向AI转型的程序员都关注公众号 机器学习AI算法工程
1，本文介绍
PSA是一种改进的自注意力机制，旨在提升模型的效率和准确性。传统的自注意力机制需要计算所有位置对之间的注意力，这会导致计算复杂度高和训练时间长。PSA通过引入极化因子来减少需要计算的注意力对的数量，从而降低计算负担。极化因子是一个向量，通过与每个位置的向量点积，确定哪些位置需要计算注意力。这种方法可以在保持模型准确度的前提下，显著减少计算量，从而提升自注意力机制的效率。
关于PSA 的详细介绍可以看论文：https://arxiv.org/pdf/2405.14458
本文将讲解如何将PSA 融合进yolov8
话不多说，上代码！
2， 将PSA融合进yolov8
2.1 步骤一
找到如下的目录'ultralytics/nn/modules'，然后在这个目录下创建一个PSA.py文件，文件名字可以根据你自己的习惯起，然后将PSA的核心代码复制进去
2.2 步骤二
在task.py导入我们的模块
from . modules . PSA import PSA
2.3 步骤三
在task.py的parse_model方法里面注册我们的模块
到此注册成功,复制后面的yaml文件直接运行即可
yaml文件
关于PSA添加的位置可以自行调试,针对不同数据集位置不同,效果不同
原文地址
https://blog.csdn.net/weixin\_43986124/article/details/141902467
机器学习算法AI大数据技术
搜索公众号添加： datanlp
长按图片，识别二维码
阅读过本文的人还看了以下文章：
整理开源的中文大语言模型，以规模较小、可私有化部署、训练成本较低的模型为主
基于40万表格数据集TableBank，用MaskRCNN做表格检测
《深度学习入门：基于Python的理论与实现》高清中文PDF+源码
2019最新《PyTorch自然语言处理》英、中文版PDF+源码
《21个项目玩转深度学习：基于TensorFlow的实践详解》完整版PDF+附书代码
PyTorch深度学习快速实战入门《pytorch-handbook》
【下载】豆瓣评分8.1,《机器学习实战:基于Scikit-Learn和TensorFlow》
李沐大神开源《动手学深度学习》，加州伯克利深度学习（2019春）教材
【Keras】完整实现‘交通标志’分类、‘票据’分类两个项目，让你掌握深度学习图像分类
如何利用全新的决策树集成级联结构gcForest做特征工程并打分？
Machine Learning Yearning 中文翻译稿
斯坦福CS230官方指南：CNN、RNN及使用技巧速查（打印收藏）
中科院Kaggle全球文本匹配竞赛华人第1名团队-深度学习与特征工程
不断更新资源
深度学习、机器学习、数据分析、python
搜索公众号添加： datayx