [UCAS矩阵论]5.1特征值的估计 [UCAS矩阵论]4.4矩阵的奇异值分解 [UCAS矩阵论]4.3矩阵的满秩分解 More...
5
[UCAS随机过程]6·高斯过程 [UCAS随机过程]4·二阶矩过程、平稳过程和随机分析 [UCAS随机过程]3·Poisson过程 [UCAS随机过程]2·Markov过程 [UCAS随机过程]1·随机过程及其分类
9
[具体数学]第六章·特殊的数（第二部分） [具体数学]第六章·特殊的数（第一部分） [具体数学]第五章·二项式系数（第二部分） [具体数学]第五章·二项式系数（第一部分） [具体数学]第四章·数论 [具体数学]第三章·整值函数 [具体数学]第二章·和式（第二部分） [具体数学]第二章·和式（第一部分） [具体数学]第一章·递归问题
2
[模式分类]非参数方法 [模式分类]贝叶斯决策论
7
[统计推断]第四章·多维随机变量和不等式 [统计推断]第四章·二维随机变量 [统计推断]第三章·常见分布族（三） [统计推断]第三章·常见分布族（二） [统计推断]第三章·常见分布族（一） [统计推断]第二章·变换和期望 [统计推断]第一章·概率论
4
保研回忆录 panic! 梧桐山顶的乐队 天会晴 心会暖 阳光在手指间