机器学习神经网络gpu 第17页

神经网络新手入门（2）基础认知：神经网络发展简史

第一阶段：基础认知：神经网络发展简史让我们用武侠小说的方式打开这段科技史，你会发现神经网络的发展史比金庸江湖还要精彩：第一章：江湖初现（1943-1958）1943年，两位奇侠麦卡洛克和皮茨在《神经活动中内在思想的逻辑演算

caridle·2025-02-21 10:48

机器学习(四) 本文(2万字) | 梯度下降GD原理 | Python复现 |

第四章梯度下降一引入梯度二从一元到多元2.1一元函数2.1.1引入梯度下降2.1.2学习率2.1.3继续更新迭代2.2二元函数2.3多元函数三多种梯度方法3.1批量梯度下降（BatchGradientDescent，BGD）3.1.1对目标函数求偏导3.1.2每次迭代对参数进行更新3.1.3优缺点3.2随机梯度下降（StochasticGradientDescent，SGD）3.2.1对目标函数求

小酒馆燃着灯·2025-02-21 08:36

机器学习(一) 本文(3万字) | 机器学习概述 |

小酒馆燃着灯·2025-02-21 08:05

机器学习杂记

过拟合处理方法：早停正则化dropout数据增广避免局部极小值方法：以不同的初始值来训练网络，最终选取最小的。使用模拟退火技术。模拟退火在每一步都以一定的概率接受比当前解更差的结果，从而有助于跳出局部极小。在每一步迭代过程中，接受次优解的概率要随着时间的推移而逐渐降低，从而保证算法稳定。使用随机梯度下降。与标准梯度下降精确计算梯度不同，随机梯度下降算法在计算梯度时加入了随机因素。于是，即使陷入局部

被自己蠢哭了·2025-02-21 08:33

25/2/16 ＜算法笔记＞ DirectPose

DirectPose是一种端到端的神经网络方法，旨

青椒大仙KI11·2025-02-21 05:19

[深入探索USearch：快速高效的单文件向量搜索引擎]

引言在数据科学和机器学习领域，最近出现了许多用于近似最近邻搜索（ApproximateNearestNeighbors,ANNS）的工具。

stjklkjhgffxw·2025-02-21 05:15

如何利用USearch实现快速向量搜索：更轻量、更高效的替代方案

引言向量搜索在现代机器学习和信息检索中扮演着重要角色。无论是图像检索、文本相似度计算还是推荐系统，向量搜索都是核心技术之一。本文将介绍一个轻量级、高效的向量搜索引擎——USearch。

sdfugyd·2025-02-21 05:45

机器学习：十大算法实现汇总

机器学习十大算法代码实现：使用numpy、pandas，不调用机器学习相关库。

golemon.·2025-02-21 03:11

langchain系列 - FewShotPromptTemplate 少量示例

前期忙碌的开发阶段结束，需要沉淀自己的应用知识，过一遍LangChain时间：20250220说明：技术梳理，针对FewShotPromptTemplate专门来写一篇博客概念说明few-shot最初来源于机器学习的概念

码--到成功·2025-02-21 02:26

主要空间数据挖掘方法

details/6847925张新长马林兵等，《地理信息系统数据库》[M]，科学出版社，2005年2月第二章第二节空间数据空间数据挖掘是多学科和多种技术交叉综合的新领域，其挖掘方法以人工智能、专家系统、机器学习

CodeYoung7·2025-02-20 23:10

【数据挖掘】ARFF格式与数据收集

【数据挖掘】ARFF格式与数据收集三级目录1.ARFF格式与数据收集2.稀疏数据3.属性类型4.缺失值与不正确的值5.了解数据6.知识表达7.聚类机器学习算法训练数据挖掘分析数据共享与交换三级目录1.ARFF

布鲁惠比寿·2025-02-20 23:04

国外7个最佳大语言模型 (LLM) API推荐

在深度学习和机器学习算法的支持下，LLMAPI提供了前所未有的自然语言理解能力。通过利用这些新的API，开发人员现在可以创建能够以前所未有的方式理解和响应书面文本的应用程序。

·2025-02-20 21:26

第26篇：pFedLoRA: Model-Heterogeneous Personalized Federated Learning with LoRA使用lora微调的模型异构个性化联邦学习

第一部分：解决的问题联邦学习（FederatedLearning,FL）是一种分布式机器学习方法，允许客户端在本地数据上训练模型，同时通过中心服务器共享学习成果。

还不秃顶的计科生·2025-02-20 20:10

零基础学会asp.net做AI大模型网站/小程序十六：专栏总结

----------------------正文----------------------------------------目录本专栏总结后续方向项目简介项目结构使用方法项目地址关键特点LLaMA机器学习简介使用

借雨醉东风·2025-02-20 20:10

Vision Transformer（ViT）：用 Transformer 颠覆图像识别

VisionTransformer（ViT）：用Transformer颠覆图像识别在计算机视觉领域，卷积神经网络（CNN）长期以来一直是图像识别任务的主流架构。

金外飞176·2025-02-20 19:36

Python从0到100（三十九）：数据提取之正则（文末免费送书）

想做这件事情很久了，这次我更新了自己所写过的所有博客，汇集成了Python从0到100，共一百节课，帮助大家一个月时间里从零基础到学习Python基础语法、Python爬虫、Web开发、计算机视觉、机器学习

是Dream呀·2025-02-20 17:20

深度学习工厂的蓝图：拆解CUDA驱动、PyTorch与OpenCV的依赖关系

想象一下，你正在建造一座深度学习工厂，这座工厂专门用于高效处理深度学习任务（如训练神经网络）和计算机视觉任务（如图像处理）。

时光旅人01号·2025-02-20 17:46

（九万字）面向2025年BOSS直聘人工智能算法工程师高频面试题解析

面向2025年BOSS直聘人工智能算法工程师高频面试题解析1.机器学习（ML）理论解析机器学习是让计算机从数据中学习规律的一套方法论，包含监督学习、无监督学习和强化学习等范式。

快撑死的鱼·2025-02-20 17:15

Centos7 搭建 Jupyter + Nginx 服务

用途包括：数据清理和转换，数值模拟，统计建模，机器学习等等。本文讲述如何搭建Jupyter+Nginx服务,仅供学习与交流，请勿用于商业用途一

某龙兄·2025-02-20 17:40

人工智能与机器学习入门：基尼系数（Gini Index）和基于熵（Entropy）

在决策树应用一文中，在构建决策分类树应用决策算法时，介绍了基尼系数（GiniIndex）和基于熵（Entropy）两种算法。本文通过实例来更加深入的介绍一下这两个算法。仍然以简单的数据为例：id喜欢颜色是否有喉结身高性别1绿否165女2蓝是170男3粉否172女4绿是175男基尼系数分别对喜欢颜色是否有喉结求基尼系数如下：喜欢的颜色id喜欢颜色性别1绿女2蓝男3粉女4绿男对于姓别女分类而言，数据如

·2025-02-20 17:46

【CUDA】Pytorch_Extensions

当我们在PyTorch中实现自定义算子时，通常有两种选择：使用纯Python实现（简单但效率低）使用C++/CUDA扩展（高效但需要编译）对于计算密集型的操作（如神经网络中的自定义激活函数），使用CUDA

joker D888·2025-02-20 15:28

本地搭建小型 DeepSeek 并进行微调

1.环境准备Python3.7或更高版本PyTorch1.8或更高版本CUDA(可选，用于GPU加速)Git2.克隆DeepSeek仓库bash复制gitclonehttps://github.com/

非著名架构师·2025-02-20 15:55

Transformer 模型架构

以下是详细解释：1.架构vs框架的区别概念定义示例模型架构定义神经网络的结构设计Transformer、CNN、RNN开发框架提供实现模型的工具和库PyTorch、TensorFlow2.Transformer

2401_89793006·2025-02-20 15:24

利用Beautiful Soup和Pandas进行网页数据抓取与清洗处理实战

目录一、准备工作二、抓取网页数据三、数据清洗四、数据处理五、保存数据六、完整代码示例七、总结在数据分析和机器学习的项目中，数据的获取、清洗和处理是非常关键的步骤。

傻啦嘿哟·2025-02-20 14:20

鸢尾花分类项目 GUI

1.机器学习的定义机器学习是一门人工智能的分支，专注于开发算法和统计模型，使计算机能够在没有明确编程的情况下从数据中自动学习和改进。通过识别数据中的模式和规律，机器学习系统可以做出预测或决策。

编织幻境的妖·2025-02-20 14:49

马斯克的Grok-3：技术突破与行业冲击的深度解析

一、技术架构与核心突破超大规模算力集群Grok-3基于xAI自研的Colossus超级计算机训练完成，搭载20万块英伟达H100GPU，累计消耗2亿GPU小时，算力投入是前代Grok-2的10倍48。

♢.＊·2025-02-20 14:15

《神经网络与深度学习》(邱锡鹏) 内容概要【不含数学推导】

深度学习：一种基于对数据进行表征学习的方法，通过构建具有很多层的神经网络模型，自动从大量数据中学习复杂的模式和特征。第2章机器学习概述基本概念：

code_stream·2025-02-20 13:12

BP 神经网络在考古数据分析中的应用

BP神经网络在考古数据分析中的应用摘要：本文深入探讨了BP神经网络在考古数据分析领域的应用。首先阐述了考古数据分析的重要性以及传统分析方法的局限性。随后详细介绍了BP神经网络的结构、原理与训练算法。

fanxbl957·2025-02-20 13:42

图像识别与应用

图像识别作为人工智能领域的重要分支，近年来取得了显著进展，其中卷积神经网络（CNN）功不可没。

狂踹瘸子那条好脚·2025-02-20 13:10

Python中的 redis keyspace 通知_python 操作redis psubscribe(‘keyspace@0 ‘)

学习Python门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。

2301_82243733·2025-02-20 13:39

DeepSeek原理介绍以及对网络安全行业的影响

大家好，我是AI拉呱，一个专注于人工智领域与网络安全方面的博主，现任资深算法研究员一职，兼职硕士研究生导师；热爱机器学习和深度学习算法应用，深耕大语言模型微调、量化、私域部署。

AI拉呱·2025-02-20 13:08

FOKS-TROT: 一个高效、易用的全功能开源知识图谱生成工具

通过FOKS-TROT，您可以轻松地将各种数据源（如文本文件、数据库、API）转换为结构化的知识图谱，并对其进行可视化分析和机器学习任务。此外，该工

柳旖岭·2025-02-20 12:55

线性回归理论

在神经网络中，线性回归可以看作是一个单层神经网络。通过损失函数来衡量预测值与真实值之间的差异，常用的损失函数包

狂踹瘸子那条好脚·2025-02-20 11:21

基于python深度学习遥感影像地物分类与目标识别、分割实践技术应用

专题一：深度学习发展与机器学习深度学习的历史发展过程机器学习，深度学习等任务的基本处理流程梯度下降算法讲解不同初始化，学习率对梯度下降算法的实例分析从机器学习到深度学习算法专题二深度卷积网络、卷积神经网络

xiao5kou4chang6kai4·2025-02-20 11:20

muzero 算法原理

Muzero算法的核心部分是一个叫做模型的神经网络，它会对游戏的状态进行预测，预测未来的游戏状态。另一部分是策略网络，它会根据当前状态预测每一步的最优决策。

战神哥·2025-02-20 11:45

LLM与知识图谱融合:智能运维知识库构建

智能运维的核心是将人工智能技术应用于运维领域，通过机器学习、深度学习等算法，实现自动化、智能化的运维管理。其中，大语言模型（LLM）和知识图谱是两个重要的技术方向。

AI天才研究院·2025-02-20 11:45

机器学习·文本数据读写处理

前言在自然语言处理的第一步，需要面对的是各种各样以不同形式表现的文本数据，比如，txt、Excel中的表格数据，还有无法直接打开的pkl文件等。针对这些不同类型的数据，可以基于Python中的基本功能函数或者调用某些库进行读写以及作一些基本的处理。一、文本数据读写方法1.读写TXT文件读取方法：read()：读取整个文件，返回字符串。readline()：逐行读取，返回字符串。readlines(

AAA顶置摸鱼·2025-02-20 09:36

AI服务器散热黑科技：让芯片“冷静”提速

以GPT-4的训练为例，它需要大量的GPU

小深ai硬件分享·2025-02-20 09:29

FastGPT接入向量模型 M3E 和重排模型 bge-reranker-large

一、FastGPT接入向量模型M3E1.拉取m3e镜像#GPU模式启动，并把m3e加载到fastgpt同一个网络dockerpullregistry.cn-hangzhou.aliyuncs.com/fastgpt_docker

福葫芦·2025-02-20 08:58

卷积神经网络之AlexNet经典神经网络，实现手写数字0~9识别

深度学习中较为常见的神经网络模型AlexNet，AlexNet是一个采用GPU训练的深层CNN，本质是种LeNet变体。由特征提取层的5个卷积层两个下采样层和分类器中的三个全连接层构成。

知识鱼丸·2025-02-20 08:24

用 TensorFlow 搭建简单的手写数字识别模型

一、引言手写数字识别是机器学习领域中一个经典且基础的问题，它在很多实际场景中都有广泛的应用，比如邮政系统中的邮件分拣、银行支票金额识别等。

lozhyf·2025-02-20 07:48

【机器学习】基于3D CNN通过CT图像分类预测肺炎

1.引言1.1.研究背景在医学诊断中，医生通过分析CT影像来预测疾病时，面临一些挑战和局限性：图像信息的广度与复杂性：CT扫描生成的大量图像对医生来说既是信息的宝库也是处理上的负担。每组CT数据可能包含数百张切片，医生必须迅速审阅这些图像，以便捕捉到病变的微小细节。这种庞大的信息量要求医生在有限的时间内做出精准诊断，但同时也增加了漏诊或误诊的风险。部分容积效应也可能模糊小病变的边界，使得准确诊断变

MUKAMO·2025-02-20 07:43

TensorFlow LiteRT 概览

您可以找到适用于各种机器学习/AI任务的LiteRT就绪模型，也可以使用AIEdge转换和优化工具将TensorFlow、PyTorch和JAX模型转换为TFLite格式并运行。

姚家湾·2025-02-20 06:42

机器学习（1）安装Pytorch

1.安装命令pip3installtorchtorchvisiontorchaudio--index-urlhttps://download.pytorch.org/whl/cu1182.安装过程Log：Lookinginindexes:https://download.pytorch.org/whl/cu118CollectingtorchDownloadinghttps://download.

CoderIsArt·2025-02-20 06:11

还是继续走前端或机器学习？

还是继续走前端或机器学习？接下来把粉丝的具体提问和我的回复分享给大家，希望也能给一些类似情况的小伙伴一些启发和帮助。

程序员yt·2025-02-20 06:37

训练与优化

训练与优化损失函数与反向传播损失函数能够衡量神经网络输出与目标值之间的误差，同时为反向传播提供依据，计算梯度来优化网络中的参数。torch.nn.L1Loss计算所有预测值与真实值之间的绝对差。

钰见梵星·2025-02-20 04:23

KTransformers如何通过内核级优化、多GPU并行策略和稀疏注意力等技术显著加速大语言模型的推理速度？

KTransformers通过内核级优化、多GPU并行策略和稀疏注意力等技术显著加速大语言模型的推理速度，具体体现在以下几个方面：内核级优化：KTransformers采用了高效的内核级优化技术，包括对

魔王阿卡纳兹·2025-02-20 04:53

Vulkan

片上系统生产商（SoCs）比如GPU独立硬件供应商（IHVs）可以为Android编写Vulkan驱动；OEMs简单地需要为特定的硬件集成

hanpfei·2025-02-20 03:14

【深度学习pytorch-93】Transformer 相比 RNN 的优势

Transformer相比RNN的优势Transformer和RNN（循环神经网络）都是自然语言处理（NLP）领域的重要架构，但它们的工作原理和应用方式有很大不同。

华东算法王·2025-02-20 02:04

【核心算法篇七】《DeepSeek异常检测：孤立森林与AutoEncoder对比》

一、引言在数据科学和机器学习领域，异常检测（AnomalyDetection）是一个非常重要的任务。它的目标是从数据集中识别出那些与大多数数据显著不同的异常点。这些异常点可能是由于

再见孙悟空_·2025-02-20 01:01

推荐频道

机器学习神经网络gpu