神经网络量化第7页

理解CPU与GPU频繁数据传输

基础理解在学习深度学习神经网络过程中，有时候会遇到一些描述“尽量避免CPU与GPU频繁数据传输”。那这句话应该如何理解呢？我们知道CPU可以访问内存，而GPU也有自己的显存。

_DCG_·2025-02-26 22:58

深度学习批次数据处理的理解

基础介绍在计算机视觉深度学习网络中，在训练阶段数据输入通常是一个批次，即不是一次输入单张图片，而是一次性输入多张图片，而神经网络的结构内部一次只能处理一张图片，这时候很自然就会考虑为什么要这样的输入？

_DCG_·2025-02-26 22:28

使用Momento Vector Index (MVI) 高效管理和查询数据

通过MVI，用户可以快速对数据执行向量化处理，并通过自动扩展功能满足不同规模的数据需求。核心原理解析MVI利用向量索引技术，通过将文本数据转换为向量形式，来实现高效的

bavDHAUO·2025-02-26 20:14

AI岗位面试指南：高频文档问题解析与应答策略

一、必问文档类问题与应答模板1.简历深挖类典型问题："请详细解释简历中提到的「基于Transformer的文本生成优化项目」，你如何量化性能提升？"

阿三0812·2025-02-26 19:07

大数据的核心要点之一，数据作为资产是怎样入表的？

**一、数据资产入表核心框架**基于《企业会计准则》及《企业数据资源相关会计处理暂行规定》，数据资产入表需满足：可控制性（企业拥有数据所有权或使用权）可计量性（成本或价值可量化）经济利益可预期性（能带来未来收益

九张算数·2025-02-26 17:21

【人工智能数学基础篇】线性代数基础学习：深入解读矩阵及其运算

矩阵不仅在数据科学中广泛应用，更是神经网络、图像处理、自然语言处理等领域的重要工具。

猿享天开·2025-02-26 14:33

R语言：探索数据的利器

一、R语言的基本特性向量化操作：R语言鼓励使用向量化操作，即对整个向量或矩阵执行相同的操作，从而提高运算效率。例如，可以通过一条简单的

ByteWhiz·2025-02-26 12:48

训练神经网络出现nan

在理解和修改QARV的代码时，出现了训练会因为nan而终止的问题，因此学习记录。参考资料Pytorch训练模型损失Loss为Nan或者无穷大（INF）原因Pytorch训练模型损失Loss为Nan或者无穷大（INF）原因_pytorchnan-CSDN博客文章浏览阅读5.6w次，点赞135次，收藏489次。常见原因-1一般来说，出现NaN有以下几种情况：相信很多人都遇到过训练一个deepmodel

崧小果·2025-02-26 11:12

DeepSeek：大模型时代的“破局者”

DeepSeek，中文名深度求索，是一家成立于2023年7月17日的创新型科技公司，由知名量化资管巨头幻方量化创立，法定代表人系裴湉。

qq_44233281·2025-02-26 10:02

【数据挖掘在量化交易中的应用：特征发现与特征提取】

好的，我将撰写一篇关于金融领域数据挖掘的技术博客，重点阐述特征发现和特征提取，特别是在量化交易中的应用。我会提供具体的实操步骤，并结合Python和TensorFlow进行代码示例。

调皮的芋头·2025-02-26 10:00

数据挖掘中特征发现与特征提取的数学原理

调皮的芋头·2025-02-26 10:00

【TVM教程】为 NVIDIA GPU 自动调度神经网络

本文介绍如何使用auto-scheduler为NVIDIAGPU调优整个神经网络。为自动调优神经网络，需要将网络划分为小的子图并独立调优。每个子图被视为

HyperAI超神经·2025-02-26 09:57

从零开始玩转TensorFlow：小明的机器学习故事 4

有一天，小明在学校图书馆翻看杂志时，看到这样一句话：“就像人的大脑有上百亿神经元，神经网络能够学习复杂的信息映射，从而取得卓越的表现。”他瞬间来了灵感：“或许我

山海青风·2025-02-26 07:42

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

视频编解码技术-3: H.264和VP9压缩效率和编码时延

为此，本文采用“恒定量化参数（ConstantQP）”的码率控制模式，为H.264（QP范围：0~51）和VP9（QP范围：0~63）设置等效质量档位，使用CIF（352×288）和1080P（192

sqmeeting·2025-02-26 06:33

【RAG系列】AI的“三步记忆法“ - RAG工作流程全景解析

工作流程全景解析用户问题检索器向量数据库相关文档增强器增强提示生成器最终回答一、认知建模：从人类记忆到机器记忆1.1考试复习的三步法则建立知识框架提取核心信息综合运用考前预习划重点考场作答最终答案这个经典的学习过程与RAG的工作流程惊人相似：预习阶段→文档预处理与向量化划重点

什么都想学的阿超·2025-02-26 04:51

在PyTorch中使用插值法来优化卷积神经网络（CNN）所需硬件资源

适用场景：在卷积神经网络（CNN）中的应用场景中，经常遇到计算资源有限，比如显存不够或者处理速度慢，需要用插值来降低计算量。

mosquito_lover1·2025-02-26 03:45

BP算法的python实现 + 男女生分类器

BP算法是神经网络中十分经典的算法之一，要把它解释清楚实在需要很多时间，我只想重点讲一下基于BP算法的男女生分类器python实现，理论方面推荐看知乎大

乐宝不是酒·2025-02-26 00:21

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

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

Tensorflow2.x框架-神经网络八股扩展-acc曲线与loss曲线

loss/loss可视化，可视化出准确率上升、损失函数下降的过程博主微信公众号（左）、Python+智能大数据+AI学习交流群（右）：欢迎关注和加群，大家一起学习交流，共同进步！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,batch_siz

诗雨时·2025-02-25 23:15

跟着小K开始零基础Python量化分析之旅 1: 初入量化江湖 —— Python与量化的第一次邂逅

第一章：初入量化江湖——Python与量化的第一次邂逅故事情境在一个热闹的理财交流群里，小K偶然听到有人提起“量化投资”。那一刻，他心中燃起了一种莫名的好奇与憧憬：“量化投资究竟是什么？

山海青风·2025-02-25 23:13

跟着小K开始零基础Python量化分析之旅 2: 初试身手 —— Python基础与神秘股票清单

小K刚刚踏入量化投资的世界，就收到了前辈神秘发送的一份文件——“神秘股票清单.csv”。前辈告诉他，只有牢牢掌握Python的基础语法，才能游刃有余地处理金融数据，进一步深入量化分析的奥秘。

山海青风·2025-02-25 23:43

跟着小K开始零基础Python量化分析之旅 3: 初探数据世界 —— Pandas与数据清洗的武林秘笈

第三章：初探数据世界——Pandas与数据清洗的武林秘笈在量化江湖中，数据正如武林秘籍中的内功心法，必须先打好基础，才能施展后续高深武技。

山海青风·2025-02-25 23:43

卷积神经网络八股（一）------20行代码搞定鸢尾花分类

卷积神经网络八股（一）------20行代码搞定鸢尾花分类引言用TensorflowAPI：tf.keras实现神经网络搭建八股Sequential的用法compile的用法fit的用法（batch是每次喂入神经网络的样本数

有幸添砖java·2025-02-25 22:11

深度学习笔记——循环神经网络RNN

本文详细介绍面试过程中可能遇到的循环神经网络RNN知识点。

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

神经网络八股（3）

1.什么是梯度消失和梯度爆炸梯度消失是指梯度在反向传播的过程中逐渐变小，最终趋近于零，这会导致靠前层的神经网络层权重参数更新缓慢，甚至不更新，学习不到有用的特征。

SylviaW08·2025-02-25 22:37

【PyTorch 实战2：UNet 分割模型】10min揭秘 UNet 分割网络如何工作以及pytorch代码实现（详细代码实现）

UNet是一种常用于图像分割的卷积神经网络架构，其特点在于其U型结构，包括一个收缩路径

xiaoh_7·2025-02-25 22:37

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

、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是一种用于生物医学图像分割的卷积神经网络架构

胖墩会武术·2025-02-25 21:04

细说向量化知识库

向量化知识库与RAG：打造智能AI知识检索系统引言在大模型（LLM）迅猛发展的今天，如何让AI获取最新、最准确的信息，成为一个核心问题。

CCSBRIDGE·2025-02-25 18:41

Python与DeepSeek的深度互联：从开发加速到全栈赋能的实战指南

在AI重构编程范式的2025年，DeepSeek凭借其轻量化、高效推理与垂直领域优化，成为开发者提升生产力的利器。

夏末之花·2025-02-25 18:07

为AI聊天工具添加一个知识系统之122 详细设计之63 实体范畴论和神经元元模型：命名法函子

神经元元模型（三层含义）暨三种神经网络构造型既神经元三个功能约束即神经细胞元元模型。”注：第一行是实体的范畴论的三种论法。

一水鉴天·2025-02-25 16:59

论文学习3：深度学习增强的光声成像（PAI）的最新进展（综述）

详细说明代表性DL架构：卷积神经网络（CNN）、U-形神经网络（U-Net）和

superace7911·2025-02-25 15:50

自然语言处理(NLP)：文本向量化从文字到数字的原理

在人工智能领域，尤其是自然语言处理（NLP）中，将文本信息转化为机器可以理解的形式是一个至关重要的步骤。本文探讨如何将文本转换为向量表示的过程，包括分词、ID映射、One-hot编码以及最终的词嵌入（Embedding），并通过具体的案例代码来辅助解释这些概念。处理字符还是数字人工智能算法只能处理数字形式的数据，特别是浮点数。这意味着任何非数字的信息，如汉字、字母等，都需要被转换成数值形式才能用于

全栈你个大西瓜·2025-02-25 10:45

GPT-2源码实现及GPT-3、GPT-3.5、GPT-4及GPT-5内幕解析(二)

NLP_Matrix_Space5.2GPT-2源码实现逐行解析本节讲解GPT-2源码，gpt2.py是一个使用NumPy实现的代码，在代码中实现了GELU激活函数、softmax函数、层归一化、线性层、前馈神经网络

段智华·2025-02-25 09:35

15.4 FAISS 向量数据库实战：构建毫秒级响应的智能销售问答系统

FAISS向量数据库实战：构建毫秒级响应的智能销售问答系统关键词：FAISS向量数据库、销售知识库构建、相似度检索优化、大规模问答匹配、量化索引技术1.销售问答场景的向量化挑战与解决方案1.1传统检索方案痛点分析

少林码僧·2025-02-25 08:00

PyTorch实现DARTS：可微分架构搜索指南

DARTS（DifferentiableArchitectureSearch）是一种创新的神经网络架构

余伊日Estra·2025-02-25 05:07

[Android开发] 工具篇--Docker使用

Docker介绍Docker是一种容器工具，是一种轻量化的虚拟技术，可以支持高效便捷地创建和使用Linux容器，同时可以让开发者以便捷方式打包应用到一个可移植的容器中，然后安装至任何运行Linux或Windows

z4a1c2·2025-02-25 03:20

神经网络与深度学习入门：理解ANN、CNN和RNN

shandianfk_com·2025-02-25 03:49

这个强大的模型需要大量的 VRAM，特别是 4 位量化版本需要 231 G

这个强大的模型需要大量的VRAM，特别是4位量化版本需要231GB。但是，经过一些优化，我们可以使用8x4090GPU在192GB上运行它。最好的部分？我们只需要运行三个终端命令即可完成所有设置。

知识大胖·2025-02-25 02:47

深度学习与搜索引擎优化的结合：DeepSeek的创新与探索

目录引言1.传统搜索引擎的局限性2.深度学习在搜索引擎中的作用3.DeepSeek实现搜索引擎优化的关键技术3.1神经网络与搜索引擎优化3.2自然语言处理与查询理解3.3深度强化学习与搜索结果排序4.DeepSeek

m0_74825634·2025-02-25 01:37

深度学习入门篇--来瞻仰卷积神经网络的鼻祖LeNet

B站视频讲解:深度学习入门篇:使用pytorch搭建LeNet网络并代码详解实战前言大家在学习神经网络的时候肯定会有这样的感受,有很多的文章和视频,有的文章也很好,但是总是不成体系,总是学起来东一榔锤,

智算学术·2025-02-25 00:31

轻量级网络设计原理与代码实战案例讲解

轻量级网络设计原理与代码实战案例讲解作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming1.背景介绍1.1问题的由来随着深度学习在各个领域的广泛应用，神经网络模型变得越来越庞大和复杂

AI天才研究院·2025-02-25 00:00

YOLOv12：以注意力为中心的物体检测

相比以往的YOLO模型，YOLOv12摒弃了传统基于卷积神经网络（CNN）的结构，采用了全新的方法，融合了自注意力机制和高效的网络架构优化，提供了一个高精度、低延迟的实时目标检测模型。

那雨倾城·2025-02-24 23:21

大模型学习完整路径（一站式汇总），从零基础到精通！新手友好级指南

先来一张整体结构图，越是下面部分，越是基础：可以按以下步骤学习：1.理解基础概念需要了解深度学习的基本原理和常见术语，如神经网络、梯度下降、反向传播、监督学习、无监督学习、分类、回归、聚类

Python程序员罗宾·2025-02-24 22:45

秒杀ChatGPT ？国产之光DeepSeek探究

1.DeepSeek公司概况1.1成立背景与发展历程DeepSeek，全称杭州深度求索人工智能基础技术研究有限公司，成立于2023年7月17日，由知名量化资管巨头幻方量化创立。

南风过闲庭·2025-02-24 17:41

为什么词向量和权重矩阵dot运算就能得到想要的效果呢？

词向量（WordEmbeddings）和权重矩阵的点积运算之所以能够帮助我们实现特定的效果，主要是因为它们在神经网络架构中扮演的角色以及背后的数学原理。

cjl30804·2025-02-24 15:02

浅显介绍图像识别的算法卷积神经网络（CNN）中的激活函数

激活函数的作用激活函数在神经网络中扮演着至关重要的角色，其主要作用包括但不限于以下几点：引入非线性：如果没有激活函数或仅使用线性激活函数，无论神经网络有多少层或多复杂，整个模型仍然只能表达线性映射。

cjl30804·2025-02-24 15:31

Engineering A Large Language Model From Scratch

Atinuke是一种基于Transformer的神经网络，通过使用独特的配置来优化各种语

UnknownBody·2025-02-24 15:31

推荐频道

神经网络量化