权重

【学习】《算法图解》第九章学习笔记：迪杰斯特拉算法

（一）算法适用场景迪杰斯特拉算法适用于：带权有向图（每条边都有权重）所有权重都为非负值（不能有负权边）需要找出从一个顶点到图中所

·2025-06-30 12:31

深度学习使用Pytorch训练模型步骤

初始化模型参数（权重和偏置）。3.选择损失函数：根据任务类型（如分类、回归）选择合适的损失函数。4.选择优化

vvvdg·2025-06-30 01:29

第 3 章：神经网络如何学习

第3章：神经网络如何学习在第二章中，我们详细了解了神经网络的静态结构：由神经元组成的层，以及连接它们的权重和偏置。现在，我们将进入整个教程最核心的部分：神经网络是如何从数据中"学习"的？

鱼摆摆拜拜·2025-06-29 15:19

《三生原理》如何优化注意力机制？

中级判据‌：引入五行属性权重动态分配机制，依据模

·2025-06-29 07:53

Redis ZSet 数据结构深度解析：原理、实现与实战全揭密！

在Redis的五大基础数据类型中，ZSet（SortedSet，有序集合）是一种非常强大而灵活的数据结构，广泛应用于排行榜、延时队列、权重排名等场景。

程序猿Mr.wu·2025-06-28 23:52

SpringBoot 整合 Guava Cache 实现本地缓存

LoadingCache缓存4.2、创建CallableCache缓存4.3、可选配置分析4.3.1、缓存的并发级别4.3.2、缓存的初始容量设置4.3.3、缓存失效回收策略4.3.3.1、基于容量/权重回收

m0_74824170·2025-06-28 21:40

Google Guava Cache高效本地缓存

目录GuavaCache使用需求和场景需求场景缓存设置缓存的并发级别缓存的初始容量设置设置最大存储缓存清除策略基于存活时间的清除策略基于容量的清除策略基于权重的清除策略显式清除基于引用的清除策略数据内存加载

boonya·2025-06-28 21:38

卷积神经网络（Convolutional Neural Network, CNN）

它通过卷积层自动提取数据的特征，并利用空间共享权重和池化层减少参数量和计算复杂度，成为计算机视觉领域的核心技术。

不想秃头的程序·2025-06-28 16:01

DeepSeek-V3混合精度推理（FP8/BF16）原理与实战全解析

目录摘要混合精度推理的背景与意义DeepSeek-V3混合精度架构设计FP8与BF16核心原理详解混合精度推理核心实现实践案例：FP8权重转BF16与推理部署常见问题与注意事项最佳实践与扩展建议总结参考资料附录

CarlowZJ·2025-06-28 06:25

二十九：Dynamic Prompts插件动态提示词讲解

------从提示词种随机抽取生成方式二:{25::提示词1|75::提示词2}------数字为每个提示词的占比，相当于权重方式三：{2$$提示词1|提示词2|提示词3|提示词4|。。。}

DarkQE·2025-06-28 00:46

大模型量化

量化通过将模型中的浮点数权重和激活值转换为较低精度的表示形式来实现这一目标。

需要重新演唱·2025-06-28 00:13

【大模型学习 | 量化】pytorch量化基础知识（1）

performingcomputationsandstoringtensorsatlowerbitwidthsthanfloatingpointprecision.支持INT8量化，可以降低4倍的模型大小以及显存需求，加速2-4倍的推理速度通俗理解：降低权重和激活值的精度

九年义务漏网鲨鱼·2025-06-27 23:37

MIAOYUN | 每周AI新鲜事儿（06.14-06.20）

AI开源大模型腾讯混元3D2.1大模型全链路开源6月14日，在CVPR2025（计算机视觉领域顶会之一）上，腾讯混元3D2.1大模型对外全链路开源，其模型权重及架构、训练代码、数据处理流程

·2025-06-27 20:39

（线性代数最小二乘问题）Normal Equation（正规方程）

它通过直接求解一个线性方程组，找到线性回归模型的最优参数（如权重或系数）。

音程·2025-06-27 12:27

如何获取和使用 DeepSeek-Prover-V2？

‌一、获取途径‌‌开源平台下载‌‌HuggingFace‌：模型已开源至HuggingFace平台，支持直接下载完整模型权重及配置文件。‌

AI生存日记·2025-06-26 21:03

Boosting：从理论到实践——集成学习中的偏差征服者

核心定位：一种通过串行训练弱学习器、自适应调整数据权重，将多个弱模型组合成强模型的集成学习框架，专注于降低预测偏差。本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。

大千AI助手·2025-06-26 20:29

什么是注意力机制？注意力机制的核心组件（Query、 Key、 Value）

你的大脑给朋友的声音赋予了很高的“权重”，给其他声音赋予了很低的“权

大模型本地部署_·2025-06-26 19:52

大模型加载多个LoRA并灵活切换

LoRA技术简介LoRA是一种有效的模型适配技术，它通过在模型的权重矩阵中引入低秩结构来实现参数的高效更新。这种方法不

Kaydeon·2025-06-26 19:20

参数量 vs 计算量：模型轻量化的双面指标，90%的人没理清！

1.参数量（Parameters）：模型的知识容量定义：参数量指的是模型在训练过程中需要学习和存储的权重（Weights）和偏置（Biases）的总数量。

·2025-06-26 13:46

注意力机制详解：从基础到CBAM模块—含代码

注意力机制的核心目标是在模型处理数据时为不同的输入部分赋予不同的权重，让模型专注于最

博导ai君·2025-06-25 23:42

【智能优化算法】多目标于分解的多目标进化算法MOEA/D算法（Matlab代码实现）

该算法通过聚合函数将多目标问题分解为N个子问题,每个子问题分配一个对应的权重和相关种群点的邻域"3'。种群迭代通过邻域内随机选择

荔枝科研社·2025-06-25 13:24

HarmonyOS NEXT 弹性布局详解：Flex布局完全指南

文章目录简介基础概念Flex容器与项目主轴与交叉轴核心属性1.flexDirection2.justifyContent3.alignItems4.flexWrap5.flex权重常见布局场景1.等分布局

是稻香啊·2025-06-24 16:22

使用预训练权重在YOLO模型上训练新数据集的完整指南

使用预训练权重在YOLO模型上训练新数据集的完整指南引言在目标检测领域，迁移学习已成为提升模型性能的关键技术。

马里马里奥-·2025-06-24 15:14

python训练day37 早停策略和模型权重的保持

importtorchimporttorch.nnasnnimporttorch.optimasoptimfromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitfromsklearn.preprocessingimportMinMaxScalerimporttimeimportmatp

·2025-06-24 06:47

Transformer 中 QKV 流向全解析（含注意力机制箭头图示）

在Attention机制中，我们通过Query（查询）与一组Key-Value（键-值）对计算注意力权重，然后用这些权重对Value进行加权求和，从而输出当前时刻关注上下文的结果。

Accelemate·2025-06-23 15:02

ProteinMPNN 项目常见问题解决方案

ProteinMPNN提供了多种模型权重，包括全蛋白质骨架模型和仅CA

谢贞苹Marnia·2025-06-23 14:02

YOLOv10改进策略【Neck】| BMVC 2024 MASAG 模块（多尺度自适应空间注意门）：动态感受野与空间注意力增强多尺度目标检测精度

MASAG(Multi-ScaleAdaptiveSpatialAttentionGate)模块通过动态调制空间注意力权重与多尺度感受野，实现了对跨层级特征图中局部细节与全局语义的智能聚合。

Limiiiing·2025-06-23 13:54

DB-GPT-HUB Text-to-SQL微调

DB-GPT-HUBText-to-SQL微调项目介绍DB-GPT-Hub是一个利用LLMs实现Text-to-SQL解析的实验项目，主要包含数据集收集、数据预处理、模型选择与构建和微调权重等步骤，通过这一系列的处理可以在提高

__如风__·2025-06-23 04:56

TIP-2025《Data Subdivision Based Dual-Weighted Robust Principal Component Analysis》

其核心思想包括以下几个方面：数据细分与双权重机制：传统PCA假设数据已中心化，并使用平方l2l_2l2-范数，这对噪声和异常值

Christo3·2025-06-22 23:50

【AI论文】MiniMax-M1：利用Lightning注意力机制高效扩展测试时计算

摘要：我们推出了MiniMax-M1，这是全球首个开源权重的大型混合注意力推理模型。

东临碣石82·2025-06-22 22:44

搜索引擎蜘蛛的智能抓取策略：技术解构与动态博弈的深层逻辑

###一、多模态解析引擎的量子化演进现代蜘蛛的解析引擎已突破传统HTML解析的局限，形成多模态感知架构：**1.时空感知型解析器**-**视觉权重建模**：通过卷积神经网络(CNN)分析页面视觉热区，将首屏内容权重提升

我爱学习558·2025-06-22 14:53

人工神经网络：单层神经网络(感知器)

人工神经网络正是模仿这一机制，通过数学模型构建“人工神经元”和“连接权重”。(2)人工神经网络的定义：由大量人工神经元（节点）相互连接构成的计算系统，通过调整节点间的连接权重来学习

·2025-06-22 08:44

day35

看权重分布将模型参数（权重）的数值分布绘制成直方图或热力图，通过观察参数是否集中、有无异常值，判断训练

m0_62568655·2025-06-22 08:10

05、反向传播算法（Backpropagation）是如何解决了多层神经网络的参数优化问题的？

以下从原理、数学基础、执行步骤及关键价值四个维度，详细解析其工作机制：一、反向传播的核心目标：高效计算参数梯度在多层神经网络中，参数优化的本质是通过调整权重矩阵W和偏置向量b，使损失函数L最小化。

季截·2025-06-22 03:39

Python训练营-Day37-早停策略和模型权重的保存

1.记录训练集的损失函数可以观察是否过拟合#记录损失值并更新进度条if(epoch+1)%200==0:losses.append(loss.item())epochs.append(epoch+1)#更新进度条的描述信息pbar.set_postfix({'Loss':f'{loss.item():.4f}'})2.模型保存和加载#保存模型参数torch.save(model.state_dic

·2025-06-21 08:10

【python深度学习】Day 37 早停策略和模型权重的保存

知识点：过拟合的判断：测试集和训练集同步打印指标模型的保存和加载仅保存权重保存权重和模型保存全部信息checkpoint，还包含训练状态早停策略作业：对信贷数据集训练后保存权重，加载权重后继续训练50轮

抽风的雨610·2025-06-21 07:06

神经网络中的正向传播和反向传播

想象一下你在学习骑自行车：正向传播：就像是你根据当前的平衡感、速度、脚下的路面情况，以及当前你大脑里“应该怎么做”的感觉（这感觉是你之前练习形成的，可以看作是神经网络的参数/权重），来预测接下来车子会向左倒还是向右倒

做个专注的工程师·2025-06-21 06:54

python打卡 DAY 35 模型可视化与推理

目录一、模型可视化方法1.三种主流可视化方案对比2.torchinfo使用详解3.权重分布可视化二、进度条实现方案1.手动实现进度条2.自动进度条（推荐）3.训练循环集成示例三、模型推理规范写法1.标准推理流程

沐兮兮兮·2025-06-21 03:06

YOLOv12改进策略【Neck】| BMVC 2024 MASAG 模块（多尺度自适应空间注意门）：动态感受野与空间注意力增强多尺度目标检测精度

MASAG(Multi-ScaleAdaptiveSpatialAttentionGate)模块通过动态调制空间注意力权重与多尺度感受野，实现了对跨层级特征图中局部细节与全局语义的智能聚合。

Limiiiing·2025-06-20 15:17

开源大型语言模型的文本记忆新突破！

这次研究着眼于五种开放权重模型。其中，三种是由科技巨头Meta推出，另外两种则由微软和Eleuthe

·2025-06-20 07:46

论坛签名外链有效性丨2025年nofollow链接的权重渗透率！

实战数据显示，未被收录的外链几乎没有投票价值，而持续更新大量可收录的普通外链（包括nofollow），反而比少量高权重链接更易触发算法的“权重提升”。在成本控制上，外链质量并非单纯由DA值决定。

光算科技·2025-06-19 23:56

【2025CVPR】基于CNN-Transformer的高效量化EfficientQuant模型

结构感知量化策略2.高效硬件适配3.边缘部署友好四、实验验证1.数据集与指标2.对比实验（1）与其他PTQ方法的对比（2）边缘设备实测五、代码实现要点1.Log2量化核心代码2.模型部署流程六、可视化分析1.权重分布对比

清风AI·2025-06-19 13:33

关于metrics.classification_report报告中指标解读

+指标_类别N)/N特点：平等对待每个类别：无论类别样本数量多少，每个类别的权重相同。适用场景：当

junjunzai123·2025-06-19 08:32

VGG-19（Visual Geometry Group）模型

一核心结构（1）深度：模型名称中的"19"指的是模型拥有19层带有权重的层（通常指：16个卷积层+3个全连接层=19。如果严格数带参数的层，输入层和ReLU激活层不计入深度统计）。

·2025-06-18 21:49

图像灰度化处理技术与应用

本文将深入探讨灰度化的原理和方法，包括直接平均法、权重平均法、最大值法、最小值法以及YUV色彩空间转换等，并分析灰度化在图像处理中的作用，例如数据量减少、简化算法、提高处理速度和易于分析。

mkmk00·2025-06-18 09:53

「大模型学习」(10)LLM的量化（GPTQ、LLM.int8()、AWQ）不信你学不会！

1.权重和输入经过归一化，数值范围较小➤通常神经网络训练后会对输入和权重做标准

木楚子·2025-06-17 16:32

AdaBoost第m轮弱分类器的样本权重与第m-1轮的强分类器之间的关系证明

☞░前往老猿Python博客░https://blog.csdn.net/LaoYuanPython一.AdaBoost概述AdaBoost从弱学习算法出发，通过多轮迭代，反复学习，得到一系列弱分类器（又称为基本分类器），然后组合这些弱分类器，构成一个强分类器，具体算法和原理请参考《提升方法AdaBoost自适应提升算法(https://blog.csdn.net/LaoYuanPython/ar

LaoYuanPython·2025-06-17 08:39

ConstraintLayout的2个子元素水平均分

deepseek回答：在ConstraintLayout中实现两个子元素水平均分屏幕宽度，可通过以下两种推荐方案实现（以XML为例）：✅方案一：使用Chains+权重（推荐）app:layout_constraintHorizontal_chainStyle

yzpyzp·2025-06-17 00:12

Pytorch框架——自动微分和反向传播

计算梯度的目的是更新权重w和b，，其中value是梯度值，学习率需要提前指定，求导计算梯度，前面我们学过了手动求导，这次使用自动微分的方法，来简化我们的工作量。注意：1.w和b一定是可自

Xyz_Overlord·2025-06-16 23:31

【大模型应用开发】提示工程

（调小temperature）实质上，你是在增加其他可能的token的权重。在实际应用方面，对于质量保障（QA）等任务，我们可以设置更

·2025-06-16 16:50

推荐频道

权重