性能优化深度学习cpu模型

PyTorch 生态概览：为什么选择动态计算图框架？

一、PyTorch的核心价值PyTorch作为深度学习框架的后起之秀，通过动态计算图技术革新了传统的静态图模式。
小诸葛IT课堂·2025-03-18 07:12

深入理解Vue 3：计算属性与侦听器的艺术

Vue3：计算属性与侦听器的艺术date:2024/5/30下午3:53:47updated:2024/5/30下午3:53:47categories:前端开发tags:Vue3计算属性侦听器路由模板性能优化实战案例前言
qcidyu·2025-03-18 07:39

学习pytorch

学习PyTorch是一个很好的选择，尤其是如果你对深度学习和机器学习感兴趣。以下是一个详细的学习计划，可以帮助你系统地掌握PyTorch的基本概念和应用。
阿什么名字不会重复呢·2025-03-18 07:08

数据挖掘中的数据预处理：填充与主成分分析

现实世界中的数据通常是不完整的，包含噪声、缺失值或异常值，因此在进行模型训练或分析前，我们需要对数据进行清理和转换。
阿什么名字不会重复呢·2025-03-18 07:08

揭秘MANUS ：多代理架构如何碾压竞争对手，人类必读的深度剖析

以下是其与亚信科技AISWareMaaS平台及DeepSeek的架构对比：架构层级ManusDeepSeekAISWareMaaS核心模块规划代理（任务拆解）、执行代理（工具调用）、验证代理（结果审查）单一大语言模型
爱吃青菜的大力水手·2025-03-18 07:37

作为普通程序员，我们该如何学习大模型（LLM），学习路线和知识体系

前言原谅我的后知后觉，才开始从头写，我是已经上了一阶段大模型的课，也搜集了些资料，并自己做了小部分实践，回过头来，才想开始整理些文章。起初，大家都在写，都在发，我那会在焦虑。
和老莫一起学AI·2025-03-18 07:04

零基础入门AI：一键本地运行各种开源大语言模型 - Ollama

Ollama是一个可以在本地部署和管理开源大语言模型的框架，由于它极大的简化了开源大语言模型的安装和配置细节，一经推出就广受好评，目前已在github上获得了46kstar。
和老莫一起学AI·2025-03-18 07:04

大数据开发之Kubernetes篇----安装部署Kubernetes&dashboard

Kubernetes简介由于公司有需要，需要将外后的服务外加Tensorflow模型部署加训练全部集成到k8s上，所以特意记录下这次简单部署的过程。
豆豆总·2025-03-18 06:02

从零学习大模型（六）-----LoRA（上）

LoRA简介LoRA（Low-RankAdaptation）是一种参数高效的微调技术，旨在降低微调大规模预训练模型的存储和计算成本。
懒惰才能让科技进步·2025-03-18 06:01

deepseek接入的GIS地图应用，真的好用！还得是大厂

最近deepseek火的一塌糊涂，各个行业，系统等都宣布接入deepseek大模型。测绘地理信息、GIS行业也不例外，也看到了几个宣布系统接入了deepseek大模型。
GIS思维·2025-03-18 06:59

手机租赁平台开发核心技术解析

有趣的是，这套系统甚至能通过用户刷短视频的停留时长，推演出潜在的履约意愿——当然，这得归功于那些在后台疯狂运算的智能风控模型。就像在游乐场租
红点聊租赁·2025-03-18 06:29

在LORA训练中，LORA模型的矩阵的行列是多少

在LORA训练中，LORA模型的矩阵的行列是多少:Wnew=W+αrBAW_{new}=W+\frac{\alpha}{r}BA
ZhangJiQun&MXP·2025-03-18 05:56

prompt 工程整理（未完、持续更新）

提示工程（PromptEngineering）关注提示词开发和优化，帮助用户将大语言模型（LargeLang
clvsit·2025-03-18 05:55

AI驱动的代码重构与优化技术

AI驱动的代码重构与优化技术，是指利用人工智能，特别是机器学习和深度学习的算法，对软件代码进行自动分析和改进的技术。
AI天才研究院·2025-03-18 05:55

Cloud Ace 宣布成为 Langfuse 亚太地区首个代理商，提供 LLM 全链路解决方案

通过此次合作，CloudAce将充分发挥Langfuse的先进技术能力与行业专业知识，为企业级客户提供覆盖LLM（大语言模型）应用开发与运营维护的完整解决方案。
·2025-03-18 05:40

LLaVA-Mini用一个视觉Token革新多模态大模型

欢迎关注，获取最新人工智能动态和技术，有时会发布相关技术教程。也可留言想要跟踪哪些技术动态。往期Agent文章参考：Owl小白教程一键启动Manus开源|Owl最新版小白教程，一键启动，五大更新Owl技术解析：Manus开源复刻框架OWL，测评和使用教程来了！Manus核心技术：Manus|核心技术被曝光？你知道它使用了哪些工具吗？针对deepseek的api:Manus开源|owl针对使用dee
SGG_CV·2025-03-18 05:18

【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

DeepSeek在智慧物流管控中的全场景落地方案

一、智慧物流核心痛点与DeepSeek解决方案矩阵物流环节行业痛点DeepSeek技术方案价值增益仓储管理库存预测误差率>30%多模态时空预测模型库存周转率↑40%运输调度车辆空驶率35%强化学习动态调度引擎运输成本
猴的哥儿·2025-03-18 04:47

101.HarmonyOS NEXT跑马灯组件教程：数据源与数据类型详解

HarmonyOSNEXT跑马灯组件教程：数据源与数据类型详解效果演示1.数据模型概述在HarmonyOSNEXT跑马灯组件的实现中，数据模型是组件正常工作的基础。
·2025-03-18 04:08

ubuntu20.04挂起/休眠后无法唤醒，只能强制重启

3、解决思路3.1、禁用挂起功能3.2、降低驱动版本1、设备信息OS:Ubuntu20.04.2LTSx86_64Kernel:5.8.0-63-genericShell:zsh5.8DE:GNOMECPU
koigh·2025-03-18 04:11

神经网络模型压缩&实例教程—非结构化剪枝

目录1.导包&定义一个简单的网络2.获取网络需要剪枝的模块3.模块剪枝（核心）3.1随机剪枝weight3.2L1范数剪枝bias4.总结最先进的深度学习技术依赖于难以部署的过度参数化模型。
程序先锋·2025-03-18 04:41

深度学习模型压缩：非结构化剪枝与结构化剪枝的定义与对比

****在深度学习中，模型压缩是优化模型性能、降低存储和计算成本的重要技术之一。其中，剪枝（Pruning）是最常用的方法之一。
从零开始学习人工智能·2025-03-18 03:37

基于MapReduce的气候数据分析

方法上，采用MapReduce编程模型对大规模气候数据进行分布式处理，通过数据的映射和归约操作实现并行计算。结果表明，运用该技术能显著提高
赵谨言·2025-03-18 03:03

Java语言前言

字节计算机中存储数据最小计量单位，用byte或者B表示计算机最小的存储单元是二进制，因为计算机上能看到的任何东西都是CPU通过二进制转换而来的，二进制用bit表示1byte=8bit取值范围：-128-
始终奔跑在路上·2025-03-18 02:29

如何让ai问答机器人通人性？

通用模型的问题在于，它们虽然知识广博，但对特定领域的深度理解不足。解决这个问题的第一步，就是构建一个高质量的领域知识库。数据要精准且全面想让机器人真正“懂”一个领域，数据必须覆盖这个领域的核心知识。
半只小闲鱼·2025-03-18 02:28

探索SwiftUI架构：模型视图、Redux与ViewModel MVVM

探索SwiftUI架构：模型视图、Redux与ViewModelMVVMSwiftUI-ArchitecturesThreedifferentarchitectures(Model-View,Redux
蓬玮剑·2025-03-18 02:28

深入理解AI编程的上下文窗口限制及解决方案：巧妙利用提示词

深入理解AI编程的上下文窗口限制及解决方案：巧妙利用提示词当AI模型遇到记忆瓶颈想象一下这个场景：一位开发者正在使用AI助手编写一个复杂的应用程序。他详细描述了需求，AI生成了初步代码框架。
SuperMale-zxq·2025-03-18 02:27

从Manus爆红到OpenAI反击：AI Agent技术架构与实战解析

欢迎关注《大模型理论和实战》、《DeepSeek技术解析和实战》，一起探索技术的无限可能！
大F的智能小课·2025-03-18 02:56

深入解析Linux进程调度器-CPU负载

说明：Kernel版本：4.14ARM64处理器，Contex-A53，双核使用工具：SourceInsight3.5，Visio1.概述CPU负载（cpuload）指的是某个时间点进程对系统产生的压力
Linux内核站·2025-03-18 02:26

DeepSeek使用教程

虚拟导师：学生输入数学题或编程问题，模型实时生成分步解析，支持追问互动，解决“卡壳”难题。个性化学习路径：根据学生测试结果，自动推荐课程和习题，提升学习效率30%以上。
rider189·2025-03-18 02:24

Linux内核--进程管理(十一)多核下的负载均衡

目录一、引言二、调度机制介绍------>2.1、线程的多核运行------>2.2、RT进程多核负载均衡------>2.3、普通进程多核负载均衡------>2.4、设置CPUtaskaffinity
文艺小少年·2025-03-18 02:53

探索DeepSeek：前端开发者不可错过的新一代AI技术实践指南

最近，国产AI模型DeepSeek凭借其低成本训练、高性能输出和开源策略，迅速成为开发者社区的热门话题。
formerlyai·2025-03-18 02:21

当你简历有一个agent项目如何准备问答

大模型的“幻觉”问题很难在模型本身上彻底解决，需要引入外部知识确保答案的准确性，Agent具有与其所属环境交互以指导action的能力，能够满足这样的需求。
喂喂喂喂位·2025-03-18 02:51

从“参数竞赛”到“行动革命”：Manus与DeepSeek背后的中国AI范式之争

引言：当中国AI开始定义游戏规则在OpenAI用ChatGPT掀起全球AI浪潮的两年后，中国科技企业正以两种截然不同的姿势重新书写竞争剧本——DeepSeek用671亿参数的R1模型震撼硅谷，而Manus
AWS官方合作商·2025-03-18 01:20

一篇文章让你实现前端JS 、 Golang 、 Python如何接入DeepSeek大模型实现自己的AI

本文将通过三种技术栈实现与DeepSeek大模型的对话交互，提供可直接运行的代码示例及详细注释。
一只理智恩·2025-03-18 01:19

知识蒸馏 vs RLHF：目标函数与收敛分析

1.知识蒸馏（KnowledgeDistillation）知识蒸馏是一种模型压缩技术，旨在将大型复杂模型（教师模型）的知识迁移到较小的模型（学生模型）中，以提高学生模型的性能。
从零开始学习人工智能·2025-03-18 01:48

XGBoost算法的相关知识

文章目录背景定义损失函数（1）原始目标函数Obj（2）原始目标函数Obj的泰勒展开（3）具体化目标函数的泰勒展开细节（4）求解目标函数中的wjw_jwj最优切分点算法基于分桶的划分策略正则化模型复杂度Shrinkage
VariableX·2025-03-18 01:46

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

从剪枝到知识蒸馏：深度学习模型压缩与加速的多重策略

正在不断更新中文章目录从剪枝到知识蒸馏：深度学习模型压缩与加速的多重策略1.
一键难忘·2025-03-18 00:13

RAG数据嵌入和重排序：如何选择合适的模型

RAG数据嵌入和重排序：如何选择合适的模型在自然语言处理（NLP）领域，Retrieval-AugmentedGeneration（RAG）模型已经成为一种强大的工具，用于结合检索和生成能力来处理复杂的语言任务
从零开始学习人工智能·2025-03-18 00:12

PyTorch 模型剪枝实例教程一、非结构化剪枝

目录1.导包&定义一个简单的网络2.获取网络需要剪枝的模块3.模块剪枝（核心）4.总结目前大部分最先进的（SOTA）深度学习技术虽然效果好，但由于其模型参数量和计算量过高，难以用于实际部署。
小风_·2025-03-18 00:41

行业首个AI课上线！粉笔战略布局加速技术商业化进程

粉笔宣布，将于3月17日上线基于自研垂域大模型打造的“AI刷题系统班”，为用户提供行测、申论全科目覆盖的一站式高效备考支持。
·2025-03-18 00:02

51 单片机指令系统入门

目录基本概念讲解一、机器指令二、汇编指令（一）汇编指令的一般格式（二）按字节数分类的指令三、高级指令总结基本概念讲解指令是计算机（或单片机）中CPU能够识别并执行的基本操作命令。
二年级程序员·2025-03-18 00:38

优化深度学习模型：PyTorch中的模型剪枝技术详解

标题：优化深度学习模型：PyTorch中的模型剪枝技术详解在深度学习领域，模型剪枝是一种提高模型效率和性能的技术。
代码之光_1980·2025-03-18 00:38

ChatGPT推理模型&通用模型大解析！

很多人知道通用模型和推理模型了，那么ChatGPT的哪些模型是通用模型，哪些又是推理模型呢？
即兴小索奇·2025-03-18 00:38

Dropout: 一种减少神经网络过拟合的技术

在深度学习中，过拟合是一个常见的问题，尤其是在模型复杂度较高或训练数据较少的情况下。过拟合意味着模型在训练数据上表现得很好，但在未见过的数据上表现不佳，即泛化能力差。
冰蓝蓝·2025-03-17 23:37

模型保存与加载：PyTorch中的实践指南

在深度学习项目中，模型的保存和加载是一个至关重要的步骤。它不仅有助于在训练过程中保存进度，还可以在训练完成后部署模型。PyTorch提供了灵活的方式来保存和加载模型，本文将详细介绍这些方法。
冰蓝蓝·2025-03-17 23:07

深度学习中的注意力机制：解锁智能模型的新视角

在人工智能的快速发展中，深度学习模型已经成为了处理复杂数据和任务的主力军。然而，随着数据量的激增和任务的复杂化，传统的深度学习模型面临着效率和性能的双重挑战。
冰蓝蓝·2025-03-17 23:07

torch.unsqueeze：灵活调整张量维度的利器

在深度学习框架PyTorch中，张量（Tensor）是最基本的数据结构，它类似于NumPy中的数组，但可以在GPU上运行。在日常的深度学习编程中，我们经常需要调整张量的维度以适应不同的操作和层。
冰蓝蓝·2025-03-17 23:07

C#—【特性详解以及自定义特性和通过反射读取特性】

特性详解以及自定义特性和通过反射读取特性】目录C#—【特性详解以及自定义特性和通过反射读取特性】介绍：特性可以用于多种用途，包括但不限于：特性的分类：特性的主要用途（举一些直观例子）1.标记代码，让框架自动处理2.数据验证（表单/模型校验
_Csharp·2025-03-17 23:34
上一页 24 25 26 27 28 29 30 31 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他