1.Transformer背景介绍 2.Transfromer整体架构 3.Transformer输入部分 4.Transfromer的编码器 5.Transfromer的解码器 6.Transformer输出部分 7.Transfromer其他部分 1.GPT-1 和 Bert 2.GPT-2 3.GPT-3 Transformer在深度学习环境下背景： 17年自Attention is all you need提出后，开始在NLP（自然语言处理）领域大放异彩 20年后，开始在CV领域发光，到现在基本一统天下了 其在NLP和CV领域下的许多分类、分割、检测等任务下均刷榜 总结一下Transformer模型。 从论文本身来看，其最大的创新在于提出的注意力机制，即多头注意力层，并嵌入到一个模块化可堆叠的模型结构中。一开始Transformer被用于机器翻译，但它也能够用在几乎所有的NLP任务上。自它之后，整个深度学习重心开始转向NLP方面。 4..InstructGPT和ChatGPT 1.VIT 2.Clip与DallE-1 3.DiffusionModel和DallE-2

CV-BOM数据管理系统-业务工作总结-汽车领航人云盘

街道场景的语义分割 1）下载资料 脚步 转到 （需要创建帐户） 下载gtFine_trainvaltest.zip和leftImg8bit_trainvaltest.zip 解压缩并将它们放到同一文件夹中 删除gtfine和leftImg8bit内的test目录，这些注释是虚拟注释。 使用data_folder_format.ipynb从每个城市文件夹中提取原始图像和注释，并将它们组合为一个用于图像的大文件夹和一个用于注释的大文件夹。 2）建立用于图像分割的TFRecords数据集 由于我们正在使用的数据集可能太大而无法容纳到内存中，因此我们需要一种在训练过程中连续从磁盘流式传输数据的方法。 这是使用TensoFlow的tf.data.dataset API完成的，该API需要我们将数据集序列化为.tfrecords文件。 使用dataset_build.ipynb来执行此过程，该

面试72经计算机视觉_机器学习_图像处理_ C++_CV岗面试知识点及重点问答.zip 根据自己的面试经历，增加了一些内容，并修改了一些了答案，仅供参考，不一定都对。 文件名带？的，表示答案不完整。 markdown阅读软件建议为Typora，建议Typora主题修改为Mo，个人感觉比较好看。 文献管理软件可以使用Zotero，正版免费。 笔记软件可以Typora+坚果云+Picgo。 主要分为计算机视觉、机器学习、图像处理和、C++基础 四大块，每一块都有几十个问题，每个问题都会努力给出详细完整的解答，帮助你理清这些知识点细节。

人头检测，采用YOLO7TINY训练模型，只需要OPENCV和ONNX，不需要其他依赖。C++和PYTHON语言都有

照片卡通化，只需要OPENCV和ONNX，VC++可以直接包含头文件、库文件，将图片卡通化，傻瓜式操作，有C++和PYTHON两种版本

视频内容摘取，只需要OPENCV和ONNX，能将里面的人物摘取出来，有C++和PYTHON两种版本

VGG原版论文，重点标注

Inception v1原版论文，已标注重点

ResNet残差网络原版论文，已标注重点