图论训练

【强化学习】Unity ML-Agents框架

实战项目与案例研究九、未来展望与发展趋势十、结语一、UnityML-Agents简介UnityML-Agents是一个由UnityTechnologies开发的开源项目，它允许开发者利用机器学习技术来训练虚拟环境中的智能代理
大雨淅淅·2025-01-22 11:00

python3.6 split用法_对sklearn的使用之数据集的拆分与训练详解(python3.6)

主要演示大致的过程：导入->拆分->训练->模型报告以及几个重要问题：①标签二值化②网格搜索法调参③k折交叉验证④增加噪声特征(之前涉及)fromsklearnimportdatasets#从cross_validation
weixin_39849054·2025-01-22 10:57

论文笔记 U-Net: Convolutional Networks for Biomedical Image Segmentation

摘要：人们普遍认为，深度网络的成功训练需要数千个带注释的训练样本。在本文中，我们提出了一种网络和训练策略，该策略依赖于大量使用数据增强来更有效地使用可用的注释样本。
城南皮卡丘·2025-01-22 10:24

第十九周：SSD（Single Shot MultiBox Detector）

SSD（SingleShotMultiBoxDetector）摘要Abstract1引言2SSD框架2.1设计理念2.2训练2.3预测3创新与不足总结参考摘要本篇博客介绍了SSD（SingleShotMultiBoxDetector
L-含光承影·2025-01-22 10:52

宇宙规律对可转移量子强化学习架构的启示

它利用量子计算机的优势，在训练和优化模
AI天才研究院·2025-01-22 05:22

【教程】Ollama 部署 MindSpore 训练的大模型

gguf-mindspore本项目（gguf-mindspore）帮助用户快速的将MindSpore生成的大模型的ckpt文件，转换为Ollama可以加载的GGUF格式文件，主要思路是针对已有的如Huggingface上的对应模型的GGUF文件，利用MindSpore生成的ckpt文件，替换掉GGUF文件中的张量信息部分，生成自己的GGUF文件。依赖gguf==0.6.0mindsporenump
Hsiayukoo·2025-01-22 05:48

LLama 架构一览

LLama架构一览预训练Transformer架构RMSNorm归一化：为什么大模型llama选RMSNorm，而不是其他？
Debroon·2025-01-22 04:08

DETRs with Collaborative Hybrid Assignments Training论文阅读与代码

关键词：协作混合分配训练【目标检测】Co-DETR：ATSS+FasterRCNN+DETR协作的先进检测器（ICCV2023）-CSDN博客摘要：在这篇论文中，作者观察到在DETR中将过少的Query
分享总结快乐·2025-01-22 04:38

Docker部署nnunetv2简洁教程

由于我已经完成了nnUNet的训练，所以不需要将相关数据全部上传到容器中，而是只保留源码。
Tiandaren·2025-01-22 03:35

Grape-RAG

Grape-RAG传统RAG的局限性图的优点用知识图谱来呈现数据关系GraphRAG传统RAG的局限性经典的RAG架构以向量数据库（VectorDB）为核心来检索语义相似性上下文，让大语言模型（LLM）不需要重新训练就能够获取最新的知识
disgare·2025-01-22 01:48

一行代码搞定加载glove预训练词向量

加载glove预训练词向量再也不用glove2word2vec转换啦！
peanutwang·2025-01-22 01:46

【Vim Masterclass 笔记22】S09L40 + L41：同步练习11：Vim 的配置与 vimrc 文件的相关操作（含点评课内容）

文章目录S09L40Exercise11-VimSettingsandtheVimrcFile1训练目标2操作指令2.1.打开vimrc-sample文件2.2.尝试各种选项与设置2.3.将更改内容保存到
安冬的码畜日常·2025-01-22 00:42

细嗦Transformer（三）：准备训练，讲解及代码实现优化器、学习率调整策略、正则化和KL散度损失

文章目录关注我：细嗦大模型批处理对象/BatchesandMasking训练循环主函数/TrainingLoop优化器/Optimizer学习率调整策略/Learningrateadjustmentstrategy
Ace_bb·2025-01-22 00:08

【人工智能 | 大数据】基于人工智能的大数据分析方法

以下是几种主要的基于AI的大数据分析方法：机器学习模型：通过训练算法让计算机从历史数据中学习并做出预测或分类。常见的机器学习技术包括监督学习（如回归分析、支持向量机）、非监督学
用心去追梦·2025-01-21 22:58

深度学习中超参数

深度学习中的超参数(hyperparameters)是决定网络结构的变量(例如隐藏层数量)和决定网络训练方式的变量(例如学习率)。超参数的选择会显著影响训练模型所需的时间，也会影响模型的性能。
fengbingchun·2025-01-21 22:54

深入解析CANN算子开发：TBE与AI CPU算子类型及其开发方法全指南

深入解析CANN算子开发：TBE与AICPU算子类型及其开发方法全指南在现代AI计算领域中，高效的算子开发对于优化深度学习模型的推理与训练至关重要。
快撑死的鱼·2025-01-21 20:09

解锁辅助驾驶新境界：基于昇腾 AI 异构计算架构 CANN 的应用探秘

.异构计算与人工智能的关系2.CANN的定义和作用3.CANN的技术优势三、基于CANN的辅助驾驶AI应用原理1.目标检测算法2.智能检测流程3.算力平台支持四、基于CANN的辅助驾驶AI优势1.高效训练
倔强的石头_·2025-01-21 19:25

C语言经典例题100道

在这里因为对自己的要求，训练自己，采用了两种方法。一种是大众版好理解的，另一种是通过数组比较繁琐的写法，数组的写法完全是锻炼自己使用数组的能力，正常情况下，还是以第一种写法为准。第一种写法:#in
尘泪bit·2025-01-21 17:39

全国青少年信息学奥林匹克竞赛（信奥赛）备考实战之一维数组（应用技巧）

二、一维数组应用技巧2：打标记实战训练1—开关灯问题描述：有M个从1到M依次编号的人参加一项游戏。
律己杂谈·2025-01-21 17:09

知识图谱中的word2vec 技术是做什么的?

这项技术的核心思想是通过大规模文本数据训练神经网络模型，从而将单词映射到低维稠密的向量空间中。这些向量能够捕捉到单词之间的语义和语法关系，使得相似或相关的单词在向量空间中彼此靠近。
kcarly·2025-01-21 17:35

改进yolov8工业缺陷检测+swin+transformer

我们将详细探讨从数据准备到模型训练，再到最
qq1309399183·2025-01-21 15:56

基于 Python 的机器学习模型部署到 Flask Web 应用：从训练到部署的完整指南

目录引言技术栈步骤一：数据预处理步骤二：训练机器学习模型步骤三：创建FlaskWeb应用步骤四：测试Web应用步骤五：模型的保存与加载保存模型加载模型并在Flask中使用步骤六：Web应用的安全性考量示例
m0_74825223·2025-01-21 15:53

大模型GUI系列论文阅读 DAY2续：《一个具备规划、长上下文理解和程序合成能力的真实世界Web代理》

摘要预训练的大语言模型（LLMs）近年来在自主网页自动化方面实现了更好的泛化能力和样本效率。
feifeikon·2025-01-21 15:19

图论06-飞地的数量(Java)

6.飞地的数量题目描述给你一个大小为mxn的二进制矩阵grid，其中0表示一个海洋单元格、1表示一个陆地单元格。一次移动是指从一个陆地单元格走到另一个相邻（上、下、左、右）的陆地单元格或跨过grid的边界。返回网格中无法在任意次数的移动中离开网格边界的陆地单元格的数量。示例1：输入：grid=[[0,0,0,0],[1,0,1,0],[0,1,1,0],[0,0,0,0]]输出：3解释：有三个1被
XYX的Blog·2025-01-21 15:47

改进yolov8缺陷检测+swin+transformer

我们将详细探讨从数据准备到模型训练，再到最
QQ_1309399183·2025-01-21 15:16

机器学习：scikit-learn 和 Jupyter Notebook（推荐初学者使用google colab）

所以scikit-learn能轻松实现从数据预处理到模型训练和评估的完整流程。此外在推荐一个适合初学者的深度学习平台工具googleco
wyc9999ww·2025-01-21 14:39

vscode accelerate deepspeed配置

accelerate训练{//UseIntelliSensetolearnaboutpossibleattributes.
Ctrl_Cver·2025-01-21 13:31

迁移学习与RBF神经网络

迁移学习旨在将从一个或多个源任务中学习到的知识应用到目标任务中，以加快目标任务的学习过程，提高学习效果，尤其在数据稀缺或训练资源有限的情况下展现出显著优势。
fanxbl957·2025-01-21 12:27

李开复的理性选择：AI代码生成工具时代，初创公司如何避免盲目坚持？

他坦言，大模型预训练
·2025-01-21 11:44

Science Robotics最新封面：外骨骼“外挂”让手指弹奏钢琴更灵巧

最近来自日本的研究团队开发了一款专门的手部外骨骼机器人，通过被动训练的方式，帮助专业钢琴家突破了技能天花板。这项研究刚刚登上了机器人领域顶刊ScienceRobotics最新一期的封面。
xwz小王子·2025-01-21 11:48

AI未来趋势：AIGC浪潮下看AI训练师如何塑造智能未来（技术变革）

在AIGC（AIGeneratedContent，人工智能生成内容）浪潮下，AI训练师扮演着至关重要的角色，他们不仅推动了技术的发展，还在确保这些技术能够安全、高效地服务于社会方面发挥了重要作用。
用心去追梦·2025-01-21 11:11

人脸识别【java-基于OpenCV】思维导图-java架构

为了创建一个关于基于OpenCV的Java人脸识别项目的思维导图，可以围绕项目的主要组成部分进行组织：环境搭建、数据准备、人脸检测、特征提取、模型训练、识别与验证、以及优化和部署。
用心去追梦·2025-01-21 11:41

竞技体育数据可视化与可视化分析综述

竞技体育数据可视化与可视化分析综述研究背景：1、竞技体育的发展导致竞技体育数据的大规模产生；2、针对竞技体育数据已有研究人员进行分析和软件开发；3、竞技体育数据的分析有助于专业分析，并可通过有效行为决策达到提高体育训练和比赛效果
*小白*·2025-01-21 09:53

如何正确学习软件工程

1、前言之前看到我一朋友用jupyter训练模型。我问他：“你训练完然后呢”。他说：‘‘调参’’。我说你最终的目的是什么呢，他就不说话了。我想说的是，不管你是练习也好、开发也好，做之前一定是有目的的。
会振刀的程序员·2025-01-21 08:18

AIGC视频生成国产之光：ByteDance的PixelDance模型

优质专栏回顾：机器学习笔记深度学习笔记多模态论文笔记AIGC—图像文章目录论文摘要引言输入训练和推理时的数据处理总结相关工作视频生成长视频生成方法模型架构
好评笔记·2025-01-21 08:48

【锂电池寿命】基于BP锂电池寿命预测（matlab)

文献综述2.1、锂电池寿命预测研究现状2.2、常见预测方法对比2.3、BP神经网络在寿命预测中的应用三、研究方法与数据准备3.1、BP神经网络模型设计3.2、数据来源与预处理3.3、特征提取与选择四、模型训练与验证
大橘科研工作室·2025-01-21 08:17

PyTorch 基础数据集：从理论到实践的深度学习基石

而在深度学习的体系中，数据扮演着举足轻重的角色，它是模型训练的基础，如同建筑的基石，决定了模型的性能和泛化能力。
那年一路北·2025-01-21 07:05

Day_1 数据结构与算法&LeetCode入门及攻略

数据结构与算法学习目的：我们学习算法和数据结构，是为了学会在编程中从时间复杂度、空间复杂度方面考虑解决方案，训练自己的逻辑思维，从而写出高质量的代码，以此提升自己的编程技能，获取更高的工作回报。
Finger-Von-Frings·2025-01-21 06:56

【深度学习】Pytorch：导入导出模型参数

PyTorch是深度学习领域中广泛使用的框架，熟练掌握其模型参数的管理对于模型训练、推理以及部署非常重要。本文将全面讲解PyTorch中关于模型参数的操作，包括如何导出、导入以及如何下载模型参数。
T0uken·2025-01-21 05:54

YOLOv8/YOLOv11使用web界面推理自己的模型，Gradio框架快速搭建

开发者可以通过简单的Python代码将机器学习模型封装成交互式应用，无需复杂的设置即可在浏览器中使用自己训练好模型。
挂科边缘·2025-01-21 05:49

深度学习笔记——模型部署

文章目录模型部署模型部署的关键步骤常见的模型部署方式优势与挑战总结边缘端部署方案总结历史文章机器学习深度学习模型部署模型部署是指将训练好的机器学习或深度学习模型集成到生产环境中，使其能够在实际应用中处理实时数据和提供预测服务
好评笔记·2025-01-21 04:11

探索泰坦尼克号生存分类数据集：机器学习与数据分析的完美起点

该数据集包含两个CSV文件：训练集和测试集。
岑童嵘·2025-01-21 04:11

李开复与零一万物：AI创业的务实之道，以及AI写代码工具的崛起

李开复观点解读：理性决策，而非盲目扩张李开复认为，初创公司“负担不起”超大模型的预训练。这“负担不起”并非仅仅指
·2025-01-21 03:04

Python中的Pipeline快速教学、

Pipeline允许你将多个数据处理步骤和模型训练步骤串联起来，形成一个有序的工作流程。这不仅使代码更简洁，还能确保在训练和预测时一致的数据处理。
Coding Is Fun·2025-01-21 03:03

大模型介绍

大模型的训练需要大量的计算资源和数据。通常，它们需要在多个GPU或TP
詹姆斯爱研究Java·2025-01-21 01:39

基于深度学习的极端天气预测全解析与实战指南：基于MetNet 模型

然后，通过实战案例展示了MetNet模型在极端降雨天气预测中的应用，包括数据准备、模型搭建与训练、模型评估与预测。最后，文章总结了MetNet模型的优势与挑战，并展望了深度学习在气象领域
AI_DL_CODE·2025-01-21 01:07

使用 PyTorch 从头开始构建您自己的 Llama 3 架构

-architecture-from-scratch-using-pytorch全文摘要本文提供了一个详细的指南，介绍如何使用PyTorch从头开始构建Llama3模型的完整架构，并对自定义数据集进行训练和推理
子然在打码·2025-01-21 00:00

大模型的RAG微调与Agent：提升智能代理的效率与效果

目录编辑引言RAG模型概述检索阶段生成阶段RAG模型的微调数据集选择损失函数设计微调策略超参数调整RAG模型在智能代理中的应用客户服务信息检索内容创作决策支持：结论引言在人工智能的快速发展中，大型预训练模型
WeeJot·2025-01-21 00:57

YOLOv8改进，YOLOv8检测头融合DiverseBranchBlock，并添加小目标检测层（四头检测），适合目标检测、分割等

在训练后，DBB可以等效地转换为一个单独的卷积层以进行部署。与新型ConvNet架构的进步不同，DBB在保持宏观架构的
挂科边缘·2025-01-20 23:49

YOLOv10改进，YOLOv10改进主干网络为GhostNetV3(2024年华为的轻量化架构，全网首发)，助力涨点

然而，紧凑型模型的训练策略目前借鉴自传统模型，这忽略了它们在模型容量上的差异，可能阻碍紧凑型模型的性能提升。在本文中，通过系统地研究不同训练成分的影响，我们介绍了一种用于紧凑型模型的强大训练策略。
挂科边缘·2025-01-20 23:19
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他