神经网络计算机硬件第3页

模型剪枝综述

目录1深度神经网络的稀疏性：2剪枝算法分类：3具体的剪枝方法包括：4剪枝算法流程：5几种常见的剪枝算法：6结构化剪枝和非结构化剪枝各有其优缺点：7剪枝算法对模型精度的影响8影响剪枝算法对模型精度的因素模型压缩中的剪枝算法是一种应用广泛的模型压缩方法

发狂的小花·2024-09-06 23:20

Transformer模型在文本摘要任务中的应用与性能分析

1.Transformer模型简介Transformer模型是一种基于自注意力机制的神经网络架构，它摆脱了传统的

liuxin33445566·2024-09-06 20:59

YOLOv10改进 | Conv篇 | YOLOv10引入24年最新卷积模块LDConv

1.LDConv介绍1.1摘要：基于卷积运算的神经网络在深度学习领域取得了显著的成果，但标准卷积运算存在两个固有的缺陷。

小李学AI·2024-09-06 15:56

环境安装-1：Python3.8+CUDA11.6.1+cuDNN8.6+Tensorflow-gpu2.6.1

（来自百度词条）2.cuDNNNVIDIACUDA深度神经网络库(cuDNN)是一个GPU加速的深度神经网络基元库，能够以高度优化的方式实现标准例程（如前向和反

w坐看云起时·2024-09-06 10:50

昇腾Ascend C算子开发学习笔记

日华为上研院培训笔记记录，感觉老师讲的还是很不错的昇腾AscendC算子开发学习笔记昇腾处理器的常用算子库核心融合算子库：核心融合算子库是华为昇腾AI处理器提供的基本算子库，包含了各种常用的深度学习算子，可以高效地执行各种神经网络计算任务

回到唐朝当王爷·2024-09-06 06:21

NPU技术总结

NPUs简介定义:NPUs是一种专门为执行机器学习算法和神经网络操作而设计的处理器。起源:随着人工智能和深度学习的发展，NPUs应运而生，以满足对高效率和高能效的计算需求。

技术学习分享·2024-09-06 00:47

stl文件 python_STL_10数据集处理

这次要写的是stl10用于自编码器自编码，又称自编码器(autoencoder)，是神经网络的一种，经过训练后能尝试将输入复制到输出。

weixin_39614094·2024-09-06 00:17

叶斯神经网络（BNN）在训练过程中损失函数不收敛或跳动剧烈可能是由多种因素

贝叶斯神经网络（BNN）在训练过程中损失函数不收敛或跳动剧烈可能是由多种因素引起的，以下是一些可能的原因和相应的解决方案：学习率设置不当：过高的学习率可能导致损失函数在优化过程中震荡不收敛，而过低的学习率则可能导致收敛速度过慢

zhangfeng1133·2024-09-05 23:06

AI模型：追求全能还是专精？

例子包括决策树、支持向量机（SVM）、神经网络等。无监督学习模型：这些模型处理没有标签的数据，目的是

Lill_bin·2024-09-04 23:00

pytorch实战-7图像风格迁移

2015lerogatys尝试用神经网络做风格迁移，效果很好，并成为了主流。神经网络做风格迁移前，主要有纹理生

新世纪摸鱼战士678·2024-09-04 18:02

深度学习算法——Transformer

参考教材：动手学pytorch一、模型介绍Transformer模型完全基于注意力机制，没有任何卷积层或循环神经网络层。

fw菜菜·2024-09-04 18:31

深度学习入门：使用 PyTorch 构建和训练你的第一个神经网络

引言深度学习是机器学习的一个分支，它利用多层非线性处理单元（即神经网络）来解决复杂的模式识别问题。PyTorch是一个强大的深度学习框架，它提供了灵活的API和动态计算图，非常适合初学者和研究者使用。

Mr' 郑·2024-09-04 13:29

李宏毅机器学习笔记——反向传播算法

反向传播算法反向传播（Backpropagation）是一种用于训练人工神经网络的算法，它通过计算损失函数相对于网络中每个参数的梯度来更新这些参数，从而最小化损失函数。

小陈phd·2024-09-04 10:07

【机器学习-神经网络】循环神经网络

在机器学习和深度学习的领域中，循环神经网络（RNN）作为一种处理序列数据的强大工具，已经在诸多应用场景中展现出了巨大的潜力。

刷刷刷粉刷匠·2024-09-04 10:36

学习笔记---自动驾驶

2.端到端深度神经网络：通过深度神经网络将感知数据直接映射到控制命令，简化自动驾驶系统的决策流程。3.卷积神经网络（CNN）：关键技术用于提取图像特征，包括卷积层、激活函数、池化层等组件处理图像数据。

酒饮微醉-·2024-09-04 09:33

计算机组成原理01

第一章计算机系统概述1.1本章大纲要求与核心考点1.1.1大纲内容(一)计算机系统层次结构计算机系统的基本组成计算机硬件的基本结构计算机软件和硬件的关系计算机系统的工作原理“存储程序"工作方式，高级语言程序与机器语言程序之间的转换

XXXJessie·2024-09-04 05:04

计算机组成原理02

1.3计算机系统的层次结构1.3.1计算机系统的基本组成（一）计算机硬件冯·诺依曼计算机冯·诺依曼在研究EDVAC计算机时提出了“存储程序”的概念，“存储程序”的思想奠定了现代计算机的基本结构，以此概念为基础的各类计算机通称为冯

XXXJessie·2024-09-04 05:04

caffe/PyTorch/TensorFlow 在Jupyter Notebook GPU中运用

对于大型数据集和复杂的神经网络结构，使用GPU可以大大减少训练时间。实时数据增强：在训练过程中，可以实时地对输入数据进行变换和增强，以提高模型的泛化能力。GPU加速使得这些操作更加高效。

俊俏的萌妹纸·2024-09-04 04:26

人人都能懂的机器学习——用Keras搭建人工神经网络02

感知机1957年，FrankRosenblatt发明了感知机，它是最简单的人工神经网络之一。

苏小菁在编程·2024-09-04 03:28

【Python机器学习】卷积神经网络（CNN）的工具包

Python是神经网络工具包最丰富的语言之一。两个主要的神经网络架构分别是Theano和TensorFlow。这两者的底层计算深度依赖C语言，不过它们都提供了强大的PythonAPI。

zhangbin_237·2024-09-04 01:38

【Python机器学习】卷积神经网络（CNN）

卷积神经网络（CNN）得名于在数据样本上用滑动窗口（或卷积）的概念。卷积在数学中应用很广泛，通常与时间序列数据相关。

zhangbin_237·2024-09-04 01:38

【深度学习】

神经网络在训练的

feifeikon·2024-09-04 00:34

深度学习基础之循环神经网络

目录基本概念与特点定义与工作原理结构组成应用领域自然语言处理语音识别时间序列分析优缺点优点缺点改进方法总结循环神经网络在自然语言处理中的最新应用和研究进展是什么？

Ctrl+CV九段手·2024-09-04 00:02

【HLOA-BP】基于角蜥蜴算法优化BP神经网络的风电功率预测研究（Matlab代码实现）

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、研究方法三、研究挑战与展望2运行结果3参考文献4Matlab代码、数据⛳️赠与读者‍做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。

@橘柑橙柠桔柚·2024-09-03 19:34

机器学习在医学中的应用

机器学习的基本概念：简要介绍机器学习的基本原理、分类（监督学习、非监督学习、强化学习等）和常用算法（如神经网络、支持向量机、随

听忆.·2024-09-03 18:25

02 使用 LSTM 进行时间序列预测

LSTM（长短期记忆网络）是一种特殊的递归神经网络（RNN

柒魅。·2024-09-03 15:39

计算机视觉之 GSoP 注意力模块

计算机视觉之GSoP注意力模块一、简介GSopBlock是一个自定义的神经网络模块，主要用于实现GSoP（GlobalSecond-orderPooling）注意力机制。

Midsummer-逐梦·2024-09-03 12:18

NeRF学习——NeRF初步认识

NeRFNeRF，全名为NeuralRadianceFields，是一种基于深度学习的三维场景隐式表示和渲染方法1NeRF的基本概念1.1辐射场表示场景NeRF的核心思想是通过神经网络训练出来的辐射场对场景进行隐式表示

PLUS_WAVE·2024-09-03 08:23

计算机毕业设计hadoop+spark知识图谱房源推荐系统房价预测系统房源数据分析房源可视化房源大数据大屏大数据毕业设计机器学习

创新点：1.支付宝沙箱支付2.支付邮箱通知(JavaMail)3.短信验证码修改密码4.知识图谱5.四种推荐算法(协同过滤基于用户、物品、SVD混合神经网络、MLP深度学习模型)6.线性回归算法预测房价

计算机毕业设计大全·2024-09-03 07:05

深度学习(二)

CuDNN（CUDADeepNeuralNetworklibrary）是NVIDIA为加速深度学习计算而开发的高性能GPU加速库，专门优化了深度神经网络（DNN）的常见操作，如卷积、池化、归一化和激活函数等

小泽爱刷题·2024-09-03 06:10

人工智能&机器学习&深度学习

深度学习：一切运用了神经网络作为参数结构进行优化的机器学习算法。强化学习：不仅能利用现有数据，还可以通过对环境的探索获得新数据，并利用新数据循环往复地更新迭代现有模型的机器学习算法。

AA杂货铺111·2024-09-03 06:26

OpenAI Chatgpt发展历史和Chatgpt-3的研发过程工作原理

该技术使用了一种无需人类标注的方式，使神经网络学习到了大量自然语言处理任务的知识。2018年，OpenAI团队开发了第一个GPT模型，并在自然语言处理领域取得了显著的成果。该

roxxo·2024-09-03 04:29

[Redis]典型应用——缓存

核心思路就是把一些常用的数据放到触手可及(访问速度更快)的地方，方便随时读取缓存是一个相对的概念，比如说，对于硬件的访问速度来说，CPU寄存器>内存>硬盘>网络那么，cpu寄存器就是内存的缓存，内存是硬盘的缓存，硬盘又是网络的缓存对于计算机硬件来说

a_zhee1·2024-09-03 04:56

这项来自中国的AI研究介绍了1位全量化训练（FQT）：增强了全量化训练（FQT）的能力至1位

全量化训练（FQT）可以通过将激活、权重和梯度转换为低精度格式来加速深度神经网络的训练。量化过程使得计算速度更快，且内存利用率更低，从而使训练过程更加高效。

量子位AI·2024-09-02 22:16

基于示例详细讲解模型PTQ量化的步骤（含代码）

1.模型训练我们假设已经训练了一个卷积神经网络（CNN），例如VGG-16。训练完成后，我们得到了一个以32位浮点数表示的模型权重和激活值。

LQS2020·2024-09-02 19:32

灾难性遗忘问题（Catastrophic Forgetting，CF）是什么？

在深度学习和人工智能领域中，“灾难性遗忘”（CatastrophicForgetting）是指当神经网络在增量学习（IncrementalLearning）或持续学习（ContinualLearning

Chauvin912·2024-09-02 14:36

大语言模型诞生、探索和爆发阶段

2017年：Google发表了Transformer架构，这是一种基于自注意力机制的神经网络架构，它彻底改变了自然语言处理（NLP）领域，使得大规模并行化处理成为可能，

花开盛夏^.^·2024-09-02 10:38

AI学习指南深度学习篇-门控循环单元的调参和优化

AI学习指南深度学习篇：门控循环单元的调参和优化引言神经网络在处理序列数据（如文本、时间序列等）方面展现出了强大的能力。

俞兆鹏·2024-09-02 09:05

量子多体理论怎么样理解,多体系统的量子理论

谷歌人工智能写作项目：神经网络伪原创量子多体理论和量子场论之间有什么异同呢？我粗略的看了文小刚老师

小浣熊的技术·2024-09-02 09:35

每天五分钟计算机视觉：Siamese深度神经网络模型和FaceNet的关系

本文重点在前面的课程中，我们学习了Siamese深度神经网络模型和FaceNet，二者都可以完成人脸识别任务，本文进行整理学习，理清二者的区别和联系。

幻风_huanfeng·2024-09-02 05:07

图神经网络实战（18）——消息传播神经网络

图神经网络实战（18）——消息传播神经网络0.前言1.消息传播神经网络2.实现MPNN框架小结系列链接0.前言我们已经学习了多种图神经网络(GraphNeuralNetworks,GNN)变体，包括图卷积网络

盼小辉丶·2024-09-02 05:06

深度学习中的梯度消失和梯度爆炸问题

这两个问题严重影响了深度神经网络的训练效率和性能。本文将详细介绍这两个问题，并通过实例帮助读者更好地理解。一、梯度消失问题梯度消失是深度学习中的一大难题，尤其在训练深度神经网络时显得尤为棘手。

码上飞扬·2024-09-01 23:57

如何开发针对不平衡分类的成本敏感神经网络 python

如何开发针对不平衡分类的成本敏感神经网络深度学习神经网络是一类灵活的机器学习算法，可以在各种问题上表现良好。

背包客研究·2024-09-01 20:15

时间旅行者：LSTM算法的奥秘大揭秘！

在时间序列预测中，传统的神经网络很难处理长距离的依赖关系。但是，有一种神奇的神经网络叫做LSTM（LongShort-TermMemory），它就像是时间旅行者一样，可以记住很久以前的信息！

风清扬雨·2024-09-01 19:06

【LSTM分类】基于贝叶斯优化卷积神经网络结合长短时记忆BO-CNN-LSTM实现柴油机故障诊断含Matlab源码

matlab科研助手·2024-09-01 17:18

吴恩达深度学习笔记(24)-为什么要使用深度神经网络？

我们都知道深度神经网络能解决好多问题，其实并不需要很大的神经网络，但是得有深度，得有比较多的隐藏层，这是为什么呢？我们一起来看几个例子来帮助理解，为什么深度神经网络会很好用。首先，深度网络在计算什么？

极客Array·2024-09-01 16:18

143自然语言处理进阶手册--人工神经网络初探

人工神经网络初探神经网络与人类大脑人类虽然拥有智慧，但对智慧是如何产生的却不得而知，对于大脑结构的模仿或许是一个探索的起点，神经网络的起点就在这里。

Jachin111·2024-09-01 15:34

pytorch中的nn.MSELoss()均方误差损失函数

在训练神经网络时，通常将该损失函数作为优化器的目标函数，通过反向传播算法来更新模型的参数，以最小化均方

AndrewPerfect·2024-09-01 01:42

深度学习速通系列:梯度消失vs梯度爆炸

梯度消失和梯度爆炸是深度学习中训练深层神经网络时常见的两个问题，它们影响网络的训练过程和性能。

Ven%·2024-08-31 23:31

RNN及其变体

RNN及其变体RNN模型定义循环神经网络:一般接受的一序列进行输入,输出也是一个序列作用和应用场景:RNN擅长处理连续语言文本,机器翻译,文本生成,文本分类,摘要生成RNN模型的分类根据输入与输出结构NVsN

豫儿啊~·2024-08-31 22:28

推荐频道

神经网络计算机硬件