深度学习推理引擎第2页

benchmark和baseline的联系与区别

在深度学习算法中，benchmark（基准）和baseline（基线）是两个常用的概念，用于评估算法的性能和进行比较。尽管它们有一些相似之处，但它们在定义和使用上有一些区别。

Lntano__y·2025-03-10 19:41

程序员如何用DeepSeek提升开发效率？这些隐藏技巧让你少走弯路

很多新手容易把DeepSeek当作高级版搜索引擎，其实它的代码理解能力堪比资深架构师。上周帮实习生小张排查

·2025-03-10 18:58

第N4周：NLP中的文本嵌入

本人往期文章可查阅：深度学习总结词嵌入是一种用于自然语言处理（NLP）的技术，用于将单词表示为数字，以便计算机可以处理它们。通俗的讲就是，一种把文本转为数值输入到计算机中的方法。

OreoCC·2025-03-10 18:05

深度学习项目十一：mmdetection训练自己的数据集

mmdetection训练自己的数据集这里写目录标题mmdetection训练自己的数据集一：环境搭建二：数据集格式转换(yolo转coco格式)yolo数据集格式coco数据集格式yolo转coco数据集格式yolo转coco数据集格式的代码三：训练dataset数据文件配置configs1.在configs/faster_rcnn/faster-rcnn_r101_fpn_1x_coco.py

小啊磊_Vv·2025-03-10 17:02

深度学习和机器学习的差异

深度学习（DeepLearning）作为机器

The god of big data·2025-03-10 16:28

QwQ-32B通用能力测评的详细分析

QwQ-32B通用能力测评的详细分析一、测评框架与核心基准测试QwQ-32B的通用能力测评围绕三大核心评测体系展开，覆盖逻辑推理、多轮对话、复杂指令遵循、工具调用等综合能力：LiveBench（“最难LLMs

大势下的牛马·2025-03-10 16:57

深度学习 PyTorch 中 18 种数据增强策略与实现

深度学习pytorch之简单方法自定义9类卷积即插即用数据增强通过对训练数据进行多种变换，增加数据的多样性，它帮助我们提高模型的鲁棒性，并减少过拟合的风险。

@Mr_LiuYang·2025-03-10 16:25

Win11及CUDA 12.1环境下PyTorch安装及避坑指南：深度学习开发者的福音

Win11及CUDA12.1环境下PyTorch安装及避坑指南：深度学习开发者的福音【下载地址】Win11及CUDA12.1环境下PyTorch安装及避坑指南本资源文件旨在为在Windows11操作系统及

郁云爽·2025-03-10 16:52

清华大学：人工智能之知识图谱.pdf

知识图谱作为连接数据的骨架，不仅在信息检索、推理决策等方面发挥着关键作用，还成为了现代智能系统的核心组成部分。此文档旨在为读者提供一个全面的理解框架，从基础知识入手，逐步展开至知识图谱的应用实例、技

黄晗昂Aileen·2025-03-10 16:52

yolov5代码详解--1.python代码脚本

一、detect.py作为YOLOv5模型推理的核心执行文件，detect.py实现了从数据加载到结果输出的完整目标检测流水线。

三炭先生·2025-03-10 16:51

技术人实测 | 如何用AI工具2分钟突破知网AIGC检测线

测试时发现：将GPT生成的论文导入后，系统会保留原始参考文献格式，同时用学术同义词替换引擎重写表达结构。

LL06210721·2025-03-10 15:50

深度学习笔记——Resnet和迁移学习

1.ResNet的提出深度学习与网络深度的挑战：在深度学习中，网络的“深度”(即层数)通常与模型的能力成正比。然而，随着网络深度的增加，一些问题也随之出现，最突出的是梯度消失/爆炸问题。

肆——·2025-03-10 15:17

1.3 DeepSeek 技术栈的定位与AI赋能场景

四、开发赋能体系****五、企业级落地实践****六、开发者生态建设****七、技术演进路线****本章核心价值总结**一、DeepSeek技术全景定位1.1技术栈层级架构应用能力层开发框架层AI核心引擎基础设施层智能对话预测分析图像理解决策优化

北辰alk·2025-03-10 14:42

深度学习在SSVEP信号分类中的应用分析

近年来，深度学习方法在SSVEP信号分类中取得了显著的成果。本文通过对31个深

自由的晚风·2025-03-10 12:00

大语言模型引擎全解析：Transformers、vLLM、Llama.cpp等，最佳选择全攻略！

为此，一系列专为大语言模型设计的引擎应运而生。

大模型入门教程·2025-03-10 12:29

UE从蓝图节点跳转到C++源码

2.实现过程（1）打开EpicGamesLauncher启动器，点击当前安装引擎版本的选项标签，如下图：（2）勾选输入调试用符号，

右弦GISer·2025-03-10 12:26

PSPNet在图像超分辨率中的应用

近年来,随着深度学习的发展,基于卷积神经网络(ConvolutionalNeuralNetwork,CNN)的

AI天才研究院·2025-03-10 12:55

基于文本特征的微博谣言检测

本文将介绍如何基于文本特征，使用深度学习模型（如LSTM、CNN）和传统机器学习模型（如SVM）来实现微博谣言检测，并对这些模型的性能进行比较。

机器懒得学习·2025-03-10 11:24

使用服务器搭建无门槛ChatGPT WEB应用LobeChat

莱卡云（Lcayun）·2025-03-10 11:23

UE中UGameplayModMagnitudeCalculation接口详解

核心接口：CalculateBaseMagnitude_Implementation二、属性捕获接口三、常用辅助接口四、整示例：动态护甲计算五、在GameplayEffect中配置关键注意事项前言在虚幻引擎

努力的小钟·2025-03-10 11:22

基于深度学习的恶意软件检测系统：设计与实现

近年来，深度学习技术在模式识别和分类任务中取得了显著成效，为恶意软件检测领域带来了新的机遇。

机器懒得学习·2025-03-10 11:49

AI Agent: AI的下一个风口从图形用户界面到自然语言的进化

的下一个风口从图形用户界面到自然语言的进化1.背景介绍1.1人机交互的演变历程1.1.1命令行界面时代1.1.2图形用户界面时代1.1.3自然语言交互的兴起1.2AI技术的发展现状1.2.1机器学习和深度学习的突破

AI天才研究院·2025-03-10 10:45

AF3 block_delete_msa函数解读

推理（inference）时不会使用，因为完整MSA对预测准确性很重要。源代码：#Notusedininference@curry1defblock_delete_

qq_27390023·2025-03-10 10:43

IoT平台软件：AWS IoT二次开发_高级功能探索与实践

高级功能探索与实践在上一节中，我们已经完成了基础功能的开发和配置，包括设备连接、数据收集和基本的规则引擎使用。

chenlz2007·2025-03-10 10:40

IoT平台软件：AWS IoT二次开发_AWSIoT基础架构与核心组件

基础架构概述AWSIoT的基础架构主要由以下几个核心组件组成：设备网关（DeviceGateway）消息代理（MessageBroker）规则引擎（RulesEngine）设备影子（De

chenlz2007·2025-03-10 10:10

基于PyTorch的深度学习4——使用numpy实现机器学习vs使用Tensor及Antograd实现机器学习

首先，给出一个数组x，然后基于表达式y=3x2+2，加上一些噪音数据到达另一组数据y。然后，构建一个机器学习模型，学习表达式y=wx2+b的两个参数w、b。利用数组x，y的数据为训练数据。最后，采用梯度梯度下降法，通过多次迭代，学习到w、b的值。以下为具体步骤：1)导入需要的库。importnumpyasnp%matplotlibinlinefrommatplotlibimportpyplotas

Wis4e·2025-03-10 09:09

AI 大模型应用数据中心建设：数据中心成本优化

无论是进行深度学习模型的训练，还是大模型应用的推理，数据中心都需要提供充足的计算资源、存储空间和网络带宽。

杭州大厂Java程序媛·2025-03-10 09:38

深度学习-144-Text2SQL之基于langchain的少量样本提示词模板FewShotPromptTemplate的应用实战(三)

文章目录1基本组件1.1大模型1.2数据库Chinook1.2.1创建并载入数据1.2.2SQLDatabase2年龄最大的员工姓名和年龄3少量样本提示词模板3.1创建示例集3.2创建格式化程序3.3创建示例选择器3.4创建少量示例提示词模板3.5应用测试3.6添加新示例4参考附录1基本组件1.1大模型fromlangchain_ollamaimportChatOllamaimportosos.e

皮皮冰燃·2025-03-10 09:36

Pytorch 第九回：卷积神经网络——ResNet模型

Pytorch第九回：卷积神经网络——ResNet模型本次开启深度学习第九回，基于Pytorch的ResNet卷积神经网络模型。这是分享的第四个卷积神经网络模型。

Start_Present·2025-03-10 09:05

RoPE——Transformer 的旋转位置编码

在自然语言处理领域，Transformer是现代深度学习模型的基础，而位置编码（PositionEmbedding）则是Transformer处理序列数据的关键模块之一。

机智的小神仙儿·2025-03-10 09:34

Process-based Self-Rewarding Language Models 论文简介

然而，传统的自奖励范式在数学推理任务中存在局限性，甚至可能在迭代训练中导致模型性能下降。

ZHOU_CAMP·2025-03-10 08:31

鸿蒙开发API 12 完全解析：核心技术升级与开发实战

文章目录一、API12架构全景图1.1系统架构层次1.2API12核心模块对比二、ArkUI3.0革命性升级2.13D图形能力2.1.13D组件基础结构2.1.2物理引擎集成2.2新增组件库三、分布式能力增强

北辰alk·2025-03-10 08:00

每天五分钟深度学习pytorch：基于Pytorch搭建ResNet模型的残差块

残差块我们分析一下这个残差块，x经过两个卷积层得到F(x)，然后F(x)+x作为残差块的输出，此时就有一个问题，这个问题就是F(x)+x的维度问题，如果图片数据经过两个卷积层之后F(x)变小（height和weight变小）或者通道数发生了变化，那么此时F(x)是没有办法和x相加的，当然我们可以学习前面的GoogLeNet的方式，也就是说卷积之后的F(x)和x一样，大小不变，或者对x变道和F(x)

每天五分钟玩转人工智能·2025-03-10 08:59

Training-free Neural Architecture Searchthrough Variance of Knowledge of Deep Network Weights（预览版本）

代码位置摘要深度学习彻底改变了计算机视觉，但它使用深度网络架构取得了巨大的成功，而这些架构大多是手工制作的，因此可能不是最理想的。

境心镜·2025-03-10 08:54

智能教育：DeepSeek在课堂管理中的应用与代码实现

DeepSeek通过深度学习算法，能够从课堂数据中

Evaporator Core·2025-03-10 07:52

[arxiv论文解读]LlamaFactory：100+语言模型统一高效微调

下面是对文档内容的详细解释：摘要（Abstract）背景：大型语言模型（LLMs）在多种应用中展现了卓越的推理能力，但需要有效的微调方法来适应下游任务。问题：现有的高效微调方法缺乏一个系统化

强化学习曾小健·2025-03-10 07:22

基于PyTorch的深度学习5——神经网络工具箱

可以学习如下内容：•介绍神经网络核心组件。•如何构建一个神经网络。•详细介绍如何构建一个神经网络。•如何使用nn模块中Module及functional。•如何选择优化器。•动态修改学习率参数。5.1核心组件神经网络核心组件不多，把这些组件确定后，这个神经网络基本就确定了。这些核心组件包括：1)层：神经网络的基本结构，将输入张量转换为输出张量。2)模型：层构成的网络。3)损失函数：参数学习的目标函

Wis4e·2025-03-10 07:49

开源模型应用落地-Qwen2.5-7B-Instruct与vllm实现推理加速的正确姿势-Docker-OpenResty（三）

一、前言目前，大语言模型已升级至Qwen2.5版本。无论是语言模型还是多模态模型，均在大规模多语言和多模态数据上进行预训练，并通过高质量数据进行后期微调以贴近人类偏好。另外，使用Docker实现便捷测试成为一种高效的解决方案。通过将模型及其运行环境封装在Docker容器中，开发者可以确保模型在不同环境下的行为一致性，避免由于环境差异导致的不可预见的错误。Docker的轻量级特性使得测试可以迅速部署

开源技术探险家·2025-03-10 06:43

CentOS Docker 安装指南

CentOSDocker安装指南引言Docker是一个开源的应用容器引擎，它允许开发者打包他们的应用以及应用的依赖包到一个可移植的容器中，然后发布到任何流行的Linux机器上，也可以实现虚拟化。

lly202406·2025-03-10 06:42

深度学习-Android-图片加载框架-Glide-(二)-切入源码层深入分析-Glide-缓存策略

介绍在上一篇中，我们知道了Glide框架的最基本的执行流程，那么只知道基本执行流程，这显然是不够的，我们要深挖Glide框架的细节处理原理，比如缓存机制，图片处理等，这一篇我们就一起去探索Glide的缓存机制。Glide缓存机制可以说是设计的非常完美，考虑的非常周全，下面就以一张表格来说明下Glide缓存。缓存类型缓存代表说明活动缓存ActiveResources如果当前对应的图片资源是从内存缓存

2401_84123077·2025-03-10 05:38

【vLLM 教程】使用 TPU 安装

vLLM是一款专为大语言模型推理加速而设计的框架，实现了KV缓存内存几乎零浪费，解决了内存管理瓶颈问题。

·2025-03-10 05:07

YOLOv7-Tiny：轻量化实时目标检测的革新实践

相比标准YOLOv7，其参数量减少约60%（仅6.02M），计算量降至13.2GFLOPs，在保持较高检测精度的同时，推理速度提升至68FPS（NVIDIAV100）。

追寻向上·2025-03-10 03:21

【人工智能基础】生成模型：让数据“无中生有”的神奇魔法

主要生成模型及其逻辑1、生成对抗网络（GAN）2、变分自编码器（VAE）3、扩散模型（DPM）4、基于能量的模型（EBM）5、正规化流（NF）四、生成模型对比分析五、生成模型的应用拓展一、生成模型的发展脉络在深度学习尚未兴起的时期

roman_日积跬步-终至千里·2025-03-10 03:49

JavaScript学习笔记一

世界上最流行的语言之一，是一种运行在客户端的脚本语言脚本语言不需要编译，运行过程中由**js解析器(js引擎)**逐行来进行解释并执行现在也可以基于Node.js技术来进行服务器端编程作

跨界科技汇·2025-03-10 03:48

数据库存储引擎中 InnoDB 和 MyISAM 的区别？

InnoDB和MyISAM是MySQL数据库中两种常用的存储引擎，它们各自具有不同的特点和适用场景。

Code额·2025-03-10 01:34

番外篇 - Docker的使用

一、Docker的介绍Docker是一个开源的应用容器引擎，基于Go语言并遵从Apache2.0协议开源。

穿梭的编织者·2025-03-10 01:04

《DeepSeek-V3：动态温度调节算法，开启推理新境界！》

这项算法犹如一把神奇的钥匙，巧妙地开启了推理速度与精度动态平衡的大门，为大语言模型的发展开辟了新的道路。温度，在大语言模型的世界里，是一个极为关键的参数，它掌控着模型输出的随机性。

·2025-03-10 00:01

云原生边缘智能：构建分布式IoT设备的自主决策引擎

引言：突破云计算边界Tesla自动驾驶系统通过边缘节点每秒处理2300帧图像，决策延迟/dev/quality_valve"四、生产场景解决方案4.1典型行业应用场景4.2故障自愈流程#边缘节点健康检查脚本#!/bin/bashcheck_gpu_utilization(){util=$(nvidia-smi--query-gpu=utilization.gpu--format=csv,nohea

桂月二二·2025-03-09 23:47

2024年最新PyTorch深度学习项目实战100例数据集_python 深度学习项目演练

前言最近很多订阅了《PyTorch深度学习项目实战100例》的用户私信咨询有些数据集下载不了以及一些文章中没有给出数据集链接，为了解决这个问题，专门开设了本篇文章，提供数据集下载链接，打包100例的所有数据集

2401_84585440·2025-03-09 22:08

PyTorch 学习路线

数学基础：了解线性代数、微积分、概率论（深度学习的基础）。机器学习基础：理解神经网络、损失函数、优化器（如梯度下降）等概念。学习资源Python入门：Python官方教程机器学习基础

gorgor在码农·2025-03-09 22:07

推荐频道

深度学习推理引擎