分类器训练

模型架构选择：从传统NLP到Transformer

模型架构选择：从传统NLP到Transformer关键词：自然语言处理(NLP),模型架构,传统NLP,Transformer,RNN,CNN,预训练模型文章目录模型架构选择：从传统NLP到Transformer1
AI天才研究院·2025-01-30 08:23

用自然语言与mysql数据库对话几种方案的思考

处于安全考虑,可训练一个本地大语言模型来完成此项任务,mysql服务器中的数据大约有两万多条记录,服务器的作用主要是记录设备的出库和回库的流水账(即以时间为序的记录),但有一些sql查询比较复杂,必须根据特定的
闲云野鹤_SG·2025-01-30 08:52

Llama 3：开源大模型的里程碑式突破

标题：Llama3：开源大模型的里程碑式突破文章信息摘要：Meta通过Llama3展现了开源LLM的重大突破：采用超大规模训练数据和多阶段训练方法（SFT、rejectionsampling、PPO和DPO
XianxinMao·2025-01-30 08:50

Transformer架构的GPU并行和之前的NLP算法并行有什么不同？

在深度学习中，GPU并行计算被广泛应用于训练神经网络，加速模型训练过程。在2017年之前，自然语言处理（NLP）领域的研究者们通常会从头开始训练模型，那时能够利用GPU进行
AI大模型学习不迷路·2025-01-30 07:49

代码随想录算法训练营第三十九天|198.打家劫舍、

题目链接：198.打家劫舍-力扣（LeetCode）思路：因为隔一家才能取，所以当前最大的价值要么是dp[i-2]+nums[i]或者是dp[i-1]classSolution(object):defrob(self,nums):""":typenums:List[int]:rtype:int"""dp=[0]*len(nums)if(len(nums)==1):returnnums[0]dp[0
jinshengqile·2025-01-30 06:41

代码随想录算法训练营第三十九天-动态规划-198. 打家劫舍

动规五部曲dp[i]表示在下标为i的房间偷或不偷与前面所偷之和所能获得的最大价值递推公式：dp[i]=std::max(dp[i-2]+nums[i],dp[i-1])初始化：要给dp[0]与dp[1]来给定初始值，因为递推公式有-1与-2。dp[0]=nums[0],dp[1]=std::max(nums[0],nums[1]);其它下标值，初始成任意值都可以，因为其值是由前面元素推导出来的遍历
taoyong001·2025-01-30 06:08

【深度分析】Deepseek为什么会这么爆火？

算力霸权崩塌之夜：一场颠覆AI工业体系的静默革命当DeepSeek用600万美元训练成本击穿硅谷巨头60亿美元的护城河时，整个AI工业体系的地基正在发生断裂。
精通代码大仙·2025-01-30 06:35

大型语言模型构建指南：从头开始构建大语言模型《Build a Large Language Model (From Scratch)》免费PDF

通过从头开始构建一个大型语言模型，了解如何创建、训练和调整大型语言模型（LLMs）！一、构建大型语言模型（从头开始）在《构建大型语言模型（从头开始）》中，你将了解如何LLMs从内到外工作。
AGI大模型学习·2025-01-30 05:34

书籍推荐：《从零构建大型语言模型》附免费PDF下载

通过从头开始构建一个大型语言模型，了解如何创建、训练和调整大型语言模型（LLMs）！一、构建大型语言模型（从头开始）在《构建大型语言模型（从头开始）》中，你将了解如何LLMs从内到外工作。
大模型入门学习·2025-01-30 05:33

代码随想录算法训练营第三十八天-动态规划-完全背包-279.完全平方数

把目标值当作背包容量，每个平方数当作物品，题目变更为装满指定容量的背包，最小用几个物品会不会出现拼凑不出来的情况？不会，因为有数字1，对任意正整数百分百能拼凑出来因此此题目与上一道题就变得一模一样了classSolution{public:intnumSquares(intn){std::vectordp(n+1,INT_MAX);dp.at(0)=0;for(inti=1;i*i<=n;++i)
taoyong001·2025-01-30 04:57

代码随想录算法训练营第三十八天-动态规划-完全背包-139.单词拆分

类似于回溯算法中的拆分回文串题目是要求拆分字符串，问这些字符串是否出现在字典里。但这道题可以反着来考虑，从字典中的单词能不能组成所给定的字符串如果这样考虑，这个字符串就背包，容器字典中的单词就是一个一个物品问题就转化成这些物品能不能正好装满这个背包，而且这些物品可以使用多次因此这是一个完全背包类问题动规五部曲dp[j]数组含义：把题目给定的字符串能不能用字典字符串来添满。字符串长度为j时，能被字典
taoyong001·2025-01-30 04:57

代码随想录算法训练营52期

flag：岁末年初，万籁俱寂，孤帆起伏，肃杀清凉。不以物喜，不以已悲，投身算法，杀回青春日期天数链接2024-12-11第一天数组理论基础，704.二分查找，27.移除元素数组理论基础，977.有序数组平方结果再排序2024-12-12第二天数组理论基础，59.螺旋矩阵II数组理论基础，209.长度最小的子数组2024-12-13第三天链表理论基础，203.移除链表元素链表理论基础，707.设计链
taoyong001·2025-01-30 04:56

代码随想录算法训练营第三十八天|Day38 动态规划

322.零钱兑换视频讲解：https://www.bilibili.com/video/BV14K411R7yvhttps://programmercarl.com/0322.%E9%9B%B6%E9%92%B1%E5%85%91%E6%8D%A2.html思路#definemin(a,b)((a)>(b)?(b):(a))intcoinChange(int*coins,intcoinsSize,
是糖不是唐·2025-01-30 04:53

PyTorch 框架实现线性回归：从数据预处理到模型训练全流程

系列文章目录Pytorch基础篇01-PyTorch新手必看：张量是什么？5分钟教你快速创建张量！02-张量运算真简单！PyTorch数值计算操作完全指南03-Numpy还是PyTorch？张量与Numpy的神奇转换技巧04-揭秘数据处理神器：PyTorch张量拼接与拆分实用技巧05-深度学习从索引开始：PyTorch张量索引与切片最全解析06-张量形状任意改！PyTorchreshape、tra
大模型铲屎官·2025-01-30 03:17

代码随想录算法训练营day32：动态规划01

动态规划理论基础动态规划刷题大纲适用范围：某一问题有很多重叠子问题，使用动态规划是最有效的。所以动态规划中每一个状态一定是由上一个状态推导出来的，这一点就区分于贪心，贪心没有状态推导，而是从局部直接选最优的。套路：dp数组，下标的含义——定义一维或者二维的状态转移数组递推公式：当前状态是怎么被上一个状态决定出来的dp数组如何初始化遍历顺序打印dp数组——来check算法是否正确509.斐波那契数力
树懒爱沙发·2025-01-30 03:45

代码随想录算法训练营day10

代码随想录算法训练营day10来到了栈与队列，经过昨天的总结感觉自己快忘干净了。。有种G的感觉来到这先搞一下吧什么是栈？
魏进·2025-01-30 02:14

论文AI率：检测原理是什么？该如何降低论文AI率？

和AI大模型一样，AI检测的核心也是机器学习模型，它们在包含人类创作和AI生成文本样本的大型数据集上进行训练，通过学习每种文本中存在的模式和特征，以此来区分人类创作的文本和AI生成文本。
迪娜学姐·2025-01-30 02:40

代码随想录算法训练营Day32

78.子集力扣题目链接classSolution{List>res=newArrayListpath=newLinkedList>subsets(int[]nums){dfs(nums,0);returnres;}publicvoiddfs(int[]nums,intstart){res.add(newArrayList(path));for(inti=start;i
Nruonan·2025-01-30 02:09

如何评价deepseek上线的deepseek-V3模型？怎么使用？

DeepSeek-V3模型是深度求索公司最新推出的自研MoE（混合专家）模型，具有6710亿参数，激活参数为370亿，经过14.8万亿token的预训练。
百态老人·2025-01-30 01:36

【DL】神经网络与机器学习基础知识介绍（一）

原博客：https://mengwoods.github.io/post/dl/009-dl-fundamental/文章目录基本通用概念梯度下降算法数据工程训练技术偏差与方差防止过拟合评估指标决策树基本通用概念机器学习的类型
MengWoods·2025-01-30 01:01

DeepSeek V3 模型微调（SFT）技术详解

DeepSeekV3模型微调（SFT）技术详解目录引言背景知识2.1深度学习与预训练模型2.2微调（Fine-tuning）的概念2.3监督微调（SupervisedFine-tuning,SFT）DeepSeekV3
zhangjiaofa·2025-01-30 00:28

【DeepSeek】大模型强化学习训练GRPO算法，你学会了吗？

如果你还不知道GRPO，你可以先看这篇帖子：【DeepSeek】一文详解GRPO算法——为什么能减少大模型训练资源？看了论文跟没看一样？做两道题练练！曾经最痛恨的应试教育，却能让你深深记住这知识点。
FF-Studio·2025-01-29 21:56

智联未来——打造基于机器学习的MySQL智能运维助手，开启协作新时代

今天，我们将深入了解如何训练这样一个基于机器学习的MySQL智能运维助手
墨夶·2025-01-29 19:45

大模型部署工具 llama.cpp 介绍与安装使用

1.大模型部署工具llama.cpp大模型的研究分为训练和推理两个部分。训练的过程，实际上就是在寻找模型参数，使得模型的损失函数最小化，推理结果最优化的过程。
大模型柳儿·2025-01-29 18:03

自建stgcn数据集并训练

openpose+caffe）_Significance的博客-CSDN博客复现旧版STGCNGPU版（win10+openpose1.5.0）_Significance的博客-CSDN博客22.准备训练数据集官方使用
青年夏日科技工作者·2025-01-29 18:31

kinetics-skeleton格式行为数据提取方法

用自建kinetics-skeleton行为识别数据集训练st-gcn网络流程记录，利用Lightweight-OpenPose生成kinetics-skeleton格式数据0.准备工作1.下载/裁剪视频
青年夏日科技工作者·2025-01-29 18:31

火出圈的DeepSeeK R1详解

强化学习驱动的训练：采用大规模强化学习技术，仅需极少量标注数据，显著提升推理能力。长链推理（CoT）支持：思维链长度可达数万字，能逐步分解复杂问题，通过多步骤逻辑推理解决问题。
清风AI·2025-01-29 17:58

Transformer--概念、作用、原理、优缺点以及简单的示例代码

与传统的循环神经网络（RNN）和长短时记忆网络（LSTM）不同，Transformer完全摆脱了序列结构的依赖，可以并行处理数据，显著提高了训练效率和效果
Ambition_LAO·2025-01-29 17:23

DeepSeek：通用人工智能的技术前沿与创新突破

其研发方向覆盖自然语言处理、多模态交互、强化学习等领域，并在模型架构、训练效率及实际应用场景中取得显著成果。二、核心
热爱分享的博士僧·2025-01-29 17:52

如何从零开始训练大模型（预训练方向）

但还有一个很直观的情况，随着预训练样本的质量不断提升，训练手段的优化。新的模型，往往效果能轻松反超参数量两倍于它的模型。例如，最新出的minicpm，微信内部评测效果也是非常棒的。
AI小白熊·2025-01-29 16:43

如何用Python训练一个AI模型（超详细教程）非常详细收藏我这一篇就够了！

AI模型是通过训练得到的一种程序，能够利用海
程序员二飞·2025-01-29 15:42

万字精研：大型语言模型微调Fine-Tuning技术——14种主流方法的原理、适用场景及实践指南

万字精研：大型语言模型微调Fine-Tuning技术——14种主流方法的原理、适用场景及实践指南LLM训练时间和的成本太过庞大，况且个人卷训练经验极为困难，不妨从微调开始搞起。
汀、人工智能·2025-01-29 15:40

python 命名实体识别_Python NLTK学习11（命名实体识别和关系抽取）

命名实体识别非常适用于基于分类器类型的方法来处理的任务。NLTK有
weixin_39630762·2025-01-29 14:04

详解三种常用标准化：Batch Norm、Layer Norm和RMSNorm

在深度学习中，标准化技术是提升模型训练速度、稳定性和性能的重要手段。
yyytucj·2025-01-29 13:57

MATLAB设计控制系统仿真实验,基于MATLAB的自动控制原理实验仿真系统的设计

传统性实验训练了学生对以传递函数为核心的控制系统与模拟电
stellagugu·2025-01-29 13:55

YOLOv8改进策略【Backbone/主干网络】| 替换骨干网络为2023-CVPR ConvNeXt V2 （附网络详解和完整配置步骤）

本文将ConvNeXtV2应用于YOLOv8，一方面利用全卷积掩码自动编码器在训练时优化特征学习，减少模型对大规模标注数据的依赖；另一方面，通过全局响应归一化层增强特征竞争，缓解特征坍塌问题，提高特征多样性
Limiiiing·2025-01-29 13:54

GEE 训练教程——哨兵2号、Landsat-8以及DEM影像的可视化展示

目录简介1.哨兵2号（Sentinel-2）2.Landsat-83.CGIAR/SRTM90_V4函数visualize(bands,gain,bias,min,max,gamma,opacity,palette,forceRgbOutput)Arguments:Returns:Imageexpression(expression,map)Arguments:Returns:Imageee.Te
此星光明·2025-01-29 11:59

利用 PyTorch 动态计算图和自动求导机制实现自适应神经网络

动态添加/移除层：可以在训练过程中根据需
drebander·2025-01-29 11:24

Qwen-VL论文解读

从Qwen-LM开始，我们通过精心设计的（i）视觉受体，（ii）输入-输出接口，（iii）3阶段训练管道，以及（iv）多语言多模态清洗语料库，赋予其视觉能力。
dream_home8407·2025-01-29 09:10

基于Blackwell架构的GPU，用七十二个GPU拼接成性能强大的计算集群，其性能比上一代提升三倍，GPU已成为AI时代的基础设施，可实现各种大模型的训练

英伟达在2024年3月发布了基于Blackwell架构的GPU，这一新一代GPU在性能上相比上一代Hopper架构有显著提升。具体来说，Blackwell架构的GPU拥有2080亿个晶体管，采用台积电4纳米工艺制造，其AI性能达到了20petaflops，是前代H100GPU的五倍。Blackwell架构通过多芯片封装技术（MCM），将两个GPU集成在一起，从而解决了内存局部性和缓存问题，提高了计
百态老人·2025-01-29 08:03

Tensorflow入门——训练结果的保存与加载

2019独角兽企业重金招聘Python工程师标准>>>训练完成以后我们就可以直接使用训练好的模板进行预测了但是每次在预测之前都要进行训练，不是一个常规操作，毕竟有些复杂的模型需要训练好几天甚至更久所以将训练好的模型进行保存
weixin_34087301·2025-01-29 08:32

使用PyTorch实现逻辑回归：从训练到模型保存与加载

PyTorch用于构建和训练模型，pandas和numpy用于数据处理，matplotlib用于结果的可视化。
Luzem0319·2025-01-29 08:26

python3+TensorFlow 2.x（四）反向传播

目录反向传播算法反向传播算法基本步骤：反向中的参数变化总结反向传播算法反向传播算法（Backpropagation）是训练人工神经网络时使用的一个重要算法，它是通过计算梯度并优化神经网络的权重来最小化误差
刀客123·2025-01-29 07:53

scikit-learn基本功能和示例代码

scikit-learn（简称sklearn）是一个广泛使用的Python机器学习库，提供了丰富的工具和算法，涵盖了数据预处理、模型训练、评估和优化等多个方面。
weixin_30777913·2025-01-29 02:02

强化学习很多ac架构的算法比如ppo，为什么使用状态价值网络而不使用动作价值网络实现critic呢?｜状态价值网络的优势与挑战｜Actor-Critic｜状态价值｜强化学习

3.1训练稳定性3.2计算效率3.3高维动作空间的适应性4.使用状态价值网络的挑战4.1收敛速度4.2欠拟合风险5.解决方案与未来方向5.1改进的状态价值网络5.2结合动作价值和状态价值6.结论随着强化学习技术的不断发展
concisedistinct·2025-01-29 01:27

强化学习中，为什么用AC架构

缺点：相关算法：基于AC架构的算法总结强化学习中，为什么用AC架构在强化学习（ReinforcementLearning,RL）中，AC架构（即Actor-Critic架构）是一种非常常用的架构，用于训练智能体
资源存储库·2025-01-29 01:25

AI会不会是一个大泡沫

推出后不久，R1就凭借其开源的性质、大幅下降的售价和训练成本获得了
人机与认知实验室·2025-01-28 23:38

machine learning knn算法之使用KNN对鸢尾花数据集进行分类

通过导入必要的scikit-learn导入必要的库，加载给定的数据，划分测试集和训练集之后训练预测和评估即可具体代码如下：importnumpyasnpfromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitfromsklearn.preprocessingimportStandardS
知识鱼丸·2025-01-28 21:53

LLM架构与优化：从理论到实践的关键技术

重点分析了预训练、后训练、监督微调（SFT）和偏好对齐（PreferenceAlignment）在提升模型性能中的作用，并对比了直接偏好优化（DPO）
XianxinMao·2025-01-28 20:14

YOLOv10涨点改进：特征融合创新 | 多层次特征融合（SDI），小目标涨点明显，| UNet v2，比UNet显存占用更少、参数更少

YOLOv10魔术师专栏》将从以下各个方向进行创新：【原创自研模块】【多组合点优化】【注意力机制】【卷积魔改】【block&多尺度融合结合】【损失&IOU优化】【上下采样优化】【小目标性能提升】【前沿论文分享】【训练实战篇
AI小怪兽·2025-01-28 19:08
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他