机器学习模型调参

景联文科技：以全面数据处理服务推动AI创新与产业智能化转型

数据标注公司在人工智能领域扮演着重要角色，通过提供高质量的数据标注服务，帮助企业和组织训练和优化机器学习模型。从需求分析到数据交付，每一个步骤都需要严格把控，确保数据的质量和安全性。
景联文科技·2025-02-17 00:05

高效高并发调度架构

常用于微服务之间的通信，例如机器学习模型服务与前端应用之间的交互。RSocket：是一种基
之群害马·2025-02-16 23:59

第二章：13.1 机器学习的迭代发展

目录机器学习模型开发流程构建电子邮件垃圾邮件分类器示例总结垃圾邮件分类示例构建垃圾邮件分类器机器学习模型开发流程确定系统架构：首先，需要决定机器学习系统的总体架构，这包括选择合适的模型、确定使用的数据集
望云山190·2025-02-16 21:44

机器学习 网络安全

步骤下面是实现机器学习网络安全的流程，简单概括如下：步骤描述1.数据采集从网络安全日志或其他数据源中采集数据2.数据预处理对数据进行清洗、归一化和特征提取等操作3.模型选择选择适合网络安全场景的机器学习模型
网络安全Max·2025-02-16 06:15

【人工智能在制造业的具体应用案例-质量控制】

可能用到的技术包括图像处理、机器学习模型、实时监控和数据收集等。我们已经了解预测性维护的步骤，所以需要类比但调整到质量控制上。比如数据采集可能不再是传感器数据，而是图像或视觉数据。
局外人_Jia·2025-02-16 05:13

数据驱动的DevOps,MLOps工具链初现端倪

DevOps,MLOps,数据驱动,工具链,自动化,持续交付,模型部署,模型监控1.背景介绍在当今以数据为中心的时代，软件开发和机器学习模型的部署和维护日益复杂。
AI架构设计之禅·2025-02-16 03:53

优化算法全景解析：从梯度下降到群体智能

无论是机器学习模型的训练，还是复杂系统的参数调优，优化算法的本质是：在给定的约束条件下，找到使目标函数最优的解。
welcome_123_·2025-02-15 08:31

多模态模型详解

多模态模型是什么多模态模型是一种能够处理和理解多种数据类型（如文本、图像、音频、视频等）的机器学习模型，通过融合不同模态的信息来提升任务的性能。
换个网名有点难·2025-02-14 22:36

【收藏不迷路】380种群智能优化算法-Matlab代码免费获取（截至2025.2.14）

群智能优化算法可以作为很好的工具来解决许多实际问题，如特征选择、图像分割、医学诊断，经济排放调度问题，植物病害识别，工程设计，PID优化控制，设备故障诊断，机器学习模型参数整定等等。
88号技师·2025-02-14 20:55

零基础入门机器学习 -- 第三章第一个机器学习模型——线性回归

3.1线性回归的概念在现实生活中，许多事情都遵循某种线性关系，比如：房价vs面积：房子的面积越大，价格通常越高。工资vs工作经验：工作经验越多，薪资往往更高。汽车油耗vs车速：在一定范围内，车速越快，油耗可能越高。线性回归（LinearRegression）是机器学习中最基础的算法之一，它用于研究两个变量之间的线性关系，即一个变量（自变量）如何影响另一个变量（因变量）。3.2线性回归的数学直觉线性
山海青风·2025-02-14 01:45

多模态大模型（LMMs）与大语言模型（LLMs）的比较

基础定义LLMs(LargeLanguageModels,大型语言模型)-深度学习的应用之一，是基于深度学习的大规模机器学习模型，通常由数十亿到数万亿个参数构
大F的智能小课·2025-02-13 23:02

常见的深度学习模型总结

发明动机：解决传统机器学习模型在复杂数据上的局限性，如线性模型无法处理非线性关系的数据。模型特点：由多个隐藏层组成的神经网络，每一层的节点与下一层的节点完全连接。
编码时空的诗意行者·2025-02-13 13:29

Milvus向量数据库操作教程

Milvus是一款专为向量数据设计的数据库，它具备高性能、高可用和易扩展的特点，主要用于处理由深度神经网络和其他机器学习模型生成的大规模嵌入向量[162][165]。
2401_85763639·2025-02-11 10:43

k折交叉验证（k-fold Cross-validation）

一、基本概述交叉验证是在机器学习建立模型和验证模型参数时常用的办法，一般被用于评估一个机器学习模型的表现。更多的情况下，我们也用交叉验证来进行模型选择(modelselection)。
向大厂出发·2025-02-11 03:43

通过Kubernetes上免费部署Ollama如何使用DeepSeek

Ollama通过RESTAPI简化了模型服务的部署和调用，支持多种机器学习模型。Kubernetes提供灵活的扩展性和高可用性，适合部署复杂的模型服务。为Ollama创建一个专用命名空间。
❀͜͡傀儡师·2025-02-10 22:03

2025最新ChatGPT、DeepSeek等大语言模型助力高效办公、论文与项目撰写、数据分析、机器学习与深度学习建模等深度科研应用

这些模型通过深度学习和大规模语料库训练，能够帮助科研人员高效地筛选文献、生成论文内容、进行数据分析和优化机器学习模型。
梦想的初衷~·2025-02-10 16:53

大模型接入Gradio实现本地化部署

Terminator好用的一个终端Gradio官网地址Gradio是一个用于快速创建交互式界面的Python库，这些界面可以用于演示和测试机器学习模型。
山山而川_R·2025-02-08 20:03

机器学习模型创建的数学原理

1模型工作原理机器学习学习模型主要分为监督学习、无监督学习、半监督学习和强化学习，本文聚焦探讨目前应用最为广泛的监督学习问题，下午如未特殊指明，机器学习特指有监督学习机器学习。众所周知，监督学习模型是通过一定数学原理，根据输入特征数据计算出预测结果的函数映射，它由自变量、函数参数和因变量组成。其中，自变量是输入模型的特征数据，模型参数分普通参数和超参数两种，因变量是模型计算出的预测结果。超参数直接
HadesZ~·2025-02-08 15:04

6个最佳实体检测API，可准确返回实体的名称

在高级深度学习和机器学习模型的支持下，命名实体识别技术正被产品经理用来创建人工智能支持的工具，并将其应用到各行各业的智能平台中。
·2025-02-07 21:12

AppML 案例未来

通过AppML，开发者可以将机器学习模型嵌入到应用中，使应用具
lly202406·2025-02-07 14:12

当大模型遇上Spark：解锁大数据处理新姿势

大模型，即大规模机器学习模型，是利用海量数据和强大算力训练出来的“大参数”模型。其发展历程可谓是一部科技创新的传奇史。从20世纪中叶人工智能概念的提出，到2006年深度学习技术崭露
敏叔V587·2025-02-07 11:52

利用Docker简化机器学习应用程序的部署和可扩展性

利用Docker的强大功能：简化部署解决方案，确保可扩展性，并简化机器学习模型的持续集成/持续交付（CI/CD）流程。
荆州克莱·2025-02-06 20:44

人工智能机器学习基本概念详解

机器学习模型通过分析数据来识别模式和
猿享天开·2025-02-04 13:07

Midjourney调参奇遇记：那个让我在甲方面前装X成功的秘密参数

风格化（stylize）–stylize或–s第一章：新手村的惨案上个月，我司新来的实习生小美自信满满地输入了人生第一条Midjourney咒语：“/imagine穿着汉服的猫妖在故宫屋顶喝奶茶--v5”结果蹦出来的图差点让她当场辞职——左边是顶着猫耳的广场舞大妈，右边是故宫屋檐上蹲着的奶茶杯成精。总监瞥了一眼说：“你这AI跑的是《山海经》奶茶广告，还是《走进科学》未解之谜？”就在小美准备打开BO
我:yueda·2025-02-03 01:36

因果关系推断与机器学习

机器学习模型是强大的
hhhh106·2025-02-02 13:15

aggr代码 cellranger_单细胞实战(四) Cell Ranger流程概览

总的来说，CellRanger主要的流程有：拆分数据mkfastq、细胞定量count、定量组合aggr、调参reanalyze，还有一些小工具比如mkref、mkgtf、upload、site
龙宫里的乙民·2025-02-02 07:55

机器学习笔记 - 将音频转换为图像进行分类的机器学习模型

一、简述语音识别技术是将音频信号转化为文本的过程。其基本原理如下：1.音频录制：首先需要对口语发音进行录制，并将其转化为数字形式的音频文件。2.预处理：对音频信号进行预处理，包括去除杂音干扰、增加音频的信噪比以及消除不必要的语音、噪声等。3.特征提取：特征提取是语音信号处理的一个重要部分，通过对音频数据进行分析，提取其中特有的频率、音调、幅度等数学特征，并转化成数字特征。4.模型训练：在特征提取完
坐望云起·2025-02-01 00:32

【TVM教程】为 Mobile GPU 自动调优卷积网络

该template有许多可调参数（tile因子
HyperAI超神经·2025-01-31 22:43

PennyLane: 探索量子计算的新里程

由PennyLaneAI团队开发，该项目提供了一个直观且灵活的方式来设计、训练和优化涉及量子硬件的机器学习模型。其目标是让研究人员和开发者能够轻松地在本地或云端的量子计算机上进行实验。
戴艺音·2025-01-31 09:23

TensorFlow 简介

它提供了一个强大的工具集，用于构建和训练各种机器学习模型。
九月十九·2025-01-31 05:14

Apache Airflow 全面解析

其核心设计理念是“WorkflowsasCode”，通过编程方式定义、调度和监控复杂的数据流水线（Pipeline），适用于ETL、机器学习模型训练、数据湖管理、报表生成等场景。
由数入道·2025-01-30 18:20

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

MicroAI™将人工智能培训引入RENESAS MCU

与全球微控制器领导者Renesas合作将机器学习引入MCU，并借助MicroAI直接在嵌入式环境中训练机器学习模型的能力——这在业界尚属
sinat_41698914·2025-01-28 16:16

机器学习&深度学习目录

机器学习模型机器学习笔记：Transformer_刘文巾的博客-CSDN博客attention相关机器学习笔记：attention_UQI-LIUWJ的博客-CSDN博客机器学习笔记：ELMOBERT_UQI-LIUWJ
UQI-LIUWJ·2025-01-28 09:26

【TVM教程】为 Mobile GPU 自动调优卷积网络

该template有许多可调参数（tile因子
·2025-01-27 22:46

transformer.js（一）：这个前端大模型运行框架的可运行环境、使用方式、代码示例以及适合与不适合的场景

随着大模型的广泛应用，越来越多的开发者希望在前端直接运行机器学习模型，从而减少对后端的依赖，并提升用户体验。
余生H·2025-01-27 21:59

xgboost-spark-scala

今天学习写scala，拿xgboost试一下～先记一下xgboost调参要点：7.xgboost中比较重要的参数介绍（1）objective[default=reg:linear]定义学习任务及相应的学习目标
maokunnn·2025-01-27 15:14

二、机器学习模型评估与选择

机器学习模型评估与选择学习笔记一、核心概念1.1经验误差与过拟合误差相关定义错误率与精度：分类错误样本数占样本总数比例为错误率E=a/mE=a/mE=a/m，精度=1-错误率。
没见过西瓜嘛·2025-01-27 15:43

AGI的决策系统：从短期反应到长期规划

随后，本文将探讨如何将两种系统有效集成，并讨论数据收集与处理、机器学习模型在决策中的应用
AI天才研究院·2025-01-27 01:11

【Python篇】从零到精通：全面分析Scikit-Learn在机器学习中的绝妙应用

2.安装Scikit-Learn3.Scikit-Learn中的基本构件4.数据集的加载与探索5.数据预处理标准化数据6.构建和训练机器学习模型构建逻辑回归模型7.模型评估与验证混淆矩阵第二部分：深入理解
半截诗·2025-01-26 00:22

Python数据分析案例教程

它能够处理从数据清洗、数据可视化到机器学习模型构建的整个数据科学流程。本节将深入探讨Python在数据分析中的具体应用，包括但不限于数据清洗、数据探索、统计分析和预测建模。
kkchenjj·2025-01-25 21:01

论文阅读：DeepFake-Adapter: Dual-Level Adapter for DeepFake Detection（Deepfake模型快速调参）

一、论文信息论文名称：DeepFake-Adapter:Dual-LevelAdapterforDeepFakeDetection作者团队：项目主页：https://github.com/rshaojimmy/DeepFake-Adapter（代码暂未开源）二、动机与创新动机：目前的deepfake检测模型泛化能力差，将其归因于过拟合于低级的伪造模式，现有的deepfake检测方法仅关注低级别的伪
海拉鲁的小厨娘·2025-01-25 16:52

浅谈人群扩展（lookalike）模型

常用的算法应该包括协同过滤、基于标签的相似度计算，还有一些机器学习模型，比如逻辑回归、随机森林，以及深度学习的模型，比如DNN或者Embedding方法。
eso1983·2025-01-25 12:23

Python 深度学习实战：生成对抗网络

与传统的机器学习模型不同，GAN可以生成真实有效的数据，无需人工标注数据。它由两部分组成：生成器（Generator）和判别器（Discriminator）。
AI天才研究院·2025-01-25 10:45

自动检测和机器审核系统实现

目录一、自动检测和机器审核实现步骤1.文本预处理步骤细节：2.关键词检测步骤细节：3.情感分析与情境理解步骤细节：4.机器学习模型训练步骤细节：5.深度学习模型步骤细节：6.多模态审查步骤细节：7.用户行为分析与违规预测步骤细节
╰つ゛木槿·2025-01-24 05:55

kaggle入门级竞赛Spaceship Titanic LIghtgbm+Optuna调参

kaggle入门级竞赛SpaceshipTitanic简介数据介绍数据集描述数据字段描述train.csv-约三分之二（~8700）乘客的个人记录，用作培训数据。test.csv-剩余三分之一（~4300）乘客的个人记录，用作测试数据。您的任务是预测Transported该集合中乘客的价值。Sample_submission.csv-格式正确的提交文件。代码分类变量optuna算法简介简介欢迎来到
机器学习司猫白·2025-01-23 20:51

在EverlyAI上运行LLM模型——以LLAMA为例

在EverlyAI上运行LLM模型——以LLAMA为例技术背景介绍EverlyAI是一个强大的云平台，允许你在云中大规模运行机器学习模型。它还提供了对多种大型语言模型（LLM）的API访问。
HGWAcsdgvs·2025-01-23 08:22

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

清华和哈工大把大模型量化做到了1比特，把世界顶尖多模态大模型开源大模型量化个人电脑运行！机器人领域首个开源视觉-语言操作大模型，激发开源VLMs更大潜能，视 Mamba速度提升2.8倍，内存能省87%

在追求更高效的机器学习模型部署时，模型量化技术应运而生，它通过降低权重矩阵的位宽来显著减少大型语言模型的存储和计算需求。我们一般的双精度浮点型double是64位
代码讲故事·2025-01-22 05:45

Transformer入门（1）transformer及其编码器-解码器

文章目录1.Transformer简介2.Transformer的编码器-解码器架构3.transformer的编码器1.Transformer简介Transformer模型是一种用于自然语言处理的机器学习模型
通信仿真实验室·2025-01-22 01:51
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他