模型训练

机器学习算法实战案例：Informer 源码详解与代码实战

文章目录机器学习算法实战案例系列答疑&技术交流1源码解析1.1文件结构1.2mian_informer.py文件1.3模型训练1.4模型测试1.5模型预测2Informer模型2.1process_one_batch2.2Informer
Python算法实战·2024-01-17 11:28

【小笔记】算法基础超参数调优思路

【学而不思则罔，思维不学则怠】9.29本文总结一下常见的一些超参数调优思路Batch_size2023.9.29简单来说，较大的bz可以加快训练速度，特别是基于GPU进行模型训练时，应该在显存允许范围内
落叶阳光·2024-01-17 08:39

【机器学习：训练数据集】机器学习训练数据集的完整指南

如何为机器学习和计算机视觉模型创建更好的训练数据集使用微模型自动标记机器学习的数据比较用于创建机器学习训练数据的传统模型和微观模型训练数据是用于教授机器学习或计算机视觉算法或模型处理信息的初始训练数据集
jcfszxc·2024-01-17 07:32

Edge-TTS(文字转语音工具)Html版本

无需安装任何环境，运行html文件就能完成语音合成软件说明Edge-TTS绿色版(语音模型训练)是一款提取自微软Edge的文字转语音软件！众所周知，微软的Edge语音非常自然又顺畅，很受大家欢迎。
星火燎猿·2024-01-17 06:56

【书生·浦语】大模型训练营——第三次课程作业

基础作业——复现知识库助手的搭建过程环境配置1.在InternStudio上新建虚拟环境并安装所需依赖bash/root/share/install_conda_env_internlm_base.shInternLMcondaactivateInternLM#升级pippython-mpipinstall--upgradepippipinstallmodelscope==1.9.5pipinst
不想动脑筋的亮亮·2024-01-17 04:46

YOLOv8训练自己的数据集

文章目录1.创建数据集文件结构数据集标注脚本分割数据集转换数据格式2.配置文件2.1数据集配置2.2选择需要的模型3.模型训练4.测试1.创建数据集环境：UltralyticsYOLOv8.0.230Python
李日音·2024-01-16 22:16

缓解大语言模型（LLM）幻觉的可行方法探究（课程综述）

但由于模型训练数据缺乏时效性、领域知识不足，以及训练架构存在缺陷、复杂推理能力不足等问题导
wavehaha·2024-01-16 21:30

深度学习中的在线学习、批次学习或小批次学习分别是什么？

在深度学习中，根据数据的处理和模型训练方式的不同，可以将学习方法分为在线学习、批次学习和小批次学习。
CA&AI-drugdesign·2024-01-16 21:00

深度学习——第7章 项目实战：自己动手写一个神经网络模型

自己动手写一个神经网络模型目录7.1导入数据集7.2定义神经网络输入层、隐藏层、输出层神经元个数7.3网络参数W和b初始化7.4正向传播过程7.5损失函数7.6反向传播过程7.7网络参数更新7.8搭建整个神经网络模型7.9模型训练
曲入冥·2024-01-16 21:01

Cats and Dogs数据集 keras搭建模型训练

fromkerasimportSequentialfromkerasimportlayersfromkerasimportoptimizersfromkeras.preprocessing.imageimportImageDataGeneratorimportmatplotlib.pyplotaspltmodel=Sequential()model.add(layers.Conv2D(32,(3,
大鳄鱼小鳄鱼·2024-01-16 18:04

OAK训练机使用教程分享，模型训练竟可以这么省事？！

OAK训练机是一款让你低门槛学习模型训练的产品，全程零代码，操作友好。可视化界面设计，只需简单的鼠标点击，便可直观体验数据标注、模型训练
OAK中国_官方·2024-01-16 17:54

opencv_模型训练

文件夹opencv训练文件xmlnegdataposdata说明negdata目录:放负样本的目录posdata目录：放正样本的目录xml目录：新建的一个目录，为之后存放分类器文件使用neg.txt:负样本路径列表pos.txt:正样本路径列表pos.vec:后续自动生成的样本描述文件opencv_createsamples.exe:生成样本描述文件的可执行程序(opencv自带)opencv_h
轩宇^_^·2024-01-16 16:45

机器学习算法实战案例：VMD-LSTM实现单变量多步光伏预测(升级版)

文章目录机器学习算法实战案例系列答疑&技术交流1数据处理1.1导入库文件1.2导入数据集1.3缺失值分析2VMD经验模态分解2.1VMD分解实验2.2VMD-LSTM预测思路3构造训练数据4LSTM模型训练
Python算法实战·2024-01-16 15:12

机器学习算法实战案例：BiLSTM实现多变量多步光伏预测

文章目录1数据处理1.1导入库文件1.2导入数据集1.3缺失值分析2构造训练数据3模型训练3.1BiLSTM网络3.2模型训练4模型预测答疑&技术交流机器学习算法实战案例系列1数据处理1.1导入库文件1.2
Python算法实战·2024-01-16 15:12

机器学习算法实战案例：CNN-LSTM实现多变量多步光伏预测

文章目录1数据处理1.1导入库文件1.2导入数据集1.3缺失值分析2构造训练数据3模型训练3.1CNN-LSTM网络3.2模型训练4模型预测答疑&技术交流机器学习算法实战案例系列1数据处理1.1导入库文件
Python算法实战·2024-01-16 15:11

机器学习算法实战案例：LSTM实现单变量滚动风电预测

文章目录1数据处理1.1数据集简介1.2数据集处理2模型训练与预测2.1模型训练2.2模型滚动预测2.3结果可视化答疑&技术交流机器学习算法实战案例系列1数据处理1.1数据集简介实验数据集采用数据集5：
Python算法实战·2024-01-16 15:41

机器学习算法实战案例：LSTM实现多变量多步负荷预测

文章目录1数据处理1.1数据集简介1.2数据集处理2模型训练与预测2.1模型训练2.2模型多步预测2.3结果可视化答疑&技术交流机器学习算法实战案例系列1数据处理1.1数据集简介实验数据集采用数据集6：
Python算法实战·2024-01-16 15:41

机器学习算法实战案例：GRU 实现多变量多步光伏预测

文章目录1数据处理1.1数据集简介1.2导入库文件1.3数据集处理1.4训练数据构造2模型训练与预测2.1模型训练2.2模型多步预测2.3预测可视化答疑&技术交流机器学习算法实战案例系列1数据处理1.1
Python算法实战·2024-01-16 15:40

机器学习算法实战案例：VMD-LSTM实现单变量多步光伏预测

文章目录机器学习算法实战案例系列答疑&技术交流1数据处理1.1导入库文件1.2导入数据集1.3缺失值分析2VMD经验模态分解3构造训练数据4LSTM模型训练5预测机器学习算法实战案例系列机器学习算法实战案例
Python算法实战·2024-01-16 15:06

知识分享:一文读懂AIGC与大模型

这些模型训练基本是“手工作坊式”，并且模型训练需要大规模的标
泰迪智能科技·2024-01-16 15:19

imgaug库指南（25）：从入门到精通的【图像增强】之旅

引言在深度学习和计算机视觉的世界里，数据是模型训练的基石，其质量与数量直接影响着模型的性能。然而，获取大量高质量的标注数据往往需要耗费大量的时间和资源。
高斯小哥·2024-01-16 10:56

集群服务器GPU深度模型训练笔记（PBS作用调度系统）

相关手册与软件准备官方使用手册用户手册：https://hpc.sustech.edu.cn/ref/cluster_User_Manual.pdf培训视频：https://hpc.sustech.edu.cn/ref/meeting_20230810.mp4启明2.0使用手册：https://hpc.sustech.edu.cn/ref/qiming_User_Manual_v3.0.pdfAn
拉普拉斯之妖·2024-01-16 08:04

探索GpuMall智算云平台的AI云计算：SSH连接GPU云主机进行深度学习

GPU云主机、GPU云服务器、GPU闲置、GPU变现、GPU收益、AI云、算力交易平台等在进行模型训练和推理方面扮演着不可替代的角色。
GpuMall·2024-01-16 07:17

大模型训练营Day2 homework

1.使用InternLM-Chat-7B模型生成300字的小故事2.熟悉huggingface下载功能，使用huggingface_hubpython包，下载InternLM-20B的config.json文件到本地：下面开始下载和推广大模型的相关的包：这里需要在本地上，原因操作手册中有提及。有以下提示则安装包成功然后按照手册写一个PY文件，在终端运行：下载完成，目标json文件：进阶作业1.完成
AIzealot无·2024-01-16 02:32

大模型训练营Day3 基于 InternLM 和 LangChain 搭建你的知识库

本次的授课人是一个提示词开发项目的负责人。下面一起进入本期课程吧》本次课程内容主要如下：开篇交代了大模型的局限性，然后引出主题：简单总结，大模型是根据数据集训练，很难使用具有实时性的数据进行重新训练（因为训练成本需要海量资源）。并且，通用模型的专业场景应用很差。而且很难专门定制特定的大模型。大模型的开发范式呢，主要有以下两种模式：建立知识库和微调，知识库是传统AI专家系统中就有的概念；微调呢是冻结
AIzealot无·2024-01-16 02:32

SambertHifigan模型训练训练出错-list index out of range

模型的地址是SambertHifigan个性化语音合成-中文-预训练-16k错误描述如上图，在运行训练命令（train.py）的时候，会出现这个错误，错误解决上面这个错误并不是train.py的问题，是上一步骤auto_label.py的问题，你可以重新执行一下上面的步骤，注意一下warning或者error的提示。如下图，这是我的问题：如果有条件的话就更换一下提示中出现的音频，我的就是luo_1
runing_an_min·2024-01-16 00:23

基于深度学习的实例分割的Web应用

1.1模型部署模型训练完成后，需要进行模型的部署。该项目采用一种类似于PaddleServing的方式，但不使用PaddleSer
OverlordDuke·2024-01-15 19:49

基于深度学习的多类别电表读数识别方案详解

基于深度学习的多类别电表读数识别方案详解多类别电表读数识别方案详解项目背景项目难点最终项目方案系列项目全集：安装说明环境要求数据集简介数据标注模型选型明确目标，开始下一步的操作检测模型训练模型评估与推理番外篇
OverlordDuke·2024-01-15 19:18

AutoGluon安装及示例

AutoGluon安装及示例文章目录AutoGluon安装及示例AutoGluon_BackgroundAutoGluon安装运行示例打印相关配置信息数据预处理过程特征工程模型训练NLP模型训练使用模型
Every DAV inci·2024-01-15 19:03

高级分布式系统-第15讲 分布式机器学习--联邦学习

减少通信轮次的方法增加并行度：加入更多的参与方，让它们在通信轮次间各自独立地进行模型训练。增加每一个
十有久诚·2024-01-15 19:31

高级分布式系统-第15讲 分布式机器学习--分布式机器学习算法

接下来不同工作节点的信息被聚合并分发回来，然后各个工作节点据此开展下一轮的模型训练。异步算法下，各个工作节点不再需要等待，而是以一个或多个全局服务器为作为中介，实现对全局模型的更新和读取
十有久诚·2024-01-15 19:01

基于Python实现地标景点识别

目录前言简介地标景点识别的背景地标景点识别的原理卷积神经网络（CNN）的基本原理地标景点识别的工作流程使用Python实现地标景点识别的步骤数据收集数据预处理构建卷积神经网络模型模型训练参考文献前言简介地标景点识别是一种基于计算机视觉技术的应用
摔跤猫子·2024-01-15 19:52

imgaug库指南（13）：从入门到精通的【图像增强】之旅

引言在深度学习和计算机视觉的世界里，数据是模型训练的基石，其质量与数量直接影响着模型的性能。然而，获取大量高质量的标注数据往往需要耗费大量的时间和资源。
高斯小哥·2024-01-15 11:15

imgaug库指南（21）：从入门到精通的【图像增强】之旅

引言在深度学习和计算机视觉的世界里，数据是模型训练的基石，其质量与数量直接影响着模型的性能。然而，获取大量高质量的标注数据往往需要耗费大量的时间和资源。
高斯小哥·2024-01-15 10:32

【AI】大模型训练的常用图像数据集

目录一、常用的数据集1.1ImageNet1.2PASCALVOC1.3MSCOCO1.4KITTI1.5LabelMe二、一些垂直领域的数据集如鱼类2.1FishSpeciesDataset2.2Large-scaleFishDatasetsforClassificationandSegmentation2.3FishMarketDataset2.4fish4knowledge三、找数据集和基本
giszz·2024-01-15 10:00

imgaug库指南（23）：从入门到精通的【图像增强】之旅

引言在深度学习和计算机视觉的世界里，数据是模型训练的基石，其质量与数量直接影响着模型的性能。然而，获取大量高质量的标注数据往往需要耗费大量的时间和资源。
高斯小哥·2024-01-15 08:52

自学习算法

自学习算法是一种基于深度学习的技术，通过大量的数据和模型训练，不断优化和改进模型的表现。
.:::.·2024-01-15 04:26

pytorch 通用训练代码讲解(very good)

文章目录1.模型训练参数设置2.保证模型可复现性3.设置device4初始化模型权重及加载预训练权重4.1初始化模型权重4.2加载预训练权重4.3在线下载预训练权重5k-means聚类anchors6多卡同步
@BangBang·2024-01-15 04:54

面向工业的复合自动机器学习

这包括数据清洗、数据预处理、数据增强等一系列操作，以便为后续的特征工程和模型训练提供高质量的数据源。二、特征工程特征工程是机器学习中的关键环节，对于模型的性能具有决定性的影响。
道亦无名·2024-01-14 22:30

Python - Bert-VITS2 自定义训练语音

目录一.引言二.前期准备1.Conda环境搭建2.Bert模型下载3.预训练模型下载三.数据准备1.音频文件批量处理2.训练文件地址生成3.模型训练配置生成4.训练文件重采样5.Tensorpt文件生成四
BIT_666·2024-01-14 22:35

CSP网络结构实战 - 降低计算量的特征融合方式

网络结构实战-降低计算量的特征融合方式CSP网络结构实战-降低计算量的特征融合方式0.引言1.CSP网络结构简介1.1核心思想1.2解决的问题2.实验验证2.1CSP网络模型构建2.2数据读取与预处理2.3模型训练与验证
OverlordDuke·2024-01-14 21:24

《相似度对比模型训练及在AidLux上部署应用》--实现印章相似度比较

《相似度对比模型训练及在AidLux上部署应用》–实现印章相似度比较1.基于相似度比对的真假识别算法介绍（1）出发点：利用深度神经网络，提取印章深度特征，同时学习印章之间的相似度，自己与自己相似，自己与其它不相似
heromps·2024-01-14 16:39

AIGC实战——生成对抗网络(Generative Adversarial Network, GAN)

AIGC实战——生成对抗网络0.前言1.生成对抗网络1.1生成对抗网络核心思想1.2深度卷积生成对抗网络2.数据集分析3.构建深度卷积生成对抗网络3.1判别器3.2生成器3.3DCGAN模型训练4.GAN
盼小辉丶·2024-01-14 13:45

模型训练前的基本性验证（避免训练好久之后才发现模型不能用）

在模型训练前，为了防止出现训练了两天两夜才发现这个模型根本不能用的逆天问题，我们要在训练前对模型进行一个基本的验证，即SanityCheck。
_Lyang_·2024-01-14 11:37

基于深度学习的婴儿啼哭识别项目详解

基于深度学习的婴儿啼哭识别项目详解基于深度学习的婴儿啼哭识别项目详解一、项目背景1.1项目背景1.2数据说明二、PaddleSpeech环境准备三、数据预处理3.1数据解压缩3.2查看声音文件3.3音频文件长度处理四、自定义数据集与模型训练
OverlordDuke·2024-01-14 05:22

基于NLP的恶意网页识别

基于NLP的恶意网页识别基于NLP的恶意网页识别引言项目目录回顾优化HTML标签提取结果使用预训练模型Fine-tune数据处理和模型训练模型训练与评估模型导出部署与预测总结基于NLP的恶意网页识别引言欢迎阅读
OverlordDuke·2024-01-14 05:22

使用RNN完成IMDB电影评论情感分析

使用RNN完成IMDB电影评论情感分析任务描述一、环境设置二、数据准备2.1参数设置2.2用padding的方式对齐数据2.3用Dataset与DataLoader加载三、模型配置四、模型训练五、模型评估六
OverlordDuke·2024-01-14 05:21

PyTorch深度学习快速入门

不得不说，该博主的视频通俗易懂，同时配备了一套相对完整的数据集，从零基础到一步一步搭建神经网络进行模型训练，讲解得十分仔细，对于神经网络零基础的小白来说非常友好，在这里强烈安利一波：！！！！
睡不醒的毛毛虫·2024-01-14 02:43

简单的图像中箭头方向识别

前言：说起图像识别，很多人第一次反应就是机器学习，深度学习，卷积神经网络搞起来这还没完，要有筛选各种模型，调参以及等待模型训练完成等等不仅烦锁，而且一旦结果不理想，那又得是苦逼的调参和漫长的等待（训练完成
卖小麦←_←·2024-01-13 21:43

深入浅出完整解析Stable Diffusion（SD）核心基础知识

2023.10.06最新消息，本文已经发布StableDiffusionV1-2系列的完整模型微调训练教程和对应的LoRA模型训练教程，并增加对StableDiffusion微调训练与LoRA训练的解读与思考
u013250861·2024-01-13 15:19
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他