深度学习训练第23页

基于opencv消除图片马赛克

以下是一个基于Python的图片马赛克消除函数实现，结合了图像处理和深度学习方法。

小苗爸爸·2025-03-05 20:11

【AI深度学习基础】Pandas完全指南入门篇：数据处理的瑞士军刀（含完整代码）

Pandas系列文章导航入门篇进阶篇终极篇一、引言在大数据与AI驱动的时代，数据预处理和分析是深度学习与机器学习的基石。

arbboter·2025-03-05 20:08

kNN算法：对红酒数据进行分类

train_feature,train_label,test_feature):'''使用KNeighborsClassifier对test_feature进行分类:paramtrain_feature:训练集数据

阿拉保·2025-03-05 20:07

对“预训练”的理解

预训练有什么用传统的机器学习是偏数学的，对数据的量不做过多要求，而深度学习的项目通常是有大量的数据可供使用。

衣衣困·2025-03-05 18:59

C++使用Onnxruntime/TensorRT模型推理

步骤流程模型训练，python下生成pytorch的模型.pth，并基于.pth模型进行推理python下依据模型推理实现从.pth转向.onnxpython下基于.onnx进行推理，与后续两种推理方式种的推理结果进行比较环境

奇华智能·2025-03-05 16:30

基于K8S设计实现机器学习管理调度平台

设计和实现一套基于Kubernetes(K8s)的机器学习管理调度平台，目标是利用K8s的容器化和调度能力，提供高效的资源管理、任务调度、可扩展性及灵活性，适应机器学习（ML）训练、推理等不同场景的需求

richenlin·2025-03-05 15:56

《YOLOv12魔术师专栏》专栏介绍 & 专栏目录

25.03.05）：【原创自研模块】【多组合点优化】【注意力机制】【主干篇】【neck优化】【卷积魔改】【block&多尺度融合结合】【损失&IOU优化】【上下采样优化】【小目标性能提升】【前沿论文分享】【训练实战篇

AI小怪兽·2025-03-05 15:24

赋能农业数字化转型用DeepSeek大模型开启智慧农业新纪元

通过深度学习历史种植数据、气象信息、土壤墒情等多维农业要素，平台可精准预测病虫害风险、产量波动及市场趋势，为农户提供科学种植

jingwang-cs·2025-03-05 15:24

XGBoost系列文章（四）：参数调优与模型训练

XGBoost系列文章（四）：参数调优与模型训练本文是XGBoost系列的第四篇，聚焦参数调优与模型训练实战，从参数分类到调优技巧，结合代码示例解析核心方法。

什么都想学的阿超·2025-03-05 14:13

【图像去噪】论文复现：真实噪声转高斯噪声，提升高斯噪声训练的模型性能！Learning to Translate Noise的Pytorch源码复现，跑通流程，框架结构和损失函数详解！

图像去噪（ImageDenoising）】关于【图像去噪】专栏的相关说明，包含适配人群、专栏简介、专栏亮点、阅读方法、定价理由、品质承诺、关于更新、去噪概述、文章目录、资料汇总、问题汇总（更新中）完整代码和训练好的模型权重文件下载链接见本文底部

十小大·2025-03-05 13:01

大模型训练内存预估计算方法

方法论大模型在训练过程中,需要预估需要多少显存进行参数的存储,需要进行预估.来方便GPU的购买.举例以DeepSeek-V3模型为例,总共有671B个参数.B=Billion（十亿）,因此，671B模型指拥有

junjunzai123·2025-03-05 13:29

零基础也能看懂的ChatGPT等大模型入门解析！大模型入门到精通，看这篇就够了！

GPT对应的是三个关键概念：生成式（Generative）、预训练（Pre-Training）和Transfo

大模型微调实战·2025-03-05 12:27

曝罗永浩挖走小米前50号员工要做AIOS；谷歌呼吁美国政府不要拆分公司；Copilot+PC能本地运行DeepSeek|极客头条

AAAI2025杰出论文奖出炉，南大周志华团队获奖字节跳动以约3150亿美元估值启动新一轮股票回购计划消息称vivoOS部门新成立AI领域，大模型训练重心向端侧转移为“AIOS”招兵买马：消息称罗永浩挖来小

极客日报·2025-03-05 12:55

DeepSeek 各版本的区别

训练数据：14.8万亿Token预训练，推理速度较快（每秒

dushky·2025-03-05 12:25

智能模型轻量化：知识蒸馏技术如何重塑AI部署格局

一、技术本质的解构与重构知识蒸馏颠覆了传统模型训练的范式，构建了"师生传承"的新型学习

·2025-03-05 11:10

探秘Mixup：数据增强的新利器

这个项目的目标是通过混合不同样本的数据点生成新的训练样本，从而帮助模型更好地学习数

荣正青·2025-03-05 10:42

AI创业机遇：垂直领域无限可能

AI创业垂直领域机器学习深度学习自然语言处理计算机视觉无人驾驶1.背景介绍人工智能（AI）正在各行各业掀起一场革命，为创业者带来了前所未有的机遇。

AGI大模型与大数据研究院·2025-03-05 10:08

大模型研究：DeepSeek版本比较说明

它基于海量代码数据进行训练，对各类编程语言的语法、语义有深入理解。能快速准确地完成代码补全、代码生成、代码解释、代码纠错等任务，在编程场景中为开发者提供高效的辅助。

程序猿学长·2025-03-05 09:33

深度学习代码分析——自用

tab=readme-ov-file借助了一些人工智能1_train_stage1.py代码功能总览该代码是弱监督语义分割（WSSS）流程的Stage1训练与测试脚本，核心任务是通过多标签分类模型生成图像级标签

肆——·2025-03-05 08:28

Python | Pytorch | Tensor知识点总结

PyTorch的Tensor具有动态计算图，可用于深度学习模型的前向

漂亮_大男孩·2025-03-05 08:27

PyTorch 中结合迁移学习和强化学习的完整实现方案

迁移学习可以利用预训练模型的知识加速训练，而强化学习则通过与环境的交互优化策略。以下是如何在PyTorch中结合迁移学习和强化学习的完整实现方案。

小赖同学啊·2025-03-05 07:54

pytorch 模型测试

在使用PyTorch进行模型测试时，一般包含加载测试数据、加载训练好的模型、进行推理以及评估模型性能等步骤。以下为你详细介绍每个步骤及对应的代码示例。

小赖同学啊·2025-03-05 07:24

大模型在高血压预测及围手术期管理中的应用研究报告

目录一、引言1.1研究背景与意义1.2研究目的1.3国内外研究现状二、大模型预测高血压的原理与方法2.1常用大模型介绍2.2数据收集与预处理2.3模型训练与验证三、术前风险预测与手术方案制定3.1术前风险因素分析

LCG元·2025-03-05 07:21

一文讲清楚自我学习和深度学习

自我学习（Self-Learning）和深度学习（DeepLearning）是两个不同的概念，但它们在某些应用场景中可以有交集。下面我们将分别介绍这两个概念，并探讨如何将它们结合起来用于自我学习系统。

平凡而伟大(心之所向)·2025-03-05 07:51

Pytorch实现之基于相对平均生成对抗网络的人脸图像超分辨率

简介简介：改进SRGAN，并使用相对平均生成对抗网络的人脸图像超分辨率训练自己的数据集论文题目：FaceImageSuper-resolutionBasedOnRelativeAverageGenerativeAdversarialNetworks

这张生成的图像能检测吗·2025-03-05 07:49

【论文笔记】3DGS压缩相关工作2篇

这一解决方案为新视图合成（NVS）带来了前所未有的视觉质量，但代价是训练多层感知机的优化过程极为耗时，且渲染速度很慢。

AndrewHZ·2025-03-05 06:11

【大模型开源实战】10 分钟,教你如何用 LLama-Factory 训练和微调大模型

在这个AI快速发展的时代，我们很高兴为大家带来LlamaFactory-一个为AI开发者和爱好者量身打造的实用工具平台。作为非计算机专业出身的开发者，我们深深受益于计算机世界的开放共享精神。今天，我们希望通过LlamaFactory为这个社区贡献我们的一份力量。LlamaFactory能为您提供什么？英文文档的AI翻译：利用大语言模型将英文文档翻译成中文，助您更便捷地获取最新技术信息。快速获取主流

Langchain·2025-03-05 06:40

Scaling Laws（缩放法则）详解

ScalingLaws（缩放法则）详解1.定义与核心概念ScalingLaws（缩放法则）描述的是模型性能（如准确率、任务表现）与计算资源（模型参数量、训练数据量、训练时间）之间的数学关系。

天一生水water·2025-03-05 05:00

tensorflow Serving架构详解和代码示例

tensorflowServing的原理和代码实现,并提供简要的代码阅读指导.如何serve一个模型具体的步骤可以参考官方文档.主要包括两个部分：1.导出模型1.启动服务需要说明的是导出模型部分.如果要把我们训练的模型拿来提供服务

lloyd_chou·2025-03-05 03:44

深度学习数据集封装-----目标检测篇

前言在上篇文章中，我们深入探讨了图像分类数据集的制作流程。图像分类作为计算机视觉领域的一个基础任务，通常被认为是最为简单直接的子任务之一。然而，当我们转向目标检测任务时，复杂度便显著提升，尤其是在标注框的处理环节。不同的模型架构往往对标注框的处理方式有着各自独特的要求。以YOLO系列为例，它自有一套成熟且高效的方法来应对这一挑战。鉴于篇幅有限，本文暂不深入展开YOLO的相关内容，感兴趣的读者可以查

科研小天才·2025-03-05 02:34

DeepSeek 提示词技巧深度解析：从原理到实践

统计数据显示，经过专业提示词训练的用户，其获取有效答案的成功率可提升300%以上。要实现这种质的飞跃，需要掌握以下核心认知：1.信息解码机制：AI通过token化处理理解文本，

悠悠空谷1615·2025-03-05 02:00

深入理解 Transformer：用途、原理和示例

深入理解Transformer：用途、原理和示例一、Transformer是什么Transformer是一种基于注意力机制（AttentionMechanism）的深度学习架构，在2017年的论文“AttentionIsAllYouNeed

范吉民(DY Young)·2025-03-05 01:55

深度学习算法模型：从原理到未来

近年来，人工智能（AI）技术以前所未有的速度改变着人类生活，而深度学习的崛起无疑是这场技术革命的核心驱动力。

YDH_AlwaysRunning·2025-03-05 00:20

什么是预训练？

一、介绍预训练模型诞生背景:对于某种特殊任务只存在少量的相关训练数据，以至于模型不能从中学习到有用的规律（标注资源稀缺，无大数据支持）举例：想对一批法律领域的文件进行关系抽取，就需要投入大量的精力（意味着时间和金钱的大量投入

卡卡大怪兽·2025-03-04 23:44

MLM: 掩码语言模型的预训练任务

MLM:掩码语言模型的预训练任务掩码语言模型（MaskedLanguageModel,MLM）是一种用于训练语言模型的预训练任务，其核心目标是帮助模型理解和预测语言中的上下文关系。

XianxinMao·2025-03-04 23:41

预训练模型微调与下游任务迁移学习技术

1.背景介绍机器学习技术近年来在计算机视觉、自然语言处理等领域取得了飞速发展,这离不开大规模预训练模型的贡献。

AGI大模型与大数据研究院·2025-03-04 22:37

什么是预训练语言模型下游任务？

问题：Word2Vec模型是预训练模型吗？由于训练的特性，word2Vec模型一定是与训练模型。给定一个词先使用独热编码然后使用预训练好的Q矩阵得到这个词的词向量。

衣衣困·2025-03-04 22:36

代码随想录算法训练营第五十六天| 图论02

99.岛屿数量注意深搜的两种写法，熟练掌握这两种写法以及知道区别在哪里，才算掌握的深搜。注意广搜的两种写法，第一种写法为什么会超时，如果自己做的录友，题目通过了，也要仔细看第一种写法的超时版本，弄清楚为什么会超时，因为你第一次幸运没那么想，第二次可就不一定了。代码随想录深度搜索，定义上下左右四个方向，找到一个第一个邻接矩阵就递归该点的上下左右，避免重复计算。版本一：direction=[[0,1]

Rachela_z·2025-03-04 21:00

大模型推理速度测评的实战代码

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·2025-03-04 21:59

微调（Fine-tuning）

微调（Fine-tuning）是自然语言处理（NLP）和深度学习中的一种常见技术，用于将预训练模型（Pre-trainedModel）适配到特定任务上。

路野yue·2025-03-04 20:49

《DataWorks：为人工智能算法筑牢高质量数据根基》

而在这一系列AI应用的背后，高质量的训练数据是其能够发挥强大效能的关键所在。就如同巧妇难为无米之炊，没有优质的数据，再先进的AI算法也难以施展拳脚。

·2025-03-04 19:16

我的2024年总结

【坚持健身，不用私教自己训练】这个也做到了，虽然做不到一周三四练，但基本上还是保证一周可以两练，同时尝试自己去健身房进行健身，感觉效果也不错。后面

XiyouLinux_Kangyijie·2025-03-04 18:36

大模型学习笔记-基于《Deep Dive into LLMs like ChatGPT》

构建数据集对于大语言模型（LLM）的训练而言，首先需要构建

XiyouLinux_Kangyijie·2025-03-04 18:33

软件设计和软件架构之间的区别

并且深耕深度学习和数据集训练，提供商业化的视觉人工智能检测和预警系统（煤矿，工厂，制造业，消防等领域的工业化产品），合

前网易架构师-高司机·2025-03-04 17:56

代码随想录算法训练营第十天|1. 两数之和，第454题.四数相加II

文档讲解：代码随想录难度：一般嗷~~1.两数之和力扣题目链接(opensnewwindow)给定一个整数数组nums和一个目标值target，请你在该数组中找出和为目标值的那两个整数，并返回他们的数组下标。你可以假设每种输入只会对应一个答案。但是，数组中同一个元素不能使用两遍。示例:给定nums=[2,7,11,15],target=9因为nums[0]+nums[1]=2+7=9所以返回[0,1

火车叨位去1949·2025-03-04 17:54

基于PyTorch的深度学习2——Numpy与Tensor

Tensor自称为神经网络界的Numpy，它与Numpy相似，二者可以共享内存，且之间的转换非常方便和高效。不过它们也有不同之处，最大的区别就是Numpy会把ndarray放在CPU中进行加速运算，而由Torch产生的Tensor会放在GPU中进行加速运算。1.创建创建Tensor的方法有很多，可以从列表或ndarray等类型进行构建，也可根据指定的形状构建。importtorch#根据list数

Wis4e·2025-03-04 15:38

【北上广深杭大厂AI算法面试题】深度学习篇...Squeeze Excitation（SE）网络结构详解，附代码。（二）

【北上广深杭大厂AI算法面试题】深度学习篇…SqueezeExcitation（SE）网络结构详解，附代码。

努力毕业的小土博^_^·2025-03-04 14:07

BERT 和 Milvus 构建智能问答系统的全面技术解析，涵盖从原理到实践的完整流程

下面Python代码示例和优化策略：一、技术栈协作原理BERT的语义编码能力BERT作为预训练语言模型，通过双向Transformer结构将文本转换为高维向量（如768维），捕捉上下文语义信息。

·2025-03-04 14:28

GPU与CPU：架构对比与技术应用解析

GPU以其强大的并行计算能力，在深度学习、图像处理和科学计算等领域迅速崛起，而CPU则在通用计算任务中保持其核心地位。了解GPU与CPU的设计差异和适用场景

Hello.Reader·2025-03-04 12:50

python流水线自动化项目教程

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言1.项目环境准备Python安装选择Python开发环境安装必要库2.数据获取与理解4.模型训练流水线6.模型保存7.模型部署

小白教程·2025-03-04 12:46

推荐频道

深度学习训练