深度学习自然语言处理

快速入门Volc Engine的MaaS LLM模型

这个平台旨在让开发者更容易地集成和使用先进的自然语言处理能力。通过VolcEngine，开发者可以轻松实现文本生成、文

azzxcvhj·2025-01-24 08:17

自动驾驶中的虚实迁移学习:降低对真实世界数据的依赖

自动驾驶,迁移学习,虚实环境,数据效率,深度学习,强化学习1.背景介绍自动驾驶技术作为人工智能领域的重要应用之一，其发展离不开海量真实世界驾驶数据。

AI架构设计之禅·2025-01-24 06:33

详细介绍 NVIDIA GeForce RTX 系列，各显卡配置参数（长期更新 - 2024.12）

主要面向游戏玩家和普通用户，同时也被广泛用于深度学习推理和训练等计算密集型任务。主要GPU产品有：50Series、40Series、30Series、20Series、10Series。

JiaWen技术圈·2025-01-24 06:02

使用SolarChat实现中英韩翻译的实战指南

SolarChat是一个方便的语言模型接口，能够帮助我们将自然语言处理任务集成到项目中。本文将详细介绍这个模型的核心原理，并通过示例代码展示如何使用它进行翻译。

azzxcvhj·2025-01-24 05:58

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

使用 Tokenizers 分割文本：深入了解与实践

在开发应用自然语言处理（NLP）模型时，一个常见的需求是将文本拆分为较小的块，通常称为“tokens”。

AWsggdrg·2025-01-24 03:42

Python 如何使用 Bert 进行中文情感分析

前言在自然语言处理（NLP）领域，情感分析是一个非常常见且重要的应用。情感分析通常用于识别文本中的情感，例如判断一条微博或评论是正面、负面还是中性。

程序员徐师兄·2025-01-24 00:47

PyTorch深度学习实战（43）——手写文本识别

PyTorch深度学习实战（43）——手写文本识别0.前言1.手写文本识别1.1基本概念1.2输入和输出格式1.3CTC损失值2.模型与数据集分析2.1数据集分析2.2模型分析3.实现手写文本识别模型小结系列链接

盼小辉丶·2025-01-23 22:36

算法中的时间复杂度和空间复杂度

Torch或者Tensorflow之类的深度学习库大大减少了算法工程师的工作量，而且在张量运算、反向传播等环节，这些深度学习库的模块设计也尽最大可能地降低了计算的时间和空间复杂度，从而不需要我们额外进行过多的干预

CM莫问·2025-01-23 22:36

深入理解旋转位置编码（RoPE）及其在大型语言模型中的应用

RoPE的实现细节1、RotaryEmbedding类设计2、apply_rotary_pos_emb函数3、demo_apply_rotary_pos_emb函数三、完整RoPE代码Demo前言随着自然语言处理

tangjunjun-owen·2025-01-23 21:00

ARM Cortex-M3与Cortex-M4权威指南

ARMCortex-M3与Cortex-M4权威指南ARMCortex-M3与Cortex-M4权威指南欢迎阅读《ARMCortex-M3与Cortex-M4权威指南（第3版）》，这是一本针对嵌入式系统开发者量身打造的深度学习手册项目地址

胡妃意·2025-01-23 21:55

python LTP 安装 failed building wheel for pyltp

LTP提供了一系列中文自然语言处理工具，用户可以使用这些工具对于中文文本进行分词、词性标注、句法分析等等工作。

Waldenz·2025-01-23 21:25

【数据挖掘实战】房价预测

本人主页：机器学习司猫白机器学习专栏：机器学习实战PyTorch入门专栏：PyTorch入门深度学习实战：深度学习ok，话不多说，我们进入正题吧概述本次竞赛有79个解释变量（几乎）描述了爱荷华州艾姆斯住宅的各个方面

机器学习司猫白·2025-01-23 20:21

GPT-4对话模型在客服中的应用与前景：开启智能客服新时代

GPT-4对话模型在客服中的应用与前景：开启智能客服新时代随着人工智能技术的迅猛发展，基于深度学习的对话模型在各个领域中得到了广泛应用。其中，GPT-4对话模型在客服系统中的应用尤为引人注目。

Echo_Wish·2025-01-23 20:19

模型压缩与优化技术——神经架构搜索（Neural Architecture Search, NAS）

模型压缩与优化技术中的神经架构搜索（NeuralArchitectureSearch,NAS）技术1.引言在深度学习领域，神经网络的架构设计对模型的性能至关重要。

DuHz·2025-01-23 18:37

面向 Data+AI 的统一数据目录探索 | Data Infra NO.22 回顾（含资料发布）

随着生成式人工智能（GenerativeAI）的崛起，从图像生成、自然语言处理到个性化推荐系统，生成式AI技术正迅速改变着各行各业的面貌。而在这场变革背后，数据的管理和治理显得尤为重要。

·2025-01-23 17:52

QAT与PTQ模型量化方法的区别

QAT（QuantizationAwareTraining）和PTQ（PostTrainingQuantization）是两种常见的模型量化方法，用于减少深度学习模型的计算和存储开销，同时尽量保持模型的性能

old_power·2025-01-23 17:28

毕设分享深度学习街道行人流量计数系统

文章目录0前言1项目运行效果2设计概要2原理介绍2.1目标检测概况什么是目标检测？发展阶段2.2行人检测行人检测简介行人检测技术难点行人检测实现效果4最后0前言这两年开始毕业设计和毕业答辩的要求和难度不断提升，传统的毕设题目缺少创新和亮点，往往达不到毕业答辩的要求，这两年不断有学弟学妹告诉学长自己做的项目系统达不到老师的要求。为了大家能够顺利以及最少的精力通过毕设，学长分享优质毕业设计项目，今天要

fawubio_A·2025-01-23 17:56

Keras、TensorFlow、PyTorch框架对比及服务器配置揭秘

深度学习框架：开启智能大门的钥匙在数字化浪潮中，深度学习如明星照亮众多领域。从智能安防的人脸识别，到医疗图像分析、电商商品推荐、智能语音助手等，其身影无处不在，改变着生活与工作方式。

小深ai硬件分享·2025-01-23 16:52

深度学习｜表示学习｜卷积神经网络｜局部链接是什么？｜06

如是我闻：局部连接（LocalConnectivity），是卷积神经网络（CNN）中的一个关键特性。什么是局部连接（LocalConnectivity）？局部连接指的是：在卷积操作中，每个神经元（或输出单元）只与输入数据的一个局部区域相关联，而不是与整个输入数据相连。换句话说：全连接网络（FullyConnectedLayer）中，每个神经元会与上一层所有的神经元相连。卷积网络（Convoluti

漂亮_大男孩·2025-01-23 16:50

[python][whl]pyltp的whl格式文件所有版本下载地址汇总

pyltp：Python中的中文自然语言处理工具在数字化时代，自然语言处理（NLP）成为了与机器进行交互的关键技术。对于中文，由于其独特的语言结构和复杂性，专门的工具和库显得尤为重要。

FL1623863129·2025-01-23 12:30

深度学习中交叉熵函数的导数:(极简)

文章目录前言一.交叉熵函数的导数二.Z,y为有n条数据的矩阵前言另一个博主有更详细的推导https://blog.csdn.net/chaipp0607/article/details/101946040一.交叉熵函数的导数softmax:令一条数据最后的输出为[z1,z2,z3,z4,…,z10],这里令输出层的神经元数量为10pi=ezi∑j=110ezjpi=\frac{e^{z_i}}{\

洪小帅·2025-01-23 12:28

【Python】已完美解决：ERROR: Could not find a version that satisfies the requirement re

不定期更新IT图书，并在评论区抽取随机粉丝，书籍免费包邮到家AI前沿点我跳转探讨人工智能技术领域的最新发展和创新，涵盖机器学习、深度学习、自然

屿小夏·2025-01-23 12:26

下载马斯克Grok-1模型的实战代码

对机器学习和深度学习拥有自己独到的见解。曾经辅导过若干个非计算机专业的学生进入到算法行业就业。希望和大家一起成长进步。

herosunly·2025-01-23 11:50

吴恩达深度学习笔记（七）——机器学习策略

一、正交化通俗的理解就是：要能够诊断出系统性能瓶颈在哪里，以有策略刚好解决这个问题。一个“按钮”只负责解决一件事情。二、单一数字评估指标准确率（precision）：在分类器中标记为猫的例子中，有多少是真的猫召回率（recall）：对于所有的真猫图片，你的分类器正确识别了多少。但如果有两个评估指标，就很难去选择一个更好的分类器，如下图所示。所以有一个结合这两个指标的标准方法，也即F1分数，定义如下

子非鱼icon·2025-01-23 10:42

Java 大视界 -- Java 大数据文本分析与自然语言处理：从文本挖掘到智能对话

Java作为一种高效、灵活的编程语言，在大数据文本分析与自然语言处理（NLP）中发挥着至关重要的作用。本文将介绍如何利用Java开发大数据文本分析和自然语言处理（NLP）应用，带领你从文

一只蜗牛儿·2025-01-23 10:40

深度学习中的通道(Channel)概念详解

1.通道的基本概念通道(Channel)是深度学习中的一个重要概念，它在不同场景下有不同的具体含义。理解通道概念对于理解深度学习模型的结构和工作原理至关重要。

小·恐·龙·2025-01-23 09:33

未登录词 Out-of-Vocabulary, OOV

未登录词是自然语言处理（NLP）任务中常见的挑战之一，因为它们可能导致模型无法正确处理或理解这些词汇，从而影响模型的性能。以下是一些关于未登录词的详细解释和处理方法：###未登录词的来源1.

risc123456·2025-01-23 08:30

使用Google Vertex AI Search进行企业级高级搜索

它基于各种GoogleSearch技术，包括语义搜索，通过使用自然语言处理和机器学习技术来推断内

hgSdaegva·2025-01-23 08:24

使用OpenAI Chat模型进行自然语言处理的实战指南

在本文中，我们将详细介绍如何利用OpenAI的Chat模型进行自然语言处理任务。我们将涵盖从API配置到实际应用的一整套流程，并提供可运行的代码示例来帮助大家上手。

GEAWfaacc·2025-01-23 06:09

大语言模型原理与工程实践：预训练数据构建

大语言模型原理与工程实践：预训练数据构建1.背景介绍大语言模型（LargeLanguageModels,LLMs）近年来在自然语言处理（NLP）领域取得了显著的进展。

AI大模型应用之禅·2025-01-23 06:38

大语言模型原理与工程实践：网页数据

大语言模型（LargeLanguageModels,LLMs）作为自然语言处理（NLP）领域的前沿技术，能够从海量的网页数据中提取有价值的信息，进行文本生成、情感分析、问答系统等多种任务。

AI大模型应用之禅·2025-01-23 06:38

大语言模型原理与工程实践：案例介绍

大语言模型原理与工程实践：案例介绍作者：禅与计算机程序设计艺术近年来，随着深度学习技术的快速发展，大语言模型（LargeLanguageModel，LLM）在自然语言处理领域取得了突破性进展，展现出强大的文本生成

AI大模型应用之禅·2025-01-23 06:37

Jetbrains Ai Assistant插件越来越好用了

JetBrainsAI作为IntelliJIDEA的一部分，通过自然语言处理和机器学习技术，提供了许多智能代码建议和自动化功能。

Ai 编码·2025-01-23 06:05

AI驱动电商搜索导购：技术创新与应用

文章标题《AI驱动电商搜索导购：技术创新与应用》关键词：人工智能，电商搜索导购，机器学习，深度学习，推荐系统，自然语言处理，个性化搜索，图像识别，应用案例，未来展望。

AI天才研究院·2025-01-23 05:29

WebRover ：一个功能强大的 Python 库，用于从 Web 内容生成高质量的数据集。

数据集地址：WebRoverDataset|自然语言处理数据集|AI模型训练数据集一、让我们一起来看一下WebRoverWebRover通过智能网络爬虫技术，自动从网络中提取与特定主题相关的内容，并支持多种输入格式

·2025-01-23 05:58

探索LangChain中OpenAI模型的token级log probabilities

在自然语言处理中，logprobabilities是一种对token生成概率的度量。通常，这个值越高，表示生成

jkgSFS·2025-01-23 04:23

使用VolcEngine Maas Chat进行语言模型对话的入门指南

技术背景介绍VolcEngineMaasChat模型提供了一种便捷的方式进行对话接口的设计与实现，特别是对于自然语言处理(NLP)应用。

dagGAIYD·2025-01-23 04:53

使用ModelScope实现高效句嵌入生成

技术背景介绍在自然语言处理（NLP）任务中，向量化文本（嵌入）是许多下游任务（如语义搜索、文本分类、问答系统等）的核心步骤之一。

dagGAIYD·2025-01-23 04:23

机器学习笔记 - 机器学习/深度学习实战案例合集

一、简述如何学习机器学习/深度学习，理论和实践都很重要，理论上的内容需要看课程、读教材。但是实践需要自己动手，实践之后自然会对理论有更深入的理解。怎么实践？借用欧阳修《卖油翁》的话”无他，但手熟尔“。

坐望云起·2025-01-23 04:51

Transformer架构原理详解：多头注意力（MultiHead Attention）

Transformer,多头注意力,Multi-HeadAttention,机器翻译,自然语言处理,深度学习1.背景介绍近年来，深度学习在自然语言处理（NLP）领域取得了显著进展。

AI大模型应用之禅·2025-01-23 02:33

AI 对程序员的冲击剖析

一、引言AI技术近年来取得了突破性进展，其在自然语言处理、机器学习、深度学习等领域的应用日益广泛。在软件开发领域，AI不再仅仅是辅助工

程序员WANG·2025-01-23 01:55

WebRover：专为训练大型语言模型和 AI 应用程序而设计的 Python 库

数据集地址：WebRoverDataset|自然语言处理数据集|AI模型训练数据集一、让我们一起来看一下WebRoverWebRover通过智能网络爬虫技术，自动从网络中提取与特定主题相关的内容，并支持多种输入格式

·2025-01-23 01:54

从自然语言到提示词：编程范式的革命

从自然语言到提示词：编程范式的革命关键词：编程范式、自然语言处理、提示词编程、人工智能、算法原理摘要：随着人工智能技术的不断发展，编程范式正经历着从自然语言处理向基于提示词的人工智能编程模式的转变。

AI天才研究院·2025-01-22 22:01

在 PyTorch 训练中使用 `tqdm` 显示进度条

在PyTorch训练中使用tqdm显示进度条在深度学习的训练过程中，实时查看训练进度是非常重要的，它可以帮助我们更好地理解训练的效率，并及时调整模型或优化参数。

weixin_48705841·2025-01-22 20:50

【在 PyTorch 中使用 tqdm 显示训练进度条，并解决常见错误TypeError: ‘module‘ object is not callable】

在PyTorch中使用tqdm显示训练进度条，并解决常见错误TypeError:'module'objectisnotcallable在进行深度学习模型训练时，尤其是在处理大规模数据时，实时了解训练过程中的进展是非常重要的