深度学习训练第30页

【深度学习】Transformer入门：通俗易懂的介绍

【深度学习】Transformer入门：通俗易懂的介绍一、引言二、从前的“读句子”方式三、Transformer的“超级阅读能力”四、Transformer是怎么做到的？

知识靠谱·2025-02-26 07:12

Qwen2.5 技术报告

与之前的迭代相比，Qwen2.5在预训练和后训练阶段都有显著的改进。在预训练方面，将高质量的预训练数据集从之前的7万亿个token扩展到18万亿个token，为常识、专家知识和推理能力提供坚实的基础。

三谷秋水·2025-02-26 07:11

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

GAN（GenerativeAdversarialNetwork）代表了深度学习中生成建模的尖端方法，通常利用卷积神经网络等架构。

算法资料吧！·2025-02-26 06:06

golang深度学习-基础篇

基础数据结构及类型字符型-stringstring是Go标准库buildin内置的一个基础数据类型。string是由8比特字节的集合，通常不一定是UTF-8编码的文本。string可以为空(长度为0)，但不会是nil。stringisthesetofallstringsof8-bitbytes,conventionallybutnotnecessarilyrepresentingUTF-8-enc

老狼伙计·2025-02-26 06:34

Golang深度学习

前言在2009年，Google公司发布了一种新的编程语言，名为Go（或称为Golang），旨在提高编程效率、简化并发编程，并提供强大的标准库支持。Go语言的设计者们希望通过Go语言能够解决软件开发中的一些长期存在的问题，比如并发编程的复杂性、垃圾回收机制的效率以及跨平台的兼容性等。以下是Go语言的一些关键背景和特性：并发编程Go语言内置了并发原语，如goroutines和channels，这使得并

老狼伙计·2025-02-26 06:32

代码随想录算法训练营Day57 | 拓扑排序精讲、dijkstra（朴素版）精讲

文章目录117.软件构建思路与重点47.参加科学大会思路与重点117.软件构建题目链接：117.软件构建讲解链接：代码随想录状态：一遍AC。思路与重点概括来说，给出一个有向图，把这个有向图转成线性的排序就叫拓扑排序。拓扑排序也是图论中判断有向无环图的常用方法。拓扑排序模板题。#include#include#include#includeusingnamespacestd;intmain(){in

Harryline-lx·2025-02-26 06:01

代码随想录算法训练营第58天|拓扑排序精讲、dijkstra（朴素版）精讲

打卡Day581.拓扑排序精讲2.dijkstra（朴素版）精讲1.拓扑排序精讲题目链接：拓扑排序精讲文档讲解：代码随想录给出一个有向图，把这个有向图转成线性的排序就叫拓扑排序。拓扑排序要检测这个有向图是否有环，即存在循环依赖的情况，因为这种情况是不能做线性排序的。所以拓扑排序是图论中判断有向无环图的常用方法。拓扑排序的过程，有两步，第一步，找到入度为0的节点，加入结果集；第二步，将该节点从图中移

Yinems·2025-02-26 05:57

DeepSeek的开源之路:一文读懂从V1-R1的技术发展,见证从开源新秀到推理革命的领跑者

随着模型规模的不断扩大，算力需求呈指数级增长，训练成本飙升，而性能提升的边际收益却逐渐递减，形成了所谓的“ScalingLaw”瓶颈。

·2025-02-26 05:05

DeepSeek Coder

以下是对该模型的详细分析：模型背景与特点模型规模与训练数据：DeepSeekCoder系列模型从头开始训练，覆盖了超过80种编程语言，总参数量从1B到33B不等，其中包含基础版和指令调优版。

百态老人·2025-02-26 05:24

深度求索：解析DeepSeek R1与V3模型的技术差异

深度求索：解析DeepSeekR1与V3模型的技术差异引言模型定位与核心能力DeepSeekV3应用场景及示例DeepSeekR1应用场景及示例模型架构与训练方法DeepSeekV3的架构特点DeepSeekR1

walkskyer·2025-02-26 05:53

【百问百答系列】-全面了解Transformer（未来发展）

但随着一个一个问题的深入探究，从它的基本概念、原理架构，到如何训练、模型优化，再到其广泛的应用领域以及充满潜力的未来发展，我对它的理解也越来越深刻。

什么都想学的阿超·2025-02-26 04:51

37、深度学习-自学之路-自己搭建深度学习框架-2、自动梯度计算

importnumpyasnpclassTensor(object):'''importnumpyasnp：导入numpy库，用于处理数组相关操作。classTensor(object)：定义了一个名为Tensor的类，继承自object。__init__方法是类的构造函数，用于初始化Tensor对象：self.data=np.array(data)：将传入的data转换为numpy数组并存储在s

小宇爱·2025-02-26 04:46

基于深度学习的行人跌倒检测系统：UI 界面 + YOLOv5 + 数据集详解

本文将详细介绍如何基于YOLOv5构建一个行人跌倒检测系统，并设计相应的用户界面，结合深度学习技术实现实时检测。

深度学习&目标检测实战项目·2025-02-26 03:45

大模型是如何蒸馏像Qwen-7B，Llama-3 这种小模型的？

2.蒸馏数据的使用与模型归属蒸馏技术的作用：DeepSeek将自研大模型（如DeepSeek-R1）生成的80万条高质量解题数据（称为“蒸馏数据”）用于训练Qwen、Llam

闫哥大数据·2025-02-26 03:12

DeepSeek动态增量学习技术详解与实战指南

一、主题背景1.Why：破解模型持续进化难题传统全量训练模式面临三大困境：金融风控场景中，每周新增百万级欺诈样本时，全量训练耗时从3小时增至8小时（数据量年增长300%）医疗影像诊断模型遇到新病症类型时

燃灯工作室·2025-02-26 02:09

GLake：优化GPU内存管理与IO传输的开源项目

GLake：突破GPU内存和IO瓶颈的利器在人工智能快速发展的今天，大模型训练和推理正面临着严峻的挑战。

2401_87458718·2025-02-26 02:35

DeepSeek技术解析：降本增效的“双刃剑”如何重塑AI产业？

正面影响分析算力需求与成本大幅降低DeepSeek通过算法优化（如稀疏计算、知识蒸馏）和模型压缩技术，将云端训练算力需求降至传统大模型的35%，车端推理芯片需求减少至65%。

爱吃青菜的大力水手·2025-02-26 01:29

DeepSeek：突破闭源封锁，引领大模型新时代

然而，大模型的训练和部署往往面临着硬件依赖性强、成本高昂、效率低下等挑战。DeepSeek的出现，为解决这些问题提供了全新的思路和方案。

fanstinmsl·2025-02-26 01:59

大模型学习路线与资源推荐

深度学习入门神经网

数字化转型2025·2025-02-26 01:27

机器学习与深度学习在辣椒病虫害识别中的集成分析（实验室环境）

结果:本研究将传统方法提取的辣椒病虫害特征与基于深度学习方法提取的特征进行了比较。***共采集辣椒叶片图像974张，由5种病

@@南风·2025-02-26 00:53

python 语音转文本中文——DeepSpeech

DeepSpeech简介与音频转文本实践DeepSpeech是由Mozilla开发的一种开源语音识别引擎，基于深度学习技术，采用端到端架构，可以高效地将语音转换为文本。

drebander·2025-02-26 00:51

Pytorch:以CIFAR-10分类为例，给出了神经网络的训练流程

下面给出了神经网络的训练流程，包括数据加载与预处理、网络定义、损失函数和优化器定义、网络训练和网络测试。

Xiao_Ya__·2025-02-25 23:49

[C++]使用纯opencv部署yolov12目标检测onnx模型

yolov12官方框架：sunsmarterjie/yolov12【算法介绍】在C++中使用纯OpenCV部署YOLOv12进行目标检测是一项具有挑战性的任务，因为YOLOv12通常是用PyTorch等深度学习框架实现的

FL1623863129·2025-02-25 23:18

梯度累加（结合DDP）梯度检查点

梯度累加目的梯度累积是一种训练神经网络的技术，主要用于在内存有限的情况下处理较大的批量大小（batchsize）。

糖葫芦君·2025-02-25 23:16

支持向量机（Support Vector Machine，SVM）

这个间隔被定义为支持向量到超平面的最短距离，而支持向量就是那些恰好位于间隔边缘上的训练样本点。

不易撞的网名·2025-02-25 23:15

Tensorflow2.x框架-神经网络八股扩展-acc曲线与loss曲线

目录摘要一、acc曲线与loss曲线二、完整代码摘要loss/loss可视化，可视化出准确率上升、损失函数下降的过程一、acc曲线与loss曲线history=model.fit(训练集数据,训练集标签

诗雨时·2025-02-25 23:15

DeepSeek强化学习（Reinforcement Learning）基础与实践

引言强化学习（ReinforcementLearning,RL）是机器学习的一个重要分支，专注于训练智能体（Agent）在环境中通过试错来学习最优策略。

Evaporator Core·2025-02-25 23:44

无人机实战系列（二）本地摄像头 + Depth-Anything V2

这篇文章介绍了如何在本地运行Depth-AnythingV2，因为我使用的无人机是Tello，其本身仅提供了一个单目视觉相机，在众多单目视觉转Depth的方案中我选择了Depth-AnythingV2，这个库的强大在于其基于深度学习模型将单目视觉以较低的代价转换成

nenchoumi3119·2025-02-25 23:42

深度学习笔记——循环神经网络RNN

好评笔记·2025-02-25 22:10

第三讲-神经网络八股

一、搭建神经网络六部法tf.keras搭建神经网络六部法1、import相关模块 2、train,test #训练集、测试集3、model=tf.keras.models.Sequential #逐层搭建网络结构

loveysuxin·2025-02-25 22:38

人工智能、机器学习、深度学习、集成学习及大模型的定义与联系

在当今快速发展的科技领域，人工智能（ArtificialIntelligence,AI）、机器学习（MachineLearning,ML）、深度学习（DeepLearning,DL）、集成学习（EnsembleLearning

大模型玩家·2025-02-25 22:38

神经网络八股（3）

梯度爆炸是指梯度在方向传播过程中逐渐变大，权重参数更新变化较大，导致损失函数的上下跳动，导致训练不稳定可以使用一些合理的损失函数如relu,leakRelu，归一化处理，batchnorm,确保神经元的输出值在合理的范围内

SylviaW08·2025-02-25 22:37

机器学习笔记——特征工程

好评笔记·2025-02-25 22:37

DeepSeek基础之机器学习

重点理解与思考（一）泛化能力的重要性（二）归纳偏好的影响（三）NFL定理的启示三、应用场景联想（一）电商推荐系统（二）医疗诊断四、机器学习的基本流程（一）问题定义（二）数据收集与预处理（三）模型选择与训练

珠峰日记·2025-02-25 22:07

【PyTorch项目实战】图像分割 —— U-Net：Semantic segmentation with PyTorch

文章目录一、项目介绍二、项目实战2.1、环境搭建2.1.1、下载源码2.1.2、下载预训练模型2.1.3、下载训练集2.2、环境配置2.3、代码优化+架构优化2.4、模型预测：predict.pyU-Net

胖墩会武术·2025-02-25 21:04

YoloV8训练参数篇

这个参数用于标识当前训练任务所属的项目，方便管理和组织多个训练任务。name:实验名称。该参数为当前训练任务指定一个名称，以便于标识和区分不同的实验。exist_ok:是否覆盖现有的实验。

江木27·2025-02-25 21:03

Python微调DeepSeek-R1-Distill-Qwen-1.5B模型：使用Transformers和PyTorch进行训练

前言近年来，基于Transformer架构的预训练语言模型如GPT、BERT等已经取得了显著的成果，广泛应用于自然语言处理（NLP）的各个领域。

煤炭里de黑猫·2025-02-25 21:02

基于UNet对DRIVE视网膜进行图像分割

本专栏整理了《PyTorch深度学习项目实战100例》，内包含了各种不同的深度学习项目，包含项目原理以及源码，每一个项目实例都附带有完整的代码+数据集。

海洋之心·2025-02-25 21:31

针对视频内容进行检测开源项目

它基于深度学习模型，能够实时分析视频帧并给出概率值，判断内容是否涉及黄色。2.**Watsor**Watsor是一个开源项目，支持实时视频流的物体检测。

红豆和绿豆·2025-02-25 20:54

机器学习01

机器学习的基本过程如下：1.数据获取2.数据划分3.特征提取4.模型选择与训练5.模型评估6.模型调优一、特征工程（重点）0.特征工程步骤为：特征提取(如果不是像dataframe那样的数据，要进行特征提取

天行者@·2025-02-25 20:53

机器学习02

HoldOutHoldOutCross-validation（Train-TestSplit）优点1.简单高效操作简便：这种方法的实现非常直接，只需要将原始数据集按照一定比例（常见的如70:30、80:20等）随机划分为训练集和测试集

天行者@·2025-02-25 20:53

细说向量化知识库

大多数LLM依赖其训练数据来回答问题，但它们的知识是静态的，无法实时更新。

CCSBRIDGE·2025-02-25 18:41

探秘 DeepSeek 硬件适配：GPU/TPU/NPU 异构计算原理剖析

一、引言在深度学习领域蓬勃发展的浪潮中，硬件作为支撑技术腾飞的基石，其适配与协同能力成为决定深度学习应用效能的关键因素。

FinkGO小码·2025-02-25 18:11

AI安全全景解析：从数据到模型的全方位防护

一、AI安全核心风险矩阵风险类型典型场景技术影响数据投毒训练数据被恶意篡改模型准确性下降模型窃取黑盒攻击获取模型参数知识产权泄露对

金外飞176·2025-02-25 18:09

目标检测进化史：从R-CNN到YOLOv11，技术的狂飙之路

随着深度学习技术的飞速发展，目标检测算法也取得了巨大的突破，从最初的R-CNN到如今的YOLOv11，每一次的技术演进都为该领域带来了新的活力和可能性。

紫雾凌寒·2025-02-25 17:32

论文学习3：深度学习增强的光声成像（PAI）的最新进展（综述）

深度学习（DL）在解决PAI中存在的技术限制（如硬件限制、生物特征信息缺乏等）方面的潜力。2.DL方法的原理介绍DL的子集：监督学习、无监督学习和强化学习。

superace7911·2025-02-25 15:50

Pytorch实现之混合成员GAN训练自己的数据集

简介简介：提出一种新的MMGAN架构，使用常见生成器分布的混合对每个数据分布进行建模。由于生成器在多个真实数据分布之间共享，高度共享的生成器（通过混合权重反映）捕获分布的公共方面，而非共享的生成器捕获独特方面。论文题目：MIXEDMEMBERSHIPGENERATIVEADVERSARIALNETWORKS（混合成员生成对抗网络）会议：IEEEInternationalConferenceonIm

这张生成的图像能检测吗·2025-02-25 15:18

9、论文阅读：无监督的感知驱动深水下图像增强

Perception-DrivenDeepUnderwaterImageEnhancementWithoutPairedSupervision前言引言相关工作UIE模型基于非物理模型基于物理模型基于深度学习质量度量在图像增强中的应用方法论问题表述

Maker~·2025-02-25 15:18

阅读笔记：ViLBERT: Pretraining Task-Agnostic Visiolinguistic Representations for Vision-and-Language Task

PretrainingTask-AgnosticVisiolinguisticRepresentationsforVision-and-LanguageTasksContribution提出ViLBERT模型（twostreamsmodel），由两个BERT结构分别对text和image进行学习，通过cross-attention进行信息交流，在两个预训练任务

Araloak·2025-02-25 14:44

Did you forget to `#include ＜pybind11/stl.h＞`? Or ＜pybind11/complex.h＞,＜pybind11/functional.h＞

项目场景：基于深度学习的三维点云可视化问题描述：Traceback(mostrecentcalllast):File".

沉迷单车的追风少年·2025-02-25 14:40

推荐频道

深度学习训练