深度学习transformer

AI技术在音乐产品中有哪些应用场景？

随着深度学习算法的出现、大数据和5G技术的成熟，AI人工智能已逐渐融入我们的生产生活中，在教育、医疗、政务办公、城市管理等多个方面发挥作用。
·2025-02-19 20:42

【深度学习入门：基于python的理论与实现读书笔记】第五章误差反向传播法

目录摘要第五章误差反向传播法简单层的实现乘法层的实现加法层的实现激活函数层的实现ReLU层Sigmoid层Affine层和Softmax层的实现Affine层Softmax-with-Loss层误差反向传播法的实现摘要该文章简要介绍了神经网络的误差反向传播法，省去了大量的推理过程，重点讲述了神经网络误差反向传播法的代码实现。第五章误差反向传播法反向传播就是从后到前局部计算偏导数并将其与从上游传来的
Bin二叉·2025-02-19 19:37

PyTorch与TensorFlow的对比：哪个框架更适合你的项目？

在机器学习和深度学习领域，PyTorch和TensorFlow是最流行的两个框架。它们各有特点，适用于不同的开发需求和场景。本文将详细对比这两个框架，帮助你根据项目需求选择最合适的工具。
木觞清·2025-02-19 18:59

DeepSeek技术跟踪和本地部署实践

我也紧跟技术潮流，跟踪学习了并部署了一下DeepSeek，应该说DeepSeek是中国人在AI领域一次技术创新，甚至超越，给各大AI公司提供了一条全新的赛道，其推出的强化学习等技术提醒大家AI不单单是Transformer
一望无际的大草原·2025-02-19 16:46

【深度学习】计算机视觉（CV）-目标检测-DETR（DEtection TRansformer）—— 基于 Transformer 的端到端目标检测

DETR（DEtectionTRansformer）是FacebookAI（FAIR）于2020年提出的端到端目标检测算法，它基于Transformer架构，消除了FasterR-CNN、YOLO等方法中的候选框
IT古董·2025-02-19 16:12

遥感影像目标检测：从CNN（Faster-RCNN）到Transformer（DETR）

一：深度卷积网络知识1.深度学习在遥感图像识别中的范式和问题2.深度学习的历史发展历程3.机器学习，深度学习等任务的基本处理流程4.卷积神经网络的基本原理5
岁月如歌，青春不败·2025-02-19 15:05

（1-2）DeepSeek概述：DeepSeek的架构概览

1.2DeepSeek的架构概览DeepSeek模型是基于经典的Transformer模型架构的，并进行了深度优化。
码农三叔·2025-02-19 15:59

RadioTransformer：用于视觉注意力引导疾病分类的级联全局焦点Transformer

RadioTransformer通过学习放射科医生的视觉搜索模式，在级联的全局焦点Transfo
托比-马奎尔·2025-02-19 14:24

医学顶会 MICCAI‘24 | COVID19 至肺炎：使用 CNN Transformer 位置感知特征编码网络对多区域肺部严重程度进行分类

本文内容只为星球内部成员学习和学术交流，请勿用作他用论文信息题目：COVID19toPneumonia:MultiRegionLungSeverityClassificationusingCNNTransformerPosition-AwareFeatureEncodingNetworkCOVID19
小白学视觉·2025-02-19 14:24

快速在Ubuntu18.04系统中离线部署深度学习环境

快速在Ubuntu18.04系统中离线部署深度学习环境本文部署的环境前提为电脑上新装的Ubuntu18.04并且没有联网，一切所需的软件均通过离线包安装，旨在模拟实际项目部署中的过程，文章中提及的资源文件在文章最底部
高次超静定的人·2025-02-19 13:46

本地部署Deepseek：从零开始，打造你的私人AI助手！

简单来说，Deepseek是一个基于深度学习的AI模型，它可以帮助你完成各种任务，比如自然语言处理、图像识别、数据分析等等。
软件求生·2025-02-19 12:36

蓝耘服务器与DeepSeek的结合：引领智能化时代的新突破

小智初学计算机网页AI目录蓝耘服务器与DeepSeek的结合：引领智能化时代的新突破一、蓝耘服务器的技术优势1、高性能计算能力2、可扩展性与高效存储3、绿色节能设计二、DeepSeek：智能算法的引擎1、高效的深度学习训练与推理
Lethehong·2025-02-19 08:36

《大模型应用开发极简入门》随记

术语：自然语言处理（NLP)人工智能（AI）大预言模型（LLM）机器学习（ML)深度学习（DL)内容LLM概述ML算法被称为人工神经网络DL是ML的一个分支最先开始简单语言模型吗，例如：n-gram模型
hoypte·2025-02-19 08:34

情感分析研究综述：方法演化与前沿挑战

abstract1.引言2.模型方法2.1文本情感分析2.1.1文档级情感分类2.1.2句子级情感分类2.1.3方面级情感分类2.2文本情感分析方法2.2.1基于词典的方法2.2.2基于机器学习的方法2.2.3基于深度学习方法
next_travel·2025-02-19 07:32

Python库 - transformers

transformers库是由HuggingFace开发的一个非常流行的Python库，用于自然语言处理（NLP）任务。
司南锤·2025-02-19 03:28

【NLP-04】tranformers库保姆级使用教程---以BERT模型为例

安装要安装一个非常轻量级的Transformers库，您可以执行以下步骤：1、打开终端或命令提示符。
云天徽上·2025-02-19 03:28

conda更换环境版本（比如torch版本）

torch版本pytorch官网torch过往的版本创建新环境condacreate--namemyenvpython=3.8condaactivatemyenvconda虚拟环境中安装CUDA和CUDNN深度学习用显卡训练的时候
挨打且不服66·2025-02-19 03:57

深度学习 + PyTorch 的超实用学习路线

深度学习作为人工智能领域的核心技术，正深刻改变着诸多行业。PyTorch则是深度学习实践中备受青睐的框架，它简单易用且功能强大。下面就为大家详细规划深度学习结合PyTorch的学习路线。
a小胡哦·2025-02-19 03:27

Python 用pytorch从头写Transformer源码，一行一解释；机器翻译实例代码；Transformer源码解读与实战

1.Transformer简介Transformer模型被提出的主要动机是解决序列处理任务的长距离依赖问题。
医学小达人·2025-02-19 03:24

LLM论文笔记 9: Neural Networks and the Chomsky Hierarchy

Arxiv日期：2022.9.29机构：GoogleDeepMind/Stanford关键词transformer架构原理乔姆斯基体系长度泛化核心结论1.虽然Transformer理论上具有图灵完备性，
Zhouqi_Hua·2025-02-19 02:47

采用分布式部署deepseek

软件依赖：安装必要的库和工具，如PyTorch、Transformers等。特别地，对于分布式训练，还需要安装torch.distributed或者类似的库支持，例如Horo
慧香一格·2025-02-19 02:14

随机梯度下降一定会收敛么？

随机梯度下降（StochasticGradientDescent，SGD）是一种用于最小化目标函数的迭代优化算法，在机器学习和深度学习领域应用广泛。
AndrewHZ·2025-02-19 01:36

DeepSeek大模型的发展的十问十答

DeepSeek大模型是由杭州深度求索人工智能基础技术研究有限公司开发的一款基于Transformer架构的大型语言模型，具体介绍如下：1.架构基础Transformer架构：DeepSeek大模型基于
科技互联人生·2025-02-19 00:25

Beyond Scaling Laws: Understanding Transformer Performance with Associative Memory

本文是LLM系列文章，针对《BeyondScalingLaws:UnderstandingTransformerPerformancewithAssociativeMemory》的翻译。
UnknownBody·2025-02-18 23:48

大规模GPU集群的进阶之路

它的并行处理能力非常强大，能够同时处理多个任务和数据，因此被广泛用于图形渲染、视频处理、深度学习、科学计算等领域。
卢旗·2025-02-18 23:47

PyTorch `.pth` 转 ONNX：从模型训练到跨平台部署

PyTorch.pth转ONNX：从模型训练到跨平台部署在深度学习里，模型的格式决定了它的可用性。如果你是PyTorch用户，你可能熟悉.pth文件，它用于存储训练好的模型。
MO__YE·2025-02-18 23:46

什么是Scaling Laws（缩放定律）；DeepSeek的Scaling Laws

什么是ScalingLaws（缩放定律）ScalingLaws（缩放定律）在人工智能尤其是深度学习领域具有重要意义，以下是相关介绍及示例：定义与内涵ScalingLaws主要描述了深度学习模型在规模（如模型参数数量
ZhangJiQun&MXP·2025-02-18 23:14

PyTorch `.pth` 转 ONNX：从模型训练到跨平台部署

PyTorch.pth转ONNX：从模型训练到跨平台部署在深度学习里，模型的格式决定了它的可用性。如果你是PyTorch用户，你可能熟悉.pth文件，它用于存储训练好的模型。
MO__YE·2025-02-18 23:12

【生物AI】AI在生物医药研发中的应用：基于深度学习的疾病诊断标志物发现

人工智能（AI），特别是深度学习技术，凭借其强大的数据处理和特征挖掘能力，为疾病诊断标志物的发现带来了新的契机。
Anitalin00·2025-02-18 22:08

商汤绝影端到端自动驾驶的迭代优化

自动驾驶,端到端,迭代优化,深度学习,感知,规划,控制,模型训练,数据增强,模型微调1.背景介绍随着人工智能和计算机视觉技术的飞速发展，自动驾驶汽车从科幻走进了现实。
AGI大模型与大数据研究院·2025-02-18 22:33

DeepSeek的无限可能：探索前沿AI技术在多领域的应用

引言2023年，全球人工智能产业规模突破万亿美元大关，一场以深度学习为核心的技术革命正以前所未有的速度重构人类社会的运行逻辑。
编码追梦人·2025-02-18 20:10

DeepSeek-R1驱动下一代AIGC安全：全面解析智能内容合规审查技术体系与实战案例

DeepSeek-R1赋能AIGC内容合规审查：技术实践与案例解析一、AIGC内容合规审查技术架构（此处展开约1500字的技术原理说明，涵盖深度学习模型、规则引擎、多模态检测等核心组件）二、核心实施步骤与代码实现
Coderabo·2025-02-18 20:07

DeepSeek模型实战：从理论到应用的深度探索

二、DeepSeek模型技术剖析（一）架构基础DeepSeek模型基于Transformer架构构
CodeJourney.·2025-02-18 19:06

Decoder-Only、Encoder-Only、Encoder-Decoder 区别

代表模型：GPT（GenerativePre-trainedTransformer）特点：自回归生成：模型通过
会喘气的粽子丶·2025-02-18 18:44

新书速览|细说PyTorch深度学习：理论、算法、模型与编程实现

超详细的PyTorch深度学习入门书，100余个编程示例+6大热点案例，大咖带路，边学边实践。
全栈开发圈·2025-02-18 15:44

【YOLOv11改进- 主干网络】YOLOv11+CSWinTransformer: 交叉窗口注意力Transformer助力YOLOv11有效涨点；

本文给大家带来的改进内容是在YOLOv11中更换主干网络为CSWinTransformer，助力YOLOv11有效涨点，通过创新性地开发了十字形窗口自注意力机制。
算法conv_er·2025-02-18 15:43

【YOLO模型】（1）--YOLO是什么

一、什么是YOLOYOLO（YouOnlyLookOnce）是一种基于深度学习的目标检测算法，由JosephRedmon等人于2016年提出。
方世恩·2025-02-18 15:41

ocr智能票据识别系统|自动化票据识别集成方案

OCR智能票据识别系统是一种基于先进图像处理和深度学习算法的技术，能够自动从各类票据中提取关键信息，并将其转换为结构化数据。翔云发票识别系统可以应用于增值税
OCR_API·2025-02-18 14:38

在linux 中搭建deepseek 做微调，硬件配置要求说明

搭建可参考使用deepseek-CSDN博客官方网站：DeepSeekDeepSeek是一个基于深度学习的开源项目，旨在通过深度学习技术来提升搜索引擎的准确性和效率。
慧香一格·2025-02-18 14:04

深度学习与图像识别：机器学习基础之回归

1.线性回归1.1一元线性回归1.2多元线性回归2.逻辑回归与线性回归的不同在于其将最终预测值y固定在一个范围之中2.1Sigmoid函数sigmoid函数表达式：p为预测出来的概率，范围在0-1之间，一般用于处理二分类问题，因为这个式子的一个显著特征在于：当z=0,p=0.5当z>0,p>0.5当z<0,p<0.5所以当对z进行多元线性回归表示的时候，以p的值来反映y_pre是一个不错的选择，此
Shenrn_·2025-02-18 14:34

深度学习下的图像分割

在之前写的文章[图像分割演进之路]中，讲述了图像分割的发展历程，从传统图像分割算法到人工智能，分割算法百花齐放，但最终的佼佼者当属人工智能，但即使是人工智能领域，图像分割也五花八门，今天就让我们看几种基于学习的图像分割方法。基于学习的图像分割算法主要依赖于深度神经网络，经典的深度神经网络分为如下几种：2.1卷积神经网络CNN：卷积神经网络是图像处理领域应用最为广泛的网络，其权值共享，局部连接等特性
人工智能大讲堂·2025-02-18 14:01

深入剖析模型推理：原理、技术与挑战

亲爱的小伙伴们，在求知的漫漫旅途中，若你对深度学习的奥秘、Java与Python的奇妙世界，亦或是读研论文的撰写攻略有所探寻，那不妨给我一个小小的关注吧。
♢.＊·2025-02-18 13:29

AI 编程工具崛起，程序员的未来是否岌岌可危？

再者，深度学习技术的突破，尤其是大语言模型在代码理解与生成方面的显著进展，为AI编程提供了坚实的技术基础。最后，随着软件开发需求的不断增加，传统开发
·2025-02-18 13:26

线性代数导引：张量与张量空间

线性代数，张量，张量空间，深度学习，机器学习，人工智能1.背景介绍在现代人工智能领域，深度学习和机器学习算法的蓬勃发展，使得对数据的高效处理和表示能力提出了更高的要求。
AI大模型应用之禅·2025-02-18 09:15

每天五分钟深度学习框架pytorch：搭建谷歌的Inception网络模块

本文重点前面我们学习了VGG，从现在开始我们将学习谷歌公司推出的GoogLeNet。当年ImageNet竞赛的第二名是VGG，而第一名就是GoogLeNet,它的模型设计拥有很多的技巧，这个model证明了一件事：用更多的卷积，更深的层次可以得到更好的结构GoogLeNet的网络结构如图所示就是GoogLeNet的网络结构，在这个网络结构中我们可以看到红色框起来的地方，他就是Inception块，
每天五分钟玩转人工智能·2025-02-18 07:49

使用opencv实现深度学习的图片与视频的超分辨率

图片超分辨率什么是视频与图片的超分辨率，总结一下便是给一张分辨率比较低的图片，进行超分辨率的处理后，生成比较清晰的高分辨率的图片，上图图片完美解释了超分辨率的过程，由于不同的算法不同，处理的结果也不相同，本期我们介绍一下如何进行图片的超分辨率的处理。·EDSR模型图像超分辨率EDSR：EnhancedDeepResidualNetworksforSingleImageSuper-Resolutio
人工智能研究所·2025-02-18 05:27

Pytorch实现mnist手写数字识别

>-**本文为[365天深度学习训练营]中的学习记录博客**>-**原作者：[K同学啊]**我的环境：语言环境：Python3.8编译器：JupyterLab深度学习环境：torch==1.12.1+cu113torchvision
Zn要学习·2025-02-18 04:49

《DeepSeek训练算法：开启高效学习的新大门》

一、独特的架构基础DeepSeek以Transformer架构为基石，但并非简单沿用，而是进行了深度创新。Transformer架构的核心是注意力机制，这让模型在处理序列数
·2025-02-18 04:41

本地部署DeepSeek模型技术指南

DeepSeek模型是一种先进的深度学习模型，广泛应用于自然语言处理、计算机视觉等领域。为了充分利用DeepSeek模型的强大功能，许多开发者和研究人员选择在本地环境中部署该模型。
Evaporator Core·2025-02-18 03:41

DeepSeek R1蒸馏版模型部署的实战教程

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·2025-02-18 03:09
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他