卷积核分解

从零学习大模型（六）-----LoRA（上）

**其核心思想是通过对模型的特定参数进行低秩分解，仅对少量附加参数进行训练，从而完成任务适应，而无需更新整个模型的权重。
懒惰才能让科技进步·2025-03-18 06:01

【Agent】OpenManus-Flow组件详细分析

Flow组件的核心是基于计划的执行模型，它将任务分解为一系列步骤，然后逐步执行这些步骤，直到任务完成。
非晓为骁·2025-03-18 05:18

Pytorch 小记 第八回：GoogleNet卷积神经网络模型代码

本次小记，提供了一份基于pytorch的GoogleNet卷积神经网络模型的代码。除此之外，对代码中不容易理解的部分进行了讲解。
Start_Present·2025-03-18 01:15

pytorch的使用：卷积神经网络模块

1.读取数据分别构建训练集和测试集（验证集）DataLoader来迭代取数据使用transforms将数据转换为tensor格式#定义超参数input_size=28#图像的总尺寸28*28num_classes=10#标签的种类数num_epochs=3#训练的总循环周期batch_size=64#一个撮（批次）的大小，64张图片#训练集train_dataset=datasets.MNIST(
樱花的浪漫·2025-03-18 00:11

FPGA中级项目3——IP核之时钟管理单元

FPGA中级项目3——IP核之时钟管理单元时钟还需要管理？什么是时钟管理单元？我们常熟知FPGA本身有晶振单元，源源不断的提供的50Mhz的频率波。但是这样往往无法满足一些设计需求。
霖00·2025-03-17 18:23

请编写一个Python程序，实现WOA-CNN-BiLSTM鲸鱼算法优化卷积双向长短期记忆神经网络多输入单输出回归预测功能。

实现一个基于鲸鱼优化算法（WOA）优化的卷积双向长短期记忆神经网络（CNN-BiLSTM）的多输入单输出回归预测功能是一个复杂的任务，涉及到多个步骤和组件。
2301_81121233·2025-03-17 17:21

YOLOv8 改进：添加 GAM 注意力机制

然而，随着场景的复杂化，仅仅依靠卷积特征可能不足以捕捉图像中的重要信息。
鱼弦·2025-03-17 16:14

【数学基础】线性代数#1向量和矩阵初步

目录标量、向量、矩阵和张量矩阵运算单位矩阵和逆矩阵线性相关和生成子空间范数特殊类型的矩阵和向量特征分解奇异值分解Moore-Penrose伪逆迹运算行列式标量、向量、矩阵和张量标量标量是一个单独的数。
-一杯为品-·2025-03-17 16:38

Collab-Overcooked:专注于多智能体协作的语言模型基准测试平台

一、研究背景近年来，基于大型语言模型的智能体系统在复杂任务分解和规划方面展现出巨大潜力，成为自然语言处理领域的研究热点。
·2025-03-17 15:08

【Attention】SEAttention

SEAttention摘要卷积神经网络（CNNs）的核心构建模块是卷积算子，它使网络能够通过在每一层的局部感受野内融合空间和通道信息来构建有价值的特征。
shanks66·2025-03-17 12:12

C++闪电侠：快速幂算法终极指南

目录快速幂核心思想快速幂模板代码快速幂取模模板（大数必备）实战演练（LeetCode真题）快速幂核心思想二进制分解+分治思想：a^13=a^(8+4+1)=a^8*a^4*a^1通过不断平方分解指数：a
三流搬砖艺术家·2025-03-17 11:08

Transformer 架构深度剖析

Multi-HeadSelf-Attention）前馈网络（Feed-ForwardNetwork,FFN）残差连接（ResidualConnection）和层归一化（LayerNorm）关键特性：完全基于注意力机制，摒弃了循环和卷积结构
时光旅人01号·2025-03-17 10:58

AI大模型学习路线：从入门到精通的完整指南【2025最新】

一、基础阶段：构建知识体系数学与理论基础线性代数：矩阵运算、特征值与奇异值分解是大模型参数优化的基础
AI大模型-大飞·2025-03-17 10:27

【sklearn 04】DNN、CNN、RNN

DNNDNN（DeepNeuralNetworks，深度神经网络）是一种相对浅层机器学习模型具有更多参数，需要更多数据进行训练的机器学习算法CNNCNN（convolutionalNeuralNetworks，卷积神经网络
@金色海岸·2025-03-17 09:24

从LLM出发：由浅入深探索AI开发的全流程与简单实践（全文3w字）

2.1机器学习：AI的基础2.1.1机器学习的类型2.1.2机器学习的流程2.2深度学习：机器学习的进阶2.2.1神经网络基础2.2.2深度学习的关键架构2.3Transformer架构：现代LLM的核
码事漫谈·2025-03-17 09:48

天吉智芯「星核」智能充气泵 —— 以芯为核，定义车载充气新标杆

「星核」充气泵是品牌首款终端产品，搭载自主研发的TJX8F003Pro车规级芯片（IATF16949认证），以芯片级定制重构充气泵的智能边界——不止是工具，更是汽车安全生态的智能终端。
天吉智芯·2025-03-17 09:18

java实现卷积神经网络CNN（附带源码）

Java实现卷积神经网络（CNN）项目详解目录项目概述1.1项目背景与意义1.2什么是卷积神经网络（CNN）1.3卷积神经网络的应用场景相关知识与理论基础2.1神经网络与深度学习概述2.2卷积操作与卷积层原理
Katie。·2025-03-17 07:38

鲲鹏920 7265 (128C)@3.0GHz处理器全解析

鲲鹏9207265(128C)@3.0GHz：鲲鹏9207265处理器，通常是单芯片64核，当使用2路处理器时可达128核，主频3.0GHz，服务器百科网fwqbk.com分享鲲鹏920处理器：鲲鹏920
facaixxx2024·2025-03-17 06:31

【从零开始学习计算机科学】数字逻辑（四）数字系统设计

【从零开始学习计算机科学】数字逻辑（四）数字系统设计数字系统设计硬件描述语言HDL（HardwareDescriptionLanguage）VerilogHDL的起源与发展HDL软核、固核和硬核的重用HDL
贫苦游商·2025-03-17 06:21

MobileNet家族：从v1到v4的架构演进与发展历程

MobileNet是一个专为移动设备和嵌入式系统设计的轻量化卷积神经网络（CNN）家族，旨在在资源受限的环境中实现高效的图像分类、对象检测和语义分割等任务。
彩旗工作室·2025-03-17 05:44

Vision Transformer (ViT) 详细描述及 PyTorch 代码全解析

它摒弃了传统卷积神经网络(CNN)的卷积操作，而是将图像分割成patches，并将这些patches视为序列输入到Transformer编码器中。
AIGC_ZY·2025-03-17 02:23

使用二进制位运算，代替十进制乘法（除法）运算

文章目录乘法原理十进制分解程序示例运算结果除法原理十进制分解程序示例运算结果  在嵌入式环境中虽然有乘法运算器，而且芯片运算速度越来越快，但位运算还是最快速的，为了提高计算效率，可以将乘法运算使用位运算替换
真相很简单·2025-03-17 01:14

实验六 多cache一致性——监听协议_多核Cache一致性

在摩尔定律不太适用的今天，人们试图增加CPU核数以提升系统整体性能。这类系统称之为多核系统（简称MP，Multi-Processor）。
weixin_39576336·2025-03-17 00:07

PyTorch 实现 Conditional DCGAN（条件深度卷积生成对抗网络）进行图像到图像转换的示例代码

以下是一个使用PyTorch实现ConditionalDCGAN（条件深度卷积生成对抗网络）进行图像到图像转换的示例代码。
max500600·2025-03-16 23:04

YOLOv5+UI界面在车辆检测中的应用与实现

近年来，深度学习技术的突破，特别是卷积神经网络（CNN）的崛起，使得目标检测技术取得了显著进展。
深度学习&目标检测实战项目·2025-03-16 23:03

4A架构之间的关系和集成

价值流往往就是顶端的流程，业务能力的分解往往是2~4级，对于详细的业务流程的分解往往就到了5~7级，只是原来在业务架构里面，我们没有太强调流程架构，实际上从架构的Y模型里面可以看到，在业务架构里面是有两个视角
chuixue24·2025-03-16 20:12

YOLO11改进-模块-引入多尺度差异融合模块MDFM

近年来，卷积神经网络（CNN）在具有挑战性的RSCD任务中展现出了良好的效果。然而，这些方法未能有效地融合双时相特征，也未提取出对后续RSCD任务有益的有用信息。
一勺汤·2025-03-16 19:05

YOLO11改进-模块-引入CMUNeXt Block 增强全局信息

在医学图像分割领域面临诸多问题，如U形架构卷积网络难以提取全局信息，混合架构因计算资源受限在实际医疗场景应用受阻，轻量化网络在保证性能与提取全局信息上存在矛盾。
一勺汤·2025-03-16 19:04

YOLO优化之扫描融合模块（SimVSS Block）

传统的卷积神经网络（CNN）虽然在目标检测领域取得了显著进展，但仍存在局限性，如局部关注性导致难以有效检测不同尺度的目标。
清风AI·2025-03-16 19:00

计算机视觉（Computer Vision, CV）的入门到实践的详细学习路线

学习奇异值分解（SVD）及其在降维和数据压缩中的具体应用。概率与统计熟悉贝叶斯定理及其在分类任务中的应用，如朴素贝叶斯分类器。理解常见概率分布（如正态分布、二项分布）及其性质。
云梦优选·2025-03-16 18:57

利用matlab实现贝叶斯优化算法（BO）优化支持向量机回归(SVR)的超参数

传统调参三大痛点：C参数（正则化强度）：过小导致过拟合，过大削弱模型能力ε参数（不敏感区域）：决定对预测误差的容忍度核
是内啡肽耶·2025-03-16 16:41

大规模语言模型从理论到实践 开源指令数据集

2.核
AI天才研究院·2025-03-16 13:17

TRAE与Cursor最佳实践指南（截至2025年3月）

一、核心能力适配策略TRAE的Builder模式开发流程需求拆解：将复杂需求分解为可执行子任务（如先搭建项目框架，再分模块实现功能），通过多轮对话逐步生成代码。
xinxiyinhe·2025-03-16 11:05

《Python深度学习》第四讲：计算机视觉中的深度学习

其实，这一切都离不开深度学习中的卷积神经网络（CNN）。今天，我们就来深入了解一下CNN是如何工作的。5.1卷积神经网络简介先来看下卷积神经网络（CNN）是什么。
earthzhang2021·2025-03-16 10:56

《Hello YOLOv8从入门到精通》4， 模型架构和骨干网络Backbone调优实践

一、骨干网络（Backbone）Backbone部分负责特征提取，采用了一系列卷积和反卷积层，同时使用了残差连接和瓶颈结构来减小网络的大小并提高性能。
Jagua·2025-03-16 10:54

垃圾收集算法

-清除根引用可达分析、扫描内存回收不可达对象分代回收基于观察到大多数对象生命周期较短，而少数对象生命周期较长的优化算法空闲回收在CPU空闲时运行垃圾回收器，以减少对程序执行的影响增量回收将垃圾回收任务分解为多个小步骤
zhangpeng455547940·2025-03-16 09:53

算法手撕面经系列(1)--手撕多头注意力机制

多头注意力机制 一个简单的多头注意力模块可以分解为以下几个步骤：先不分多头，对输入张量分别做变换，得到Q,K,VQ,K,VQ,K,V对得到的Q,K,VQ,K,VQ,K,V按头的个数进行split；用Q,
夜半罟霖·2025-03-16 07:37

elasticsearch analyzer 学习笔记

基本定义analyzer执行将输入字符流分解为token的过程使用场景在indexing的时候，也即在建立索引的时候在searching的时候，也即在搜索时，分析需要搜索的词语analysisCharacterfiltering
weixin_40455124·2025-03-16 06:00

NPU的工作原理：神经网络计算的流水线

3.计算执行·NPU根据模型结构，依次执行卷积、池化、全连接等计算任务。·矩阵乘法单元和卷积加速器并行工作，高效完成计算。
绿算技术·2025-03-16 02:28

关于scipy中uniform_filter函数的注意事项

我不希望使用for循环和均值卷积核来对二维数组进行滤波，因为这个线性运算且可用通过数字搬移来实现。
明·煜·2025-03-16 01:26

HarmonyNext实战：基于ArkTS的高性能图像处理应用开发

本文将深入探讨如何利用ArkTS语言开发一个高性能的图像处理应用，重点介绍图像卷积、边缘检测等核心算法的实现。我们将从理论基础出发，逐步构建一个完整的图像处理应用，并通过优化技巧提升性能。
·2025-03-16 00:16

webpack5（Module Federation）+vue3.0实现微前端

从MicroFrontends官网可以了解到，微前端概念是从微服务概念扩展而来的，摒弃大型单体方式，将前端整体分解为小而简单的块，这些块可以独立开发、测试和部署，同时仍
weixin_42140041·2025-03-15 21:57

非对称加密：SSL/TLS握手的数学基石

以RSA算法为例，其数学基础是大质数分解难题：选择两个大质数p和q（通常≥2048位
·2025-03-15 10:55

天吉智芯「星核」智能充气泵 —— 以芯为核，定义车载充气新标杆

「星核」充气泵是品牌首款终端产品，搭载自主研发的TJX8F003Pro车规级芯片（IATF16949认证），以芯片级定制重构充气泵的智能边界——不止是工具，更是汽车安全生态的智能终端。
天吉智芯·2025-03-15 10:31

嵌入式AI必备技能2-模型的压缩与加速

本文介绍几种常见的模型压缩与加速方法，包括剪枝、低秩分解、量化、权值共享、知识蒸馏等，并探讨如何综合应用这些技术来优化AI模型。1.常
奥德彪123·2025-03-15 10:30

HarmonyNext实战：基于ArkTS的跨设备3D游戏开发

本文将详细讲解如何基于HarmonyNext和ArkTS开发一款跨设备的3D游戏，涵盖从项目搭建到核
·2025-03-15 10:21

HarmonyNext实战：基于ArkTS的高性能图像处理应用开发

本文将深入探讨如何利用ArkTS语言开发一个高性能的图像处理应用，重点介绍图像卷积、边缘检测等核心算法的实现。我们将从理论基础出发，逐步构建一个完整的图像处理应用，并通过优化技巧提升性能。
·2025-03-15 10:50

数据仓库有哪些建模方法？

第三范式（3NF）定义：通过规范化将数据分解为多个关联表，确保每个字段仅依赖主键。优点：数据冗余低，一致性高，适合复杂事务处理。缺点：查询需要多表关联，性能较低；业务理解成
BenBen尔·2025-03-15 09:21

kubernetes集群部署kubesphere环境

安装步骤选择4核8G（master）、8核16G（node1）、8核16G（node2）三台机器，按量付费进行实验，CentOS7.9安装Docker安装Kubernetes安装KubeSphere前置环境安装
weixin_43806846·2025-03-15 02:13

pytorch实现cifar10多分类总结

对于这个任务，可以使用深度学习模型，如卷积
L_pyu·2025-03-15 00:31
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他