深度学习pytorch机器学习第23页

PyTorch数据加载：实战入门

当我们刚开始学习深度学习时，常常会这样处理数据：#传统方式加载数据images=[...]#所有图片数据labels=[...]

秋‍.·2025-03-03 01:43

大模型国产化迁移大模型到昇腾教程（Pytorch版）

大模型国产化适配10-快速迁移大模型到昇腾910B保姆级教程（Pytorch版）随着ChatGPT的火爆，AI大模型时代来临，但算力紧张。中美贸易战及美国制裁AI芯片，国产化势在必行。

科技互联人生·2025-03-03 01:42

大模型微调入门（Transformers + Pytorch）

目标输入：你是谁？输出：我们预训练的名字。训练为了性能好下载小参数模型，普通机器都能运行。下载模型#方式1：使用魔搭社区SDK下载#down_deepseek.pyfrommodelscopeimportsnapshot_downloadmodel_dir=snapshot_download('deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B')#方式2：gitl

昵称不能为null·2025-03-03 00:06

计算机视觉实战：YOLOv8在工业质检中的应用（附完整代码+数据集）

关键词：YOLOv8、目标检测、工业质检、缺陷识别、PyTorch一、为什么选择YOLOv8做工业质检？1.1工业质检的三大痛点人工成本高：传

emmm形成中·2025-03-03 00:03

RNN原理+实战 pytorch--lstm--gru

rnn原理：https://blog.csdn.net/qq_39422642/article/details/78676567其中每个圆圈可以看作是一个单元，而且每个单元做的事情也是一样的，因此可以折叠呈左半图的样子。用一句话解释RNN，就是一个单元结构重复使用。RNN中的结构细节：1.可以把StSt当作隐状态，捕捉了之前时间点上的信息。就像你去考研一样，考的时候记住了你能记住的所有信息。2.o

甜辣uu·2025-03-02 23:30

深度学习-136-LangGraph之应用实例(五)构建RAG问答系统同时从不同的角度对比优化效果

文章目录1大语言模型2小粒度分割文档2.1处理文本构建Document2.2向量存储2.3创建图2.4测试调用3大粒度分割文档3.1构建Document3.2向量存储3.3创建图3.4测试调用4总结与优化4.1问题分析4.2对比不同的返回文档数4.3对比不同的嵌入模型4.3.1嵌入模型nomic-embed-text4.3.2嵌入模型bge-m34.4对比不同的大模型4.4.1大模型qwen2:7

皮皮冰燃·2025-03-02 23:59

大语言模型技术专栏（三）：Attention机制——从RNN到Transformer的惊世一跃！

文章目录概要一、Attention机制：让AI学会「划重点」二、Attention机制的核心原理三、Self-Attention：Transformer的核心四、代码实战：用PyTorch实现Attention

北海yy·2025-03-02 22:53

56、深度学习-自学之路-自己搭建深度学习框架-17、关于为什么LSTM可以解决RNN的梯度爆炸和梯度消失的问题的解析。

我的话太苍白，你们可以去哔哩哔哩上搜索一个"大白话讲解LSTM长短期记忆网络如何缓解梯度消失，手把手公式推导反向传播”不仅仅解释了为什么，还把公式的推导也给了出来。讲的已经非常好了。还可以看一下他的专辑内容，其中有RNN，LSTM,GRU的详细解释。比我说的好。

小宇爱·2025-03-02 22:23

Transformer 代码剖析7 - 词元嵌入(TokenEmbedding) （pytorch实现）

一、类定义与继承关系剖析1.1代码结构图示神经网络基础模块词嵌入基类自定义词元嵌入构造函数定义基类初始化词汇量参数维度参数填充标识参数1.2代码实现精讲"""@author:Hyunwoong@when:2019-10-22@homepage:https://github.com/gusdnd852"""fromtorchimportnnclassTokenEmbedding(nn.Embeddi

lczdyx·2025-03-02 22:50

卷积神经网络（Convolutional Neural Network，CNN）详细解释（带示例）

目录卷积神经网络示例Python案例代码解释卷积神经网络概述：卷积神经网络是一种专门为处理具有网格结构数据（如图像、音频）而设计的深度学习模型。

浪九天·2025-03-02 21:19

如何学习训练大模型——100条建议（附详细说明）_如何训练自己的大模型_大模型如何训练

通过不断学习、实践和探索，可以不断提升自己在深度学习领域的技能和洞察力，同时也能为社会和行业带来创新和改进。从小规模的项目和模型开始，逐渐迭代和扩展到更大的模型，逐步

大耳朵爱学习·2025-03-02 21:18

DeepSeek在地铁应急响应与处理中的具体实现方案，包括技术架构、功能实现和代码示例：

通过深度学习算法（如目标检测和行为识别）对视频流进行分析，结合传感器数据，快速识别突发事件。自动警报触发：一旦检测到异常事件（如火灾、拥挤踩踏），系统立即通过预设的警报机制

人工智能专属驿站·2025-03-02 20:07

使用深度学习模型U-Net进行训练基于哨兵2的作物分割数据集。PyTorch框架为例，如何构建和训练U-Net模型来完成基于哨兵2的作物分割检测

使用深度学习模型如U-Net进行训练基于哨兵2的作物分割。

计算机C9硕士_算法工程师·2025-03-02 20:04

matlab连接散射点,使用小波散射做信号分类

在时间序列信号的深度学习第二部分，我们将介绍一下怎样使用小波散射做信号分类。本视频将分为两部分。第一部分中我们已经简单介绍一下深度学习，包括它的概念和工作流程等。

死月絲卡蕾特·2025-03-02 18:21

因果推断在智能广告中的实践

这个项目将涉及复杂的数据分析、机器学习和广告投放系统，我们需要仔细考虑各个方面以确保系统的有效性和可扩展性。

AI天才研究院·2025-03-02 18:50

周志华机器学习西瓜书第五章神经网络-学习笔记(超详细)

在机器学习中，神经网络一般指的是"神经网络学习"，是机器学习与神经网络两个学科的交叉部分。

Sodas（填坑中....）·2025-03-02 18:50

编程小白冲Kaggle每日打卡（17）--kaggle学堂：＜机器学习简介＞随机森林

RandomForests使用更复杂的机器学习算法。介绍决策树给你留下了一个艰难的决定。一棵有很多叶子的深树会被过度拟合，因为每一个预测都来自它叶子上少数房子的历史数据。

AZmax01·2025-03-02 17:18

Matlab 大量接单

分享一个matlab接私活、兼职的平台1、技术方向满足任一即可2、技术要求3、最后技术方向满足即可MATLAB：熟练掌握MATLAB编程语言，能够使用MATLAB进行数据处理、机器学习和深度学习等相关工作

matlabgoodboy·2025-03-02 17:45

fp8、fp16和bp16的区别

bitFloatingPoint)2.FP16(16-bitFloatingPoint)3.BP16(BrainFloatingPoint)4.总结FP8、FP16和BP16是指不同精度的浮点数格式，主要用于计算机图形学和机器学习等领域

SmallerFL·2025-03-02 16:10

深度学习五大模型：CNN、Transformer、BERT、RNN、GAN解析

今天探讨它们各自适用的场景，让您知道在何种情况下选择何种模型；同时分析它们的优势与局限，助您全面评估这些模型的性能。一、卷积神经网络（ConvolutionalNeuralNetwork,CNN）原理：CNN主要由卷积层、池化层和全连接层组成。卷积层通过卷积核在输入数据上进行卷积运算，提取局部特征；池化层则对特征图进行下采样，降低特征维度，同时保留主要特征；全连接层将特征图展开为一维向量，并进行分

大模型_学习路线·2025-03-02 16:04

数据挖掘实习面经一

写在前面：其实数据挖掘、风控、机器学习算法与搜广推的八股还是有重合的部分，毕竟都是面对结构化数据。

Y1nhl·2025-03-02 15:58

Slurm作业调度系统常见操作（使用超算运行深度学习）

1.传输下载文件sftp远程命令cd,pwd等，本地命令lcd,lpwdget远程地址本地地址put本地地址远程地址上传文件夹1.在远程建立和本地一样名称的文件夹如data/2.put-rdata/2.建立虚拟环境moduleloadpython/3.8#加载modulevirtualenv--no-downloadENV#建立一个叫ENV的虚拟环境激活虚拟环境sourceENV/bin/acti

坐在云朵上的kiwi·2025-03-02 15:55

深度学习框架之主流学习框架

深度学习框架是一类专门设计用来简化和加速神经网络模型开发过程的软件工具。它们提供了构建、训练和部署神经网络所需的各种功能和库。

uu1224·2025-03-02 14:17

pytorch 机械臂逆运动学迭代数值解

https://github.com/UM-ARM-Lab/pytorch_kinematics分享一个求解运动学逆解的第三方库pytorch_kinematics，以下是我写的一份集成样例。

chase。·2025-03-02 14:12

Linux进程间的关系

Linux进程间的关系前言一、进程组二、会话三、ps命令查看进程间的关系四、系统资源限制五、改变工作目录和根目录六、服务器程序后台化前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要

油菜花的菜·2025-03-02 13:40

【Pytorch】基于LSTM-KAN、BiLSTM-KAN、GRU-KAN、TCN-KAN、Transformer-KAN(各种KAN修改一行代码搞定)的共享单车租赁预测研究(数据可换)Python

欢迎来到本博客❤️❤️博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️座右铭：行百里者，半于九十。本文目录如下：目录⛳️赠与读者1概述一、研究背景与意义二、TCN与KAN简介三、基于TCN-KAN的共享单车租赁预测模型四、研究挑战与展望基于LSTM-KAN、BiLSTM-KAN、GRU-KAN、TCN-KAN、Transformer-KAN的共享单车租赁预测研究1.引言2.模型介绍

冒泡芳·2025-03-02 13:08

Transformer 代码剖析9 - 解码器模块Decoder （pytorch实现）

一、模块架构全景图1.1核心功能定位Transformer解码器是序列生成任务的核心组件，负责根据编码器输出和已生成序列预测下一个目标符号。其独特的三级注意力机制架构使其在机器翻译、文本生成等任务中表现出色。下面是解码器在Transformer架构中的定位示意图：解码器层组件解码器内部结构Transformer自注意力交叉注意力前馈网络残差连接+层归一化嵌入层位置编码解码器层1解码器层2...解码

lczdyx·2025-03-02 13:05

Pytorch神经网络魔改之：模型融合 - 速通（1）

本文将以几种常见方法为例，介绍如何进行Pytorch神经网络的模型融合：1.子模型串联(SequentialConcatenation)在这个方法中，输入数据x首先通过FeatureExtractor(

lczdyx·2025-03-02 13:05

Transformer预测 | 基于TCN-Transformer的股票价格预测（Pytorch）

文章目录预测效果文章概述程序设计参考资料预测效果文章概述Transformer预测|基于TCN-Transformer的股票价格预测（Python）Transformer模型本质上都是预训练语言模型，大都采用自监督学习(Self-supervisedlearning)的方式在大量生语料上进行训练，也就是说，训练这些Transformer模型完全不需要人工标注数据。Transformer模型的标志就

机器学习之心·2025-03-02 13:35

win11编译pytorchvision cuda128版本流程

1.前置条件本篇续接自win11编译pytorchcuda128版本流程，阅读前请先参考上一篇配置环境。

System_sleep·2025-03-02 13:04

零基础程序员如何快速学会python

学会Python能做的事情也很多，常见的就有网络爬虫，数据分析，前端开发，机器学习，都能很好地提高工作效率，往任何一个领域发展，工作前景是非常不错的。

Java进阶营菌·2025-03-02 12:28

DeepSeek应用场景及其解决的问题

DeepSeek是一种基于深度学习的智能技术，能够处理复杂的非结构化数据（如文本、图像、语音等），并在企业级应用开发中发挥重要作用。

杏花春雨江南·2025-03-02 11:18

机器学习第一章绪论

1.1引言什么是机器学习（machinelearning）？机器学习是致力于研究如何通过计算手段，利用经验来改善系统自身的性能的学科。在计算机系统中，“经验”以“数据”的形式表现。

太炀·2025-03-02 11:16

模型优化之强化学习（RL）与监督微调（SFT）的区别和联系

强化学习（RL）与监督微调（SFT）是机器学习中两种重要的模型优化方法，它们在目标、数据依赖、应用场景及实现方式上既有联系又有区别。

搏博·2025-03-02 10:08

入门Apache Spark：基础知识和架构解析

它最初设计用于支持分布式计算框架MapReduce的交互式查询，但逐渐发展成为一种更通用的数据处理引擎，能够处理数据流、批处理和机器学习等工作负载。

juer_0001·2025-03-02 08:19

pytorch与深度学习随记——AlexNet

AlexNet和LeNet的设计理念非常相似，但也存在显著差异：基本结构对比网络深度：AlexNet比LeNet-5要深得多，AlexNet由八层组成：五个卷积层、两个全连接隐藏层和一个全连接输出层。激活函数：AlexNet使用ReLU而不是sigmoid作为其激活函数，这有助于缓解梯度消失问题并加速训练过程。AlexNet架构的创新点局部响应归一化(LRN)：AlexNet引入LRN层，可以创建

黑色的山岗在沉睡·2025-03-02 08:46

深度学习-138-LangGraph之应用实例(七)构建自动绘图系统

文章目录1初始化核心功能1.1大语言模型1.2结构化输出1.3搜索引擎1.4Python执行环境2编排流2.1创建图2.2可视化图2.3应用图3绘图指定线型4添加工具增强4.1执行工具和打印工具4.2绑定工具4.3编排流4.4可视化图4.5应用1初始化核心功能1.1大语言模型importosos.environ['OLLAMA_HOST']='127.0.0.1'os.environ['OLLAM

皮皮冰燃·2025-03-02 08:16

穿越AI边界：深度集成DeepSeek API与云平台的实践之路

云边有个稻草人-CSDN博客随着人工智能技术的日益发展，深度学习和自然语言处理（NLP）已经在很多领域得到了广泛的应用。

云边有个稻草人·2025-03-02 07:45

AI在农业中的应用:精准农业的新时代

AI,农业,精准农业,机器学习,深度学习,计算机视觉,农业机器人1.背景介绍农业是人类文明的基石，也是全球经济的重要支柱。

AI大模型应用之禅·2025-03-02 07:43

AI驱动的企业学习管理系统

AI、机器学习、深度学习、企业学习管理系统、个性化学习、学习路径推荐、知识图谱1.背景介绍在当今瞬息万变的数字化时代，企业面临着前所未有的挑战和机遇。

AGI大模型与大数据研究院·2025-03-02 07:43

量子计算如何提升机器学习效率：从理论到实践

量子计算如何提升机器学习效率：从理论到实践在人工智能和机器学习的高速发展中，传统计算方法已经逐渐面临性能瓶颈。随着数据量的激增、算法复杂度的提高，传统计算机在处理某些特定任务时的效率显得捉襟见肘。

Echo_Wish·2025-03-02 07:41

从零到精通：小白DeepSeek全栈入门指南

第一部分：认知准备（1-3天）1.1基础概念搭建人工智能三要素：数据/算法/算力深度学习与传统机器学习的区别神经网络基本结构（输入层/隐藏层/输出层）常用术语解析：epoch、batch、loss、accuracy1.2

好东西不迷路·2025-03-02 06:37

Python vLLM 实战应用指南

加载模型并生成文本3.2参数说明4.实战应用场景4.1构建聊天机器人示例对话：4.2文本补全输出示例：4.3自定义模型服务启动服务调用服务5.性能优化5.1GPU加速5.2动态批处理6.总结vLLM是一种高性能的开源深度学习推理引擎

ghostwritten·2025-03-02 06:34

从零到一：利用DeepSeek构建高精度图像分类模型实战解析

在计算机视觉领域，图像分类作为基础任务，其技术演进经历了从传统特征工程到深度学习的革命性转变。

一碗黄焖鸡三碗米饭·2025-03-02 06:03

深度学习模型可视化：通俗易懂的全面解读

目录1.什么是深度学习模型可视化？

Crazy learner·2025-03-02 06:33

查看Python库依赖关系的解决方案

爱编程的喵喵·2025-03-02 06:32

考研导师选择方法

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·2025-03-02 04:20

梯度下降法(Gradient Descent) -- 现代机器学习的血液

梯度下降法(GradientDescent)–现代机器学习的血液梯度下降法是现代机器学习最核心的优化引擎。

AOIWB·2025-03-02 04:19

深度学习-81-大语言模型LLM之基于litellm与langchain与ollama启动的模型交互

文章目录1LiteLLM1.1生成对话补全1.2响应格式(OpenAIFormat)1.3异步调用1.4流式生成对话补全1.5支持的ollama模型2langchain2.1LangChain简介2.2LangChain架构2.3构建简单LLM应用程序(OllamaLLM)2.3.1生成对话补全2.3.2流式生成对话补全2.4聊天模型(ChatOllama)2.4.1Invoke调用2.4.2st

皮皮冰燃·2025-03-02 03:43

《动手学PyTorch深度学习建模与应用》第二章：2.4-2.6节详解

写在前面：不知不觉已经更了第一个章节，目前的内容都是很基础的内容，有人会问现在ai时代，还有必要学习这些内容吗，我想说的是，越是基础的内容我们越要认真去学习和分析，ai可以快速解决问题，但是我希望我们可以知其所以然，感谢所有支持的收藏和粉丝，希望这些文章对你们有些许帮助！点点关注不迷路，免费的赞和收藏走起来！后续更新第一时间提示哦，每周会更新不同内容，下周更新如何用各种模态的大模型去为你服务，编写

环工人学Python·2025-03-02 01:00

推荐频道

深度学习pytorch机器学习