深度学习量化megengine 第9页

DQN深度强化学习：CartPole倒立摆任务（完整代码）

DQN（DeepQ-Network，深度Q网络）是Q-Learning的深度学习扩展，通过神经网络替代Q表的方式来解决高维状态空间问题（例如图像输入），开启了深度强化学习时代。它在2013年由Dee

林泽毅·2025-02-08 21:45

深度学习之DCGAN算法深度解析

DCGAN（DeepConvolutionalGenerativeAdversarialNetworks）算法解析1.DCGAN算法由来DCGAN（深度卷积生成对抗网络）是IanGoodfellow在2014年提出的GAN（生成对抗网络）的改进版本，由Radford等人在2015年的论文《UnsupervisedRepresentationLearningwithDeepConvolutional

贾斯汀玛尔斯·2025-02-08 20:08

撰写文献必用的评价指标之普通表格

深度学习文献撰写之普通表格文章目录深度学习文献撰写之普通表格前言一、普通表格总结前言用来撰写深度学习之智慧医疗领域的SIC文献必备一、普通表格表格需要自己设计，其中可以包含各种模型，后面对应各种评价指标

小辉同志·2025-02-08 20:37

大数据集群Spark-on-Yarn+Paddle深度学习模型部署

背景：因数据量较大，想要将模型部署到大数据集群上进行计算。测试环境：Spark版本：2.4.0Python版本：2.6.XPaddlePaddle版本：2.4.2处理器：CPU过程记录:1.python运行环境准备本人使用Anaconda管理虚拟环境。关于虚拟环境的准备：模型需要什么第三方库就安装哪些库，最后可以使用conda-pack打包虚拟环境。1.1conda-pack打包记录在虚拟环境里下

jqtree·2025-02-08 19:32

智能制造碳中和实战：基于深度学习的工业碳足迹实时监测与优化系统全解析

深度解析AI驱动的工业能耗智能管控体系——基于生产过程碳足迹实时监测的完整实战引言：智能制造的绿色革命在"双碳"目标驱动下，我国制造业正面临前所未有的能效升级挑战。传统能耗管理存在三大痛点：监测粒度粗放、响应滞后明显、优化缺乏依据。本方案基于DeepSeek-R1工业智能平台，构建了涵盖数据采集、特征工程、动态建模、实时优化的全栈解决方案，实现碳排放强度降低12-18%的实测效果。核心技术架构1.

Coderabo·2025-02-08 15:32

熬夜整理模型下载、量化、代码调用可免费使用离线部署的上千个国内外开源大模型梳理，整理开源的大语言模型，以规模较小、可私有化部署、训练成本较低的模型为主，包括底座模型，垂直领域微调及应用，数据集与教程等

熬夜整理模型下载、量化、代码调用，可免费使用离线部署的上千个国内外开源大模型梳理，整理开源的大语言模型，以规模较小、可私有化部署、训练成本较低的模型为主，包括底座模型，垂直领域微调及应用，数据集与教程等

代码讲故事·2025-02-08 15:32

深度学习的一些方向

深度学习的一些方向目录深度学习的一些方向一、多模态1.特征提取（featureextraction)2.文本转图像3.可视化问题回答二、计算机视觉1.深度估计（depthestimation)2.图像分类

xinpao·2025-02-08 15:32

【深度学习】L1损失、L2损失、L1正则化、L2正则化

文章目录1.L1损失（L1Loss）2.L2损失（L2Loss）3.L1正则化（L1Regularization）4.L2正则化（L2Regularization）5.总结5.1为什么L1正则化会产生稀疏解L2正则化会让权重变小L1损失、L2损失、L1正则化、L2正则化是机器学习中常用的损失函数和正则化技术，它们在优化过程中起着至关重要的作用。它们的作用分别在于如何计算模型误差和如何控制模型的复杂

小小小小祥·2025-02-08 15:31

李沐深度学习-多层感知机简洁实现

importtorchimportnumpyasnpimporttorch.nnasnnfromtorch.nnimportinitimporttorchvision.transformsastransformsimporttorch.utils.dataasDataimportsyssys.path.append("路径")importd2lzh_pytorchasd2lnum_inputs,n

大小猫吃猫饼干·2025-02-08 15:31

解读 52页汽车行业数字化转型报告顶层规划设计方案，解密汽车产业数字化顶层规划

年轻消费者汽车造型元素偏好：轻量化个性化智能化。

智慧化智能化数字化方案·2025-02-08 14:28

PyTorch深度学习实战（42）——图像字幕生成

PyTorch深度学习实战（42）——图像字幕生成0.前言1.图像字幕1.1基本概念1.2模型分析1.3数据集分析2.图像字幕生成模型小结系列链接0.前言图像字幕生成(Imagecaptioning)模型是一种将图像与对应描述文字关联起来的神经网络模型

盼小辉丶·2025-02-08 14:57

DeepSeek蒸馏模型：轻量化AI的演进与突破

目录引言一、知识蒸馏的技术逻辑与DeepSeek的实践1.1知识蒸馏的核心思想1.2DeepSeek的蒸馏架构设计二、DeepSeek蒸馏模型的性能优势2.1效率与成本的革命性提升2.2性能保留的突破2.3场景适应性的扩展三、应用场景与落地实践3.1智能客服系统的升级3.2边缘设备的AI赋能3.3实时交互体验的重构四、技术挑战与未来方向4.1当前面临的挑战4.2DeepSeek的技术路线图4.3行

张3蜂·2025-02-08 14:56

自学黑客（网络安全），一般人我劝你还是算了吧

基于入门网络安全/黑客打造的：黑客&网络安全入门&进阶学习资源包文章讲述了自学网络安全时常见的误区，如先学编程、过度追求深度学习以及收集过多资料，并提供了前期学习的硬件、软件选择建议，强调了基础编程知识和英文能力的重要性

网安周星星·2025-02-08 14:26

DEEPSEKK GPT等AI体的出现如何重构工厂数字化架构：从设备控制到ERP MES系统的全面优化

随着深度学习（DeepSeek）、GPT等先进AI技术的出现，工厂的数字化架构正在经历前所未有的变革。

有续技术·2025-02-08 14:25

【深度学习】不同领域中对于token的理解

在计算机科学中，“Token”这个术语通常指一串字符或符号在安全领域，它常常指代密钥或访问令牌在自然语言处理（NLP）中，Token通常是文本处理的最小单元，可能是一个单词、词组，或者一个符号如何理解token？假设要让AI识别一句话："Ilovenaturallanguageprocessing!"对于机器来说，它并不会直接理解这句话的含义，而是需要先将这句话拆解成一个个Token单元进行处理。

小小小小祥·2025-02-08 14:55

【DeepSeek】DeepSeek小模型蒸馏与本地部署深度解析DeepSeek小模型蒸馏与本地部署深度解析

为了克服这些挑战，DeepSeek引入了知识蒸馏技术，通过将大型模型的知识转移到小型模型中，实现了模型的轻量化。本文将深入探讨DeepSeek小模型蒸馏的原理，并提供详细的本地部署步

后端研发Marion·2025-02-08 14:24

2025自学黑客（网络安全），一般人学不来

目录：一、自学网络安全学习的误区和陷阱1.不要试图先成为一名程序员（以编程为基础的学习）再开始学习2.不要把深度学习作为入门第一课3.不要收集过多的资料二、学习网络安全的一些前期准备1.硬件选择2.软件选择

程序员羊羊·2025-02-08 12:10

大语言模型应用指南：Gemini简介

LLM基于深度学习技术，通过训练海量的文本数据，能够理解和生成自然语言，并在各种任务中展现出惊人的能力，例如：文本生成:写作故事、诗歌、新闻报道等机器翻译:将一种语言翻译成另一种语言问答系统:回答用户提出的问题代码生成

AI天才研究院·2025-02-08 11:03

深度学习的文本生成：从seq2seq到GPT2和GPT3

文章目录1.背景介绍1.1序列到序列（seq2seq）模型1.1.1编码器1.1.2解码器1.1.3训练1.2Transformer模型1.2.1自注意力机制1.2.2位置编码1.2.3多头注意力1.2.4训练1.3GPT（GenerativePre-trainedTransformer）模型1.3.1预训练1.3.2微调1.3.3生成1.4GPT-2和GPT-31.4.1GPT-21.4.2GP

AI天才研究院·2025-02-08 11:33

深度学习模型格式解析：PyTorch、AWQ 和 GPTQ

在深度学习领域，模型的存储和加载方式直接影响其运行效率、适用场景以及部署方式。

gs80140·2025-02-08 11:00

股票数据集成：优质API接口精选

在金融数据分析中，股票API为数据科学家和分析师提供精准的股票价格、公司财报及市场趋势数据，辅助量化分析和预测。在程序化交易领域，股票API是自动化交易系统的核心组成部分，允许

·2025-02-08 10:36

如何将加密货币情感情绪得分转化为量化交易信号

如何将加密货币情感情绪得分转化为量化交易信号数据来源于lunarcrushhttps://lunarcrush.com/developers/api/public/coins/:coin/time-series

朴拙Python交易猿·2025-02-08 09:52

AI 驱动的自动化测试框架：提升开发效率与质量

AI驱动的测试框架使用机器学习和深度学习技术，能够自动生成测试用例、智能分析测试结果，并根据历史数据和代码变更预测潜在

桂月二二·2025-02-08 09:19

AI编程工具合集

GPT-4o(OpenAI)这里是一些知名和广泛使用的AI编程工具及其简要介绍：1.框架和库(FrameworksandLibraries)-TensorFlow:由谷歌开发的开源深度学习框架，支持多种平台

109702008·2025-02-08 09:14

深度学习 - 神经网络的原理

##深度学习-神经网络的原理深度学习是机器学习的一个分支，其核心是模拟人脑神经网络的结构和功能，构建多层的神经网络模型，从数据中学习特征并进行预测或分类。**神经网络的基本原理：**1.

test猿·2025-02-08 09:43

【Python】已解决：WARNING: This is a development server. Do not use it in a production deployment. Use a p

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·2025-02-08 09:12

教你如何免费获取股票数据用python、JavaScript (Node.js)、JAVA等多种语言的实例代码演示（实时数据、历史数据、CDMA、KDJ等指标数据）配有股票数据API接口说明文档说明

近一两年来，股票量化分析逐渐受到广泛关注。而作为这一领域的初学者，首先需要面对的挑战就是如何获取全面且准确的股票数据。

Athena二哈·2025-02-08 08:40

【RAG知识库】本地搭建chatgpt知识库

实现原理如下图所示，过程包括加载文件->读取文本->文本分割->文本向量化->问句向量化->在文本向量中匹配出与问句向量最相似的topk个->匹配出的文本作为上下文和问题一起添加到prompt中->提交给

LLM教程·2025-02-08 06:23

Python + DeepSeek 完美结合：本地部署提效指南

随着生成式AI和深度学习技术的快速发展，如何将智能搜索工具与本地部署结合以提升效率成为了许多企业和开发者关注的重点。

Python测试之道·2025-02-08 06:50

AI大语言模型的全面解读

一、大语言模型的定义大语言模型是深度学习的应用之一，尤其在自然语言处理（N

草莓屁屁我不吃·2025-02-08 05:48

小咖批量剪辑助手款视频批量自动剪辑软件

小咖批量剪辑助手是一款视频批量自动剪辑软件，具有智能化、批量化、操作简单等特点。该软件适用于自动化处理和生产视频，旨在帮助用户实现批量化生产产品推广视频的功能。

VX---danmo0278·2025-02-08 04:11

运用Faster RCNN、YOLO经典目标检测算法对滑坡图像进行检测

本次实验采用的操作系统为Ubuntu16.04平台，编程环境基于Python，GPU为NVIDIAGeForce740m，在基于深度学习框架CAFFE下进行实验。实验输出结果

AngeliaZ·2025-02-08 04:10

Python高效量化的选择-fengwo模块

Python高效量化的选择-fengwo模块关于fengwo模块使用环境使用及函数说明1.引入模块2.通用说明3.基础函数4.指标类函数5.进阶函数6.通达信公式DLL函数（Windows专用，Linux

kogj·2025-02-08 02:57

deepseek大模型-初探

引言：许多专家学者们对深度学习的工具属性日益敏感，并逐步分成了两派，一派觉得深度学习并不可靠，可能用来做一做行业应用尚可，但是对于科学问题的探索并不可靠；另一方面，大模型虽然精准性不足，但是在帮助人们理解和学习新知识以及做一些简单的规划任务上展现出惊人潜力

Robo-网络矿产提炼工·2025-02-08 00:43

Python 基于 TCP 传输协议的网络通信实现

Python微信订餐小程序课程视频https://edu.csdn.net/course/detail/36074Python实战量化交易理财系统https://edu.csdn.net/course/

pythonxxoo·2025-02-07 23:11

《量化绿皮书》Chapter 2 Brain Teasers 脑筋急转弯

《APracticalGuideToQuantitativeFinanceInterviews》，被称为量化绿皮书，是经典的量化求职刷题书籍之一，包含以下七章：Chapter1GeneralPrinciples

量仔搞靓化·2025-02-07 22:03

6个最佳实体检测API，可准确返回实体的名称

在高级深度学习和机器学习模型的支持下，命名实体识别技术正被产品经理用来创建人工智能支持的工具，并将其应用到各行各业的智能平台中。

·2025-02-07 21:12

使用线性回归模型逼近目标模型 | PyTorch 深度学习实战

前一篇文章，计算图ComputeGraph和自动求导Autograd|PyTorch深度学习实战本系列文章GitHubRepo:https://github.com/hailiang-wang/pytorch-get-started

Chatopera 研发团队·2025-02-07 21:56

自动驾驶领域成长方案

高等数学、线性代数、概率论与数理统计、数值分析等），为理解算法和模型提供数学基础；深入研究自动驾驶涉及的专业课程，如控制理论、传感器原理（激光雷达、摄像头、毫米波雷达等）、机器学习（监督学习、无监督学习、深度学习

树上求索·2025-02-07 18:42

工具 | 蓝耘元生代智算云在本地部署DeepSeek R1模型详细教程

蓝耘元生代智算云账号注册与配置四、DeepSeekR1模型下载与准备4.1模型获取途径4.2模型文件结构与说明4.3模型预处理五、基于蓝耘元生代智算云的本地部署步骤5.1连接蓝耘元生代智算云5.2创建深度学习环境

xcLeigh·2025-02-07 15:22

torch库介绍

AutomaticDifferentiation）：神经网络模块（nn.Module）优化器（Optimizer）：导入torch示例构建神经网络总结torch是一个广泛使用的开源机器学习库，它提供了丰富的功能来支持深度学习研究和开发

codelyq·2025-02-07 15:22

深度搜索MoE：利用大规模预训练模型提升信息检索效能

它旨在通过深度学习技术，提高搜索结果的相关性和准确性，以满足用户在海量数据

杭律沛Meris·2025-02-07 15:20

Python/torch/深度学习——numpy库

Python/torch/深度学习——numpy库文章目录Python/torch/深度学习——numpy库前言numpy库版本版本变化变化1numpy库安装前言关于Numpy库的碎碎念，想到点记录下numpy

eagle_Annie·2025-02-07 15:49

AIGC技术内幕：底层架构与工作原理

目录AIGC技术内幕：底层架构与工作原理背景底层架构1.代码建议模块2.代码审查模块3.项目管理模块工作原理结论AIGC技术内幕：底层架构与工作原理背景AI对话大师是一种基于深度学习的聊天生成语言大模型

牛肉胡辣汤·2025-02-07 15:48

股指期权是什么？沪深300股指期权合约每张多少钱？

艾略特波浪理论 -江恩理论-海龟交易法则·2025-02-07 14:16

MOE-conformer 流式多语种语音识别

MOE(MixtureofExperts)：MOE是一种通过专家混合来实现深度学习模型的方法，主要有以下特点：MOE由多个专家(Excpert)组成，每个专家是一个独立的神经网络(可以是MLP、CNN、

深度学习-视听觉·2025-02-07 14:16

100.5 AI量化面试题：在使用LSTM预测股票价格时，如何有效处理金融时间序列的非平稳性？

目录0.承前1.数据预处理1.1平稳性检验1.2数据转换2.特征工程2.1技术指标构建2.2时间特征提取3.LSTM模型设计3.1数据准备3.2模型架构4.训练与验证4.1时序交叉验证4.2滚动预测5.回答话术0.承前本文详细介绍使用LSTM处理金融时间序列时的关键技术点，包括数据预处理、特征工程、模型设计和验证方法。如果想更加全面清晰地了解金融资产组合模型进化论的体系架构，可参考：0.金融资产组

AI量金术师·2025-02-07 14:45

大语言模型原理基础与前沿高效的MoE架构

大语言模型原理基础与前沿高效的MoE架构关键词：大语言模型，MoE架构，参数高效微调，分布式训练，模型压缩，推理加速1.背景介绍1.1问题的由来随着深度学习技术的飞速发展，大语言模型（LargeLanguageModels

AI架构设计之禅·2025-02-07 13:39

ReLU激活函数的定义

ReLU（RectifiedLinearUnit，修正线性单元）是一种非常流行的激活函数，广泛应用于深度学习模型中，尤其是在卷积神经网络（CNN）中。

人工智能专属驿站·2025-02-07 13:34

基于深度学习的行人摔倒检测识别系统 —— 使用YOLOv5实现行人摔倒检测

目录引言项目背景与目标1.1项目背景1.2项目目标系统设计与架构2.1系统功能概述2.2系统架构数据准备与处理3.1数据集选择与收集3.2数据标注3.3数据集划分YOLOv5模型训练与优化4.1YOLOv5配置文件4.2安装YOLOv5并开始训练4.3模型评估与优化摔倒行为识别与推理5.1加载模型进行推理5.2UI界面设计5.3实时检测总结未来展望引言行人摔倒检测（FallDetection）系统

2025年数学建模美赛·2025-02-07 13:34

推荐频道

深度学习量化megengine