#卷积网络

Neurite是一个专注于医疗影像分析的神经网络工具箱，兼容TensorFlow和Keras，包括多种网络层、实用工具、灵活模型、生成器和回调函数，适合处理、训练和调试医疗影像数据。其主要功能有UNet模型、卷积编码器和解码器、N维网格插值、分割工具和度量指标。该工具可以通过pip简单安装，并提供科研文献引用支持，项目鼓励社区贡献，已在VoxelMorph和brainstorm等项目中使用。

NVIDIA Kaolin Wisp是一个基于PyTorch的开源库，专为神经场研究而设计。它提供了数据集、图像I/O、网格处理和光线工具等实用功能，还包括可微渲染器和数据结构支持。Kaolin Wisp适用于NeRFs、NGLOD、instant-ngp和VQAD等最新项目，并提供调试可视化、交互式渲染和训练日志功能。最新版本wisp 1.0.3进行了配置系统的重大更新。

NYU-DLSP21课程本学期重新组织，更新内容涵盖历史、反向传播、梯度下降、参数共享（循环和卷积网络）及能量基潜变量模型。每个主题持续两周，配有实践课程和作业。新版课程模块加强了对潜变量模型的理解。最新的幻灯片、笔记本及记录将同期发布，替代旧版课程材料。

ConvNeXt-V2 模型具备高效的图像分类能力，通过全卷积掩码自编码器架构进行预训练，并在 ImageNet-22k 和 ImageNet-1k 数据集上进行精调。该模型具备 28.6M 参数量、13.1 GMACs 计算量，支持 384x384 的图像尺寸。通过 timm 库使用，支持图像分类、特征图提取和图像嵌入等多种视觉任务。