对比训练

【sklearn 01】人工智能概述

这是一个非常大的范围，长远目标是让机器实现人工智能，但目前我们仍处在非常初始的阶段，甚至不能称为智能机器学习是指通过数据训练出能完成一定功能的模型，是实现人工智能的手段之一，也是目前最主流的人工智能实现方法深度学习则是机器学习的分支
@金色海岸·2025-03-17 20:41

【sklearn 07】sklearn工艺流程

01数据的获取02数据预处理03特征的提取04特征的选择05模型的训练06模型的评估07模型的优化
@金色海岸·2025-03-17 20:41

第二十五篇 SQL优化杀手锏：用分析函数让你的查询快如闪电

目录一、初识分析函数：外卖骑手的一天1.1真实工作场景二、分析函数三板斧（超直观对比表）三、手把手教学：5大核心函数详解️3.1排名三剑客（班级成绩单案例）3.1.1ROW_NUMBER()：唯一学号式排名
随缘而动，随遇而安·2025-03-17 20:09

第十篇 秒懂SQL集合运算与联结：像逛超市一样学SQL

目录一、前情提要：SQL集合运算就像整理购物车1.1基础三剑客：UNION/INTERSECT/EXCEPT1.2新手必坑指南⚠️二、表联结：你的SQL人际关系学2.1三种联结方式对比2.2隐藏技巧：过时语法
随缘而动，随遇而安·2025-03-17 20:39

第十一篇 SQL高级处理：窗口函数和GROUPING运算符，看这篇就够了

1.2三大排名函数对比（附生活案例）1.3累计统计：你的工资今年涨了多少？
随缘而动，随遇而安·2025-03-17 20:39

第十六篇 SQL优化之计划控制：进阶之路带上这篇文章，快到起飞

第一招：HINT大法（直接下指令）2.2第二招：暗度陈仓（间接引导）方法1：统计信息大法方法2：虚拟列黑科技方法3：分区表妙用2.3第三招：计划冻结术（一劳永逸）SQLProfilevsBaseline对比表三
随缘而动，随遇而安·2025-03-17 20:39

第三篇 从入门到专业：SQL标准语法详解与高效编码规范指南

（数据操作语言）——"搬家具"2.3DCL（数据控制语言）——"配钥匙"三、SQL书写规范（避免被同事吐槽）3.1基础排版规范3.2注释规范四、新手必看避坑指南4.1常见错误4.2安全操作建议五、实战训练
随缘而动，随遇而安·2025-03-17 20:08

美国首例AI训练数据版权案：从汤森路透诉罗斯案看AI训练数据的“合理使用”

2025年2月11日，美国特拉华州联邦地区法院对汤森路透（ThomsonReuters）诉罗斯（Ross）案作出部分简易判决，认定被告罗斯公司未经授权使用受版权保护的作品训练AI法律检索工具的行为构成版权侵权
·2025-03-17 20:18

一文了解 Go 方法

前言在前面的文章中，介绍了Go函数的声明，函数的几种形式如匿名函数、闭包、基于函数的自定义类型和函数参数详解等，而本文将对方法进行介绍，方法的本质就是函数，介绍方法的同时也会顺带对比其与函数的不同之处。
·2025-03-17 19:16

消息队列的特性与使用场景：Kafka、ActiveMQ、RabbitMQ与RocketMQ的深度剖析

本文将从特性和使用场景两个维度进行对比分析，帮助读者更好地理解它们的差异，并根据实际需求选择合适的消息队列。一、特性对比（一）吞吐量与延迟-Kafka：以高吞吐量著称，适合大规模数据的批量处理。延迟
啊sen丶·2025-03-17 19:35

21-梯度累积原理与实现

一、基本概念在深度学习训练的时候，数据的batchsize大小受到GPU内存限制，batchsize大小会影响模型最终的准确性和训练过程的性能。
机器人图像处理·2025-03-17 19:34

【人工智能基础2】Tramsformer架构、自然语言处理基础、计算机视觉总结

文章目录七、Transformer架构1.替代LSTM的原因2.Transformer架构：编码器-解码器架构3.Transformer架构原理八、自然语言处理基础1.语言模型基本概念2.向量语义3.预训练语言模型的基本原理与方法
roman_日积跬步-终至千里·2025-03-17 19:59

「C语言指针函数与函数指针：从内存管理到灵活调用的实战指南」

生活类比：栈区≈临时摊位（函数结束即销毁）堆区≈智能外卖柜（手动申请释放，长期有效）代码对比：//错误！
℡残城碎梦·2025-03-17 18:57

自动驾驶中间件技术对比

转载：自动驾驶中间件技术辨析：ROS、Apex.Grace、DDS、AutoSAR和AutoSARAdaptive-CSDN博客在自动驾驶技术的演进中，中间件作为连接硬件、操作系统与应用软件的核心枢纽，其安全性、实时性和可扩展性至关重要。当前市场上主流的中间件技术包括ROS/ROS2、Apex.Grace（Apex.OS）、DDS、AutoSAR（经典平台CP）和AutoSARAdaptive（自
小牛蛋·2025-03-17 18:22

【AI】使用Python实现机器学习小项目教程

通过这个项目，您将掌握机器学习的基本流程，包括数据加载、预处理、模型训练、评估和优化等步骤。论文AIGC检测，降AIGC检测，AI降重，三连私信免费获取：ReduceAIGC9折券！
丶2136·2025-03-17 18:21

LORA 微调大模型：从入门到入土

在当今人工智能领域，预训练的大模型已经成为推动技术发展的核心力量。然而，在实际项目中，我们往往会发现这些预训练模型虽然强大，但直接就去应用于一些特定的任务时，往往无法完全满足需求。
大模型.·2025-03-17 17:49

【源码阅读】olmocr中的prompts

目录一、PDF转换为训练数据二、使用微调模型三、比较差异总结一、PDF转换为训练数据让ChatGPT-4将文档（如PDF文件）转换为结构化的“银级”训练数据（silvertrainingdata）#Thisisthepromptweuseforgettingchatgpt4otoconvertdocumentsintooursilvertrainingdatadefbuild_openai_sil
海绵波波107·2025-03-17 17:46

GAN模型的Python应用——生成对抗网络

两个神经网络相互博弈，通过一次次迭代训练，最终生成器可以生成足以骗过
代码编织匠人·2025-03-17 17:15

如何使用Python实现生成对抗网络（GAN）

生成器负责生成与训练数据相似的新数据，而判别器负责判断输入数据是真实的还是由生成器生成的。这两个部分不断相互博弈，直到生成器能够生成非常逼真的数据，使判别器难以区分生成数据和真实数据。
「已注销」·2025-03-17 16:13

2025前端面试题超全面解析（附答案与深度扩展）

**CSS预处理器（Sass/Less）核心功能对比**三、JavaSc
北辰alk·2025-03-17 16:08

ST-Align：一个包含430万训练样本，涵盖了15种细粒度多模态数据集

2025-01-15，由北航大学、合肥工业大学、中科院信息工程研究所和美团等机构联合创建介绍了一种名为LLaVA-ST的多模态大型语言模型。该模型配备了一个名为ST-Align的数据集，专为细粒度时空多模态理解设计。一、研究背景近年来，多模态大型语言模型（MLLMs）在多模态理解方面取得了显著进展，能够基于图像或视频生成对话或描述。然而，对于需要基于语言输入处理视觉坐标的细粒度多模态理解任务，现有
·2025-03-17 15:12

s1K 数据集：是一个用于提升语言模型推理能力的高质量数据集。

一、研究背景近年来，语言模型（LMs）在大规模预训练的基础上取得了显著进展，其性能提升主要依赖于训练时计算资源的增加。然而，随着模型规模的不断扩大，训练成本也急剧上升。
·2025-03-17 14:37

ChatGPT智能聊天机器人实现

技术架构与工具核心模型基座模型：HuggingFaceTransformers库（如GPT-2/GPT-3.5TurboAPI/LLaMA2）轻量化方案：微软DeepSpeed或MetaFairScale（降低显存占用）训练框架
云端源想·2025-03-17 14:57

训练数据重复采样，让正负样本比例1：1

确保训练集数量相同：通过resample函数，你可以确保正训练集和负训练集的数量相同，即使其中一个集的数量小于另一个集的数量。如果n_train_num小于max_train_num，res
kimi-222·2025-03-17 14:24

【北上广深杭大厂AI算法面试题】计算机视觉篇...详解目标检测中的多尺度训练和测试?

【北上广深杭大厂AI算法面试题】计算机视觉篇…详解目标检测中的多尺度训练和测试?【北上广深杭大厂AI算法面试题】计算机视觉篇…详解目标检测中的多尺度训练和测试?
努力毕业的小土博^_^·2025-03-17 14:53

当大模型训练遇上“双向飙车”：DeepSeek开源周 DualPipe解析指南

前言在大模型训练中，传统流水线并行因单向数据流和通信延迟的限制，导致GPU利用率不足60%，成为算力瓶颈。
来自于狂人·2025-03-17 13:51

ChatGPT、DeepSeek、Grok 三者对比：AI 语言模型的博弈与未来

个人主页：一ge科研小菜鸡-CSDN博客期待您的关注1.引言随着人工智能技术的飞速发展，AI语言模型已经成为人机交互、内容创作、代码生成、智能问答等领域的重要工具。其中，ChatGPT（OpenAI）、DeepSeek（中国团队研发）和Grok（xAI，ElonMusk旗下公司）是当前三大具有代表性的AI语言模型。它们在技术架构、应用场景、用户体验、生态开放性等多个维度各具特色，并针对不同的用户需
一ge科研小菜菜·2025-03-17 13:47

Ollama 基本概念

通过Ollama，用户能够方便地与本地部署的大型预训练模型进行交互。1.模型（Model）在Ollama中，模型是核心组成部分。
Mr_One_Zhang·2025-03-17 13:47

【go从入门到精通】探秘struct结构体转json为什么需要首字母大写？

并且深耕深度学习和数据集训练，提供商业化的视觉人工智能检测和预警系统（煤矿，工厂，制造业
前网易架构师-高司机·2025-03-17 13:47

AI 大模型应用数据中心建设：高性能计算与存储架构

AI大模型、数据中心、高性能计算、存储架构、分布式训练、GPU加速、数据管理1.背景介绍近年来，人工智能（AI）技术取得了飞速发展，特别是深度学习模型的突破性进展，催生了一系列基于大规模数据训练的强大AI
AI智能涌现深度研究·2025-03-17 12:10

MyBatis 传递多个参数的方式

1️⃣使用`@Param`注解（推荐）2️⃣使用`Map`传递参数3️⃣使用实体类封装参数4️⃣直接使用`List`或`Array`5️⃣XML方式处理多个参数（`parameterType`）6️⃣对比总结
总是学不会.·2025-03-17 11:07

托盘四向车与子母车对比

以下从多个维度进行对比分析：1.存储托盘数量四向穿梭车：四向穿梭车可在货架平面内任意方向行驶（前后、左右、换轨），无需额外转弯空间，货架布局更紧凑，存储密度更高。
骞途·2025-03-17 11:37

【西安电子科技大学考研】25官方复试专业课参考书目汇总

大家可以结合本篇文章内容与招生目录参考书对比一下：【西电考研复试资料、讲课班陆续上线中~~~】有的参考书更新了版本，但是招生目录里仍然是之前的一些旧版本，关于参考书的版本问题，大家也可以在群内问一下
西电研梦·2025-03-17 11:34

Hive SQL 精进系列：REGEXP_REPLACE 函数的用法

REGEXP_REPLACE函数基础2.1基本语法参数详解2.2简单示例三、REGEXP_REPLACE函数的应用场景3.1去除特殊字符3.2统一字符串格式四、REGEXP_REPLACE与REPLACE函数的对比
进一步有进一步的欢喜·2025-03-17 11:33

国产芯片替代方案：解析沁恒USB桥接芯片转四串/双串/单串口

本文针对沁恒多款USB桥接芯片与国际主流型号进行对比，展现其技术竞争力与国产化价值。‌一、沁恒USB桥接芯片核心优势‌‌全兼容设计‌硬件引脚定义、封装尺寸、
禾川兴 13242400688·2025-03-17 11:03

Python（1）Python全方位指南：定义、应用与零基础入门实战

跨领域通吃‌：从Web开发到AI训练，覆盖90%以上技术场景。‌企业级应用‌：YouTube用Python处理视频推荐，NAS
一个天蝎座 白勺 程序猿·2025-03-17 10:31

AI大模型从入门到精通，2025终极指南！好卷啊，又不能躺平，只能悄悄卷你们了！

AI大模型是指使用大规模数据和强大的计算能力训练出来的人工智能模型。这些模型通常具有高度的准确性和泛化能力，可以应用于各种领域，如自然语言处理、图像识别、语音识别等。为什么要学AI大模型？
大模型教程·2025-03-17 10:30

零信任架构

一、零信任与传统安全模型的对比维度传统安全模型零信任模型信任基
阿湯哥·2025-03-17 10:59

域名被微信拦截与QQ拦截的对比分析

微信与QQ作为腾讯旗下的两大社交平台，均会对存在风险的域名进行拦截，但两者在机制、表现及处理方式上存在显著差异。以下是两者的相同点与不同点，结合具体拦截表现进行解析：一、相同点触发原因相似域名历史问题：若域名曾因违规内容被举报或封禁，再次使用时可能被微信和QQ同时拦截。备案要求：未备案的域名或未加入腾讯白名单的域名，均可能被拦截。诱导分享与流量过大：频繁诱导用户分享（如“转发得红包”）或短时间内传
·2025-03-17 10:28

【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
@金色海岸·2025-03-17 09:24

【sklearn 02】监督学习、非监督下学习、强化学习

-第二类：监督学习（supervisedlearning），监督学习指的是使用带标签的数据去训练模型，并预测未知数据的标签。监督学习有两种，当预测
@金色海岸·2025-03-17 09:54

跨域视线估计的协同对比学习（重点针对局部对比学习解释）

跨域视线估计的协同对比学习1.问题表述在视线估计领域中，跨域问题是指当训练数据和测试数据来自不同的领域（如不同的个体、光照条件、拍摄设备等）时，模型性能会显著下降。
阳光明媚大男孩·2025-03-17 09:50

DeepSeek 在代码生成方面的优势解析

文章将详细解析DeepSeek在代码生成方面的优势，包括模型架构、数据训练、优化策略、编程语言支持、推理效率等核心技术点。1.DeepSeek-Coder的模型架构优化DeepSeek-Code
草莓屁屁我不吃·2025-03-17 08:15

案例驱动的 IT 团队管理：创新与突破之路：第一章 重构 IT 团队管理：从传统到创新-1.1.1技术迭代加速与人才断层

IT团队管理：创新与突破之路第一章重构IT团队管理：从传统到创新-1.1.1技术迭代加速与人才断层1.技术迭代加速的现状与影响1.1技术迭代速度的`量化分析`2.人才断层的核心表现2.1供需失衡的数据对比
言析数智·2025-03-17 08:12

Android中实现多线程的几种方式

4.ExecutorService（线程池）5.IntentService（已废弃，推荐WorkManager）6.Kotlin协程（Coroutines，现代推荐方案）7.HandlerThread对比总结最佳实践建议在
Ever69·2025-03-17 07:36

DeepSeek-R1模型1.5b、7b、8b、14b、32b、70b和671b有啥区别？

码笔记mabiji.com分享：1.5B、7B、8B、14B、32B、70B是蒸馏后的小模型，671B是基础大模型，它们的区别主要体现在参数规模、模型容量、性能表现、准确性、训练成本、推理成本和不同使用场景
facaixxx2024·2025-03-17 06:01

django自动添加接口文档

由于django-rest-swagger已停止维护，推荐使用drf-yasg（支持Swagger2.0和OpenAPI3.0），但两种方法均会说明：一、方案选择与安装1.方案对比库名维护状态支持规范功能特点
LCY133·2025-03-17 06:00

从0到1构建AI深度学习视频分析系统--基于YOLO 目标检测的动作序列检查系统：（2）消息队列与消息中间件

以内）一、核心参数设计二、内存管理实现三、性能优化策略四、内存占用验证五、高级优化技巧六、部署建议检测结果队列YOLO检测结果队列技术方案一、技术选型矩阵二、核心实现代码三、性能优化策略四、可视化方案对比五
shiter·2025-03-17 06:58

python内存泄露

osgeo.cn/cpython/library/tracemalloc.html2.pympler可以创建快照（summaries）进行内存块占用对比frompympler.classtrackerimportCl
weixin_39810989·2025-03-17 06:26

从零开始大模型开发与微调：PyCharm的下载与安装

PyTorch和TensorFlow等深度学习框架为训练和微调大型语言模型提供了强大的支持。PyCharm
AI天才研究院·2025-03-17 06:55
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他