神经网络量化

手撸 chatgpt 大模型:单词向量化编码和绝对位置编码算法

在上一节中，我们将每个单词转换为一个表示数字的标记（token）。现在，我们需要将这个数字映射到一个向量上，这个向量称为嵌入（embedding）。在深度学习中，所有无法通过传统数据结构描述的对象都会被用一个向量表示，例如图像、语音、单词、音频等。最初，向量中的各个字段会被初始化为随机数，然后通过大量的数据和深度学习模型来训练这些向量。训练过程逐步改变向量字段的值，从而使这些字段包含某种“知识”。
coding 迪斯尼·2025-02-24 00:11

深入探索连续变量量子神经网络：开启量子计算新纪元

深入探索连续变量量子神经网络：开启量子计算新纪元quantum-neural-networksThisrepositorycontainsthesourcecodeusedtoproducetheresultspresentedinthepaper"Continuous-variablequantumneuralnetworks
倪姿唯Kara·2025-02-23 23:08

DeepSeek模型量化

技术背景大语言模型（LargeLanguageModel，LLM），可以通过量化（Quantization）操作来节约内存/显存的使用，并且降低了通讯开销，进而达到加速模型推理的效果。
快乐非自愿·2025-02-23 22:29

生成对抗网络(GAN)：从概念到代码实践(附代码)

第一章：计算机视觉中图像的基础认知第二章：计算机视觉：卷积神经网络(CNN)基本概念(一)第三章：计算机视觉：卷积神经网络(CNN)基本概念(二)第四章：搭建一个经典的LeNet5神经网络(附代码)第五章
全栈你个大西瓜·2025-02-23 21:19

MTCNN 人脸检测技术揭秘：原理、实现与实战(附代码)

第一章：计算机视觉中图像的基础认知第二章：计算机视觉：卷积神经网络(CNN)基本概念(一)第三章：计算机视觉：卷积神经网络(CNN)基本概念(二)第四章：搭建一个经典的LeNet5神经网络(附代码)第五章
全栈你个大西瓜·2025-02-23 21:18

图解前馈神经网络（FNN）

目录编辑1.前馈神经网络介绍2.网络结构3.模型工作示例4.总结1.前馈神经网络介绍前馈神经网络（FeedforwardNeuralNetwork，FNN）是一种最简单、最经典的神经网络结构，它是人工神经网络的基础形式之一
Zucker N·2025-02-23 19:34

神经网络可视化工具

11款神经网络可视化工具，组会汇报、论文插图、科研学术必备01TensorSpace可以在网页上直接使用，是一种3D模型展示神经网络，适合给初学者或者科普的时候展示时使用，非常的直观，并且每一层的卷积层都可以展开
G鲲鹏展翅Y·2025-02-23 18:58

嵌入式工程师必学（166）：湿敏电容

术语“湿度”是量化气体中水蒸气含量的通用术语。术语“湿度”通常与“相对湿度”互换，但在精确测量的背景下，这两个术语之间存在显着差异。
芯片-嵌入式·2025-02-23 17:20

【论文精读】MapTR：用于在线矢量化高精地图构建的结构化建模与学习

本文提出了MapTR，一种用于高效在线矢量化高精地图构建的结构化端到端Transformer模
青衫弦语·2025-02-23 14:02

AI教父蒸馏论文曾被拒，如今DeepSeek引爆AI革命！

其实蒸馏最初那篇论文《蒸馏神经网络中的知识》在2014年被NeurIPS拒了，理由是没啥新意（确实有点道理），还有就是觉得影响不大。
极道Jdon·2025-02-23 12:17

人工智能：从基础到前沿

2.2人工智能的历史2.3人工智能的分类3.机器学习3.1机器学习概述3.2监督学习3.3无监督学习3.4强化学习4.深度学习4.1深度学习概述4.2神经网络基础4.3卷积神经网络（CNN）4.4循环神经网络
顾漂亮·2025-02-23 12:15

边缘计算与联邦学习驱动医疗影像特征工程优化

该框架以卷积神经网络为核心，结合多阶段数据预处理流程（包括噪声抑制、模态对齐及标准化处理），实现跨设备医疗影像的特征表示统一化。在模型
智能计算研究中心·2025-02-23 11:40

深度学习框架与边缘计算融合驱动医疗金融模型优化新路径

当前，TensorFlow、PyTorch等主流框架通过轻量化改造（如TensorFlowLite与PyTorchMobile）逐步适应边缘设备的资源限制，同时结合联邦学习技术构建分布式训练网络。
智能计算研究中心·2025-02-23 11:10

边缘计算与联邦学习驱动医疗金融预测及模型可解释性技术突破

这种技术组合在医疗诊断与金融预测领域展现出显著优势，例如通过部署轻量化模型实现实时病理分析，或构建跨银行风险预测系统，同时满足监管合规需求。在模型优化层面，自
智能计算研究中心·2025-02-23 11:10

人工智能学习框架

首先，TensorFlow是由Google开发的一个开源机器学习框架，支持从简单的线性回归到复杂的神经网络等多种模型类型。它以其高度灵活性和可扩展性著
静默.\\·2025-02-23 10:36

人工神经网络ANN入门学习笔记

研究生写论文需要，先快速学习了机器学习的内容，现在需要继续深入学习人工神经网络ANN的内容，以下是个人的学习笔记，欢迎交流、请多多指正！
cs_ning·2025-02-23 10:02

中医脉象数字化应用

中医脉象数字化是将传统中医脉诊的主观经验转化为可量化、可分析的数字信号的过程。
deepdata_cn·2025-02-23 09:54

大语言模型架构：从基础到进阶，如何理解和演变

1.大语言模型架构概述大语言模型（例如GPT、BERT、T5）是基于神经网络的计算模型，它们通过分析大量文本数据，学习语言的结构和规律。语言模型的
运维小子·2025-02-23 08:44

机器学习和深度学习有什么区别？

深度学习：是机器学习的一个子领域，使用神经网络模型，尤其是深层神经网络模型，来处理、解释和分类数据。依赖算法和技术不同
facaixxx2024·2025-02-23 05:54

CTA策略【量化理论】

CTA策略演变史全称：CommodityTradingAdvisor（商品交易顾问）CTA最开始是指通过为客户提供期权、期货方面的交易建议，或者直接通过受管理的期货账户参与实际交易，来获得收益的机构或个人。随着市场的发展，市场对CTA的理解普遍发生了改变，它已不再是商品期货，而是基于量价的趋势跟踪策略——无论是商品期货、金融期货，还是股票、外汇，只要是有历史公开量价的二级市场，都可以成为CTA策略
补三补四·2025-02-23 03:41

Python中常见库 PyTorch和Pydantic 讲解

它提供了丰富的工具和库，用于构建和训练各种深度学习模型，如卷积神经网络（CNN）、循环神经网络（RNN）及其变体（如LSTM、GRU）、生成对抗网络（GAN）等。
爱丫爱·2025-02-22 23:40

【特征融合】卷积神经网络中的特征融合方式有哪些？？让我们一起看看！

【特征融合】卷积神经网络中的特征融合方式总结与探索…【特征融合】卷积神经网络中的特征融合方式总结与探索…文章目录【特征融合】卷积神经网络中的特征融合方式总结与探索...前言：1.串联（Concatenation
985小水博一枚呀·2025-02-22 22:59

基于CNN-LSTM-Attention的回归预测算法（附Tensorflow框架下的代码）

基于CNN-LSTM-Attention的回归预测算法结合了卷积神经网络（CNN）、长短期记忆网络（LSTM）和注意力机制（Attention）三种强大的技术，通常用于时序数据的回归预测问题。
Jason_Orton·2025-02-22 20:08

神经网络的学习 求梯度

importsys,ossys.path.append(os.pardir)importnumpyasnpfromcommon.functionsimportsoftmax,cross_entropy_errorfromcommon.gradientimportnumerical_gradient#simpleNet类classsimpleNet:def__init__(self):self.W=
阿崽meitoufa·2025-02-22 17:19

手写数字识别 neuralnet_mnist.py 代码解读 来自GPT

这段代码是一个手写数字识别程序，使用的是一个简单的神经网络模型。通过加载训练好的模型（sample_weight.pkl），它对MNIST测试集进行预测，并计算模型的准确率。
阿崽meitoufa·2025-02-22 17:19

Python：实现 PyTorch 中训练自定义卷积神经网络模型(CNN)并导出模型为 ONNX 格式，同时使用 ONNX Runtime 进行推理

本文将介绍如何使用PyTorch训练一个简单的卷积神经网络（CNN）模型，并将训练好的模型导出为ONNX格式，之后使用ONNXRuntime在Python中加载并进行推理。
煤炭里de黑猫·2025-02-22 16:40

用 Python + LLM 实现一个智能对话

LLM是指具有巨大参数量和极高语言理解能力的神经网络模型。这些模型被训练来理解和生成自然语言文本，能够执行多种自然语言处理（NLP）任务，如文本生成、翻译、摘要、问答等。
AGI大模型学习·2025-02-22 15:04

一文介绍DeepSeek的模型蒸馏和模型量化技术

大模型的模型蒸馏和模型量化是当前人工智能领域中重要的研究方向，它们对于提高模型的部署效率、降低资源消耗具有重要意义。
江湖人称麻花滕·2025-02-22 14:26

AIGC训练效率与模型优化的深入探讨

文章目录1.AIGC概述2.AIGC模型训练效率的重要性3.模型优化的概念与目标4.模型优化策略4.1学习率调节4.2模型架构选择4.3数据预处理与增强4.4正则化技术4.5量化与剪枝5.代码示例6.结论人工智能领域的发展
DARLING Zero two♡·2025-02-22 13:18

探索未知：alpha测试的神秘序章【量化理论】

我叫补三补四，很高兴见到大家，欢迎一起学习交流和进步今天来讲一讲alpha策略制定后的测试问题策略回测（Backtesting）主要有两种不同的回测机制，一种是向量化回测，另一种是事件驱动回测策略回测的需求广泛
补三补四·2025-02-22 13:47

RepVGGBlock实现

本文将要介绍的RepVGG（Re-parameterizedConvolutionalNeuralNetwork）是一种通过重新参数化技术将复杂的神经网络结构转换为简单的卷积层的方法。
武乐乐~·2025-02-22 13:45

基于深度学习的入侵检测系统设计与实现

基于深度学习的入侵检测系统设计与实现关键词：深度学习、入侵检测、网络安全、机器学习、神经网络、特征提取、实时分析文章目录基于深度学习的入侵检测系统设计与实现1.背景介绍1.1网络安全的重要性1.2传统入侵检测系统的局限性
AI天才研究院·2025-02-22 13:44

无缝融入，即刻智能[4]：MaxKB知识库问答系统[进一步深度开发调试，完成基于API对话，基于ollama大模型本地部署等]

大模型本地部署等]1.简介MaxKB(MaxKnowledgeBase)是一款基于LLM大语言模型的开源知识库问答系统，1.1产品优势开箱即用：支持直接上传文档、自动爬取在线文档，支持文本自动拆分、向量化
汀、人工智能·2025-02-22 13:14

哪种LLM量化方法最适合您？：GGUF、GPTQ 还是 AWQ

哪种LLM量化方法最适合您？
GordonJK·2025-02-22 05:38

深度学习-123-综述之AI人工智能与DL深度学习简史1956到2024

文章目录1AI与深度学习的简史1.1人工智能的诞生(1956)1.2早期人工神经网络(1940-1960年代)1.3多层感知器MLP(1960年代)1.4反向传播(1970-1980年代)1.5第二次黑暗时代
皮皮冰燃·2025-02-22 04:07

大模型量化概述

模型压缩主要分为如下几类：剪枝（Pruning）知识蒸馏（KnowledgeDistillation）量化Quantization）本系列将针对一些常见大模型量化方案（GPTQ、LLM.int8()、Sm
AI领航者·2025-02-22 04:02

知物由学 | AI网络安全实战：生成对抗网络

在AI的原始应用中，这个词指的是用来欺骗评估神经网络或另一个机器学习模型的样本类型。随着机器学习在安全应
Hacker_Fuchen·2025-02-22 01:59

大模型可以多大程度上代替人类做软件需求分析

需求分析替代范畴的三层模型表层需求解析支持自然语言至用例图/用户故事的结构化转换（75-83%准确率，基于IBM2024案例库数据）实现基础的非功能性需求(NFR)分类（如响应时间要求识别准确率达91%，但强度量化仍需人工
workflower·2025-02-22 01:56

量化评价和质化评价举例_质量评价论文,关于商品住宅工程质量量化评价方法相关参考文献资料-免费论文范文...

摘要：通过分析消费者关注的且易于实地测量和量化评价的质量指标类型,建立起一种基于消费者维度的住宅工程质量评价方法,以便于企业对住宅质量考核评价和分析提升,同时也可应用于交付前的自查,对商品住宅各参与方均有积极意义
weixin_39830012·2025-02-22 00:25

软件需求类的论文无法量化评价的问题

软件需求研究的量化难题确实是一个普遍存在的挑战，主要原因在于需求工程本身具有强主观性、领域依赖性和过程复杂性。
workflower·2025-02-22 00:48

AI 模型的优化与应用：大模型本体、蒸馏、量化 与 GGUF

本文将探讨大模型本体（FullModel）、蒸馏（Distillation）、量化（Quantization）和GGUF（GPT-GeneratedUnifiedFormat）等优化技术，并分析它们的区别
CCSBRIDGE·2025-02-21 23:15

深度学习模型的全面解析：技术进展、应用场景与未来趋势

1.深度学习模型概述1.1深度学习模型的定义与分类深度学习模型是基于人工神经网络的算法，它们通过模仿人脑的处理机制来学习数据中的复杂模式和特征。
阿尔法星球·2025-02-21 22:03

深度学习模型：原理、架构与应用

深度学习（DeepLearning）是机器学习中的一个分支，基于人工神经网络的发展，尤其是多层神经网络的研究，使其在语音识别、图像处理、自然语言处理等领域取得了显著进展。
一ge科研小菜菜·2025-02-21 22:00

基于深度学习的入侵检测系统设计与实现

基于深度学习的入侵检测系统设计与实现文章关键词:深度学习，入侵检测，网络安全，神经网络，特征提取，系统设计文章摘要:随着互联网的快速发展和网络攻击技术的不断演进，网络安全形势日益严峻。
AI天才研究院·2025-02-21 19:39

UNet：UNet的损失函数与优化器_2024-07-24_07-32-39.Tex

UNet：UNet的损失函数与优化器UNet简介UNet的架构UNet是一种广泛应用于图像分割任务的卷积神经网络架构，由OlafRonneberger、PhilippFischer和ThomasBrox
chenjj4003·2025-02-21 16:46

Vision Transformer图像分类实现

与传统的卷积神经网络(CNN)不同，ViT将图像分割成多个小块（patches），并将这些小块视为序列输入到Transformer中。
reset2021·2025-02-21 16:13

神经网络模型训练中的相关概念：Epoch，Batch，Batch size，Iteration

神经网络模型训练中的相关概念如下：Epoch（时期/回合）：当一个完整的数据集通过了神经网络一次并且返回了一次，这个过程称为一次epoch。
一杯水果茶！·2025-02-21 16:39

HarmonyOS Next模型轻量化之基础认知与流程

本文旨在深入探讨华为鸿蒙HarmonyOSNext系统（截止目前API12）中模型轻量化相关技术细节，基于实际开发实践进行总结。
·2025-02-21 14:00

深度学习归一化与正则化

文章目录深度学习归一化与正则化1.归一化(Normalization)2.正则化(Regularization)深度学习归一化与正则化1.归一化(Normalization)定义：归一化是指通过某种算法将输入数据或神经网络层的激活值处理后限制在我们需要的特定范围内
鱼儿也有烦恼·2025-02-21 14:22

【机器学习】向量化使得简单线性回归性能提升

向量化使得简单线性回归性能提升一、摘要二、向量化运算概述三、向量化运算在简单线性回归中的应用四、性能测试与结果分析一、摘要本文主要讲述了向量化运算在简单线性回归算法中的应用。
若兰幽竹·2025-02-21 13:50
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他