端到端训练第8页

hcia学习笔记day2---传输层协议TCP/UDP

传输层协议传输层定义了主机应用程序之间端到端的连通性，传输层最常用的协议分别是TCP传输控制协议和UDP用户数据报协议传输控制协议（TCP）：传输控制协议，先建立连接在进行通信，这种连接叫做TCP连接。

haf-Lydia·2025-02-08 06:51

大模型的训练与应用 | 二十二、DeepSeek API 申请与使用指南

DeepSeekAPI，一个兼容OpenAIAPI格式的强大工具，为开发者提供了丰富的自然语言处理能力。本文将为您展示如何申请和使用DeepSeekAPI，让您能够轻松集成智能对话补全功能。一、DeepSeekAPI概览DeepSeekAPI基于先进的MoE模型，支持对话生成和补全，适用于聊天机器人、虚拟助手等应用场景。二、申请APIKey1）注册DeepSeek平台账号访问DeepSeek平台，

西琴小竹·2025-02-08 06:50

【AI原理解析】— Gemini模型

目录1.模型概述定义特点2.模型基础与架构模型架构模型尺寸3.多模态处理能力输入处理数据处理训练过程4.技术细节与优化预训练上下文长度注意机制5.安全性与编程能力安全性评估编程能力6.模型发布与应用发布时间应用方向

coolkidlan·2025-02-08 06:49

DeepSeek模型与OpenAI模型原理和技术架构的异同分析

DeepSeek模型与OpenAI模型原理和技术架构的异同分析一、模型原理（一）DeepSeekR1DeepSeekR1的核心原理是基于强化学习（RL）的训练方式，其创新之处在于不依赖任何监督微调（SFT

程序猿000001号·2025-02-08 04:10

Apache Kafka：高吞吐分布式流平台的深度解析

lozhyf·2025-02-08 04:07

NAS（神经架构搜索）基准数据集

在NAS（神经架构搜索）任务中，基准数据集是指专门设计并提供固定的搜索空间、评价指标和预训练结果的数据集，用于公平评估和比较不同NAS算法的表现。

TAICHIFEI·2025-02-08 03:31

说话人识别----技术挑战点

技术挑战点为:与文本无关;说话人识别中的跨信道、噪音;短语音;多说话人、防假冒处理;训练库大小限制;

sunfoot001·2025-02-08 01:54

Chapter4.1 Coding an LLM architecture

4ImplementingaGPTmodelfromScratchToGenerateText4.1CodinganLLMarchitecture4ImplementingaGPTmodelfromScratchToGenerateText本章节包含编写一个类似于GPT的大型语言模型（LLM），这个模型可以被训练来生成类似人类的文本

亲持红叶·2025-02-08 01:53

为了实现对不同说话人的处理，可以加入一些专门的层和技术，来区分和识别说话人的特征。

实现方式：说话人分离可以通过加入深度聚类（DeepClustering）或端到端分离网络（如DPRNN）实现，这些方法擅长分离出多个声源。适用层：说话人分离层

苏西月·2025-02-07 23:12

基于Pytorch的猫狗分类的代码演练

这个代码是以tensorflow为框架训练的，由于之前一直没有系统的了解tensorflow框架和Pytorch框架的区别，得着今天闲来无事，了解了一下，顺便看看能不能自己用Pytorch框架来训练猫狗分类的代码

摸爬滚打的包菜·2025-02-07 23:09

机器学习算法分类

以下是详细的分类介绍：1.根据学习方式进行分类1.1监督学习(SupervisedLearning)监督学习是指在训练过程中，输入数据（特征）和输出数据（标签）都是已知的。

和风化雨·2025-02-07 23:07

DeepSeek-V3：低成本高性能的AI代码生成器，开源大模型的又一里程碑

这款拥有6710亿参数的超大规模语言模型，以其低廉的训练成本（仅557万美元）和接近GPT-4o的性能，成为开源大模型领域的又一个里程碑，也为AI代码生成器领域带来了新的可能性。

·2025-02-07 22:52

毕业设计：基于卷积神经网络的鲜花花卉种类检测算法研究

目录前言课题背景和意义实现技术思路一、算法理论基础1.1卷积神经网络1.2目标检测算法二、数据集2.1数据集2.2数据扩充三、实验及结果分析3.1实验环境搭建3.2模型训练最后前言大四是整个大学期间最忙碌的时光

HaiLang_IT·2025-02-07 20:23

AI商业化：如何包装技术并找到客户需求？

一、引言在过去几年里，从GPT、Transformer到DeepSeek，以及分布式训练和微调技术的发展，为AI技术带来了质的飞跃。然而，光有先进的技术并不足以实现商业成功。如何将这些技术包装成易于

hjy1821·2025-02-07 17:34

深入浅出 DeepSeek-Coder-V2 是如何打破闭源模型封锁的

今天，我们就从模型架构、训练数据、强化学习优化三

fertiland·2025-02-07 17:33

传统AI算法工程师转型指南：如何成功切入大模型领域赛道“

通过这个项目了解到了文本的大致编解码流程，以及一些常见的文本预训练任务（mlm等等）。在做项目的过程中，为了节省训练成本，阅读了很多peft（参数高效微调）的文献，并且实践了lor

大模型玩家·2025-02-07 17:33

ubuntu22.04，瑞芯微RK3568部署YOLOv5(纯干货版)

目录1,训练自己的数据集转换为onnx2，onnx格式→rknn格式3,3588平台部署1,训练自己的数据集转换为onnx在Anaconda的yolov5，进入yolov5根目录，终端运行如下pythonmodels

今夕是何年，·2025-02-07 16:58

深度搜索MoE：利用大规模预训练模型提升信息检索效能

深度搜索MoE：利用大规模预训练模型提升信息检索效能DeepSeek-MoE项目地址:https://gitcode.com/gh_mirrors/de/DeepSeek-MoE项目简介DeepSeek-MoE

杭律沛Meris·2025-02-07 15:20

100.5 AI量化面试题：在使用LSTM预测股票价格时，如何有效处理金融时间序列的非平稳性？

目录0.承前1.数据预处理1.1平稳性检验1.2数据转换2.特征工程2.1技术指标构建2.2时间特征提取3.LSTM模型设计3.1数据准备3.2模型架构4.训练与验证4.1时序交叉验证4.2滚动预测5.

AI量金术师·2025-02-07 14:45

大语言模型原理基础与前沿高效的MoE架构

大语言模型原理基础与前沿高效的MoE架构关键词：大语言模型，MoE架构，参数高效微调，分布式训练，模型压缩，推理加速1.背景介绍1.1问题的由来随着深度学习技术的飞速发展，大语言模型（LargeLanguageModels

AI架构设计之禅·2025-02-07 13:39

基于深度学习的行人摔倒检测识别系统 —— 使用YOLOv5实现行人摔倒检测

目录引言项目背景与目标1.1项目背景1.2项目目标系统设计与架构2.1系统功能概述2.2系统架构数据准备与处理3.1数据集选择与收集3.2数据标注3.3数据集划分YOLOv5模型训练与优化4.1YOLOv5

2025年数学建模美赛·2025-02-07 13:34

当大模型遇上Spark：解锁大数据处理新姿势

大模型，即大规模机器学习模型，是利用海量数据和强大算力训练出来的“大参数”模型。其发展历程可谓是一部科技创新的传奇史。从20世纪中叶人工智能概念的提出，到2006年深度学习技术崭露

敏叔V587·2025-02-07 11:52

408-计算机网络-零碎知识点速记

运输层别名：端到端。会话层：不同主机各个进程之间会话表示层：处理两个通信系统交换信息的表示方式。编码、表示方法等。物理层码元：可以理解为单位信息，一个码元就只携带一个信息。通常是几个比特组成。

猫毛已经快要掉光的小猫·2025-02-07 11:18

基于langchain和gradio实现天气查询智能体，本地ollama大模型调实时天气api，前端输入即可自动返回天气

介绍：众所周知大模型训练数据都是用的历史数据，无法实时查询天气信息，因此使用本地ollama大模型调实时天气api接口的方式，大模型识别和理解你要查询的请求，然后调第三方天气api接口返回实时天气。

福小白·2025-02-07 10:48

基于 DeepSeek-R1 模型微调（SFT）技术详解

目录引言1.1大模型时代与微调的重要性1.2本文目的与结构概述DeepSeek-R1模型基础2.1模型简介2.1.1模型架构2.1.2预训练数据与目标2.2模型特点与优势2.2.1语言理解与生成能力2.2.2

zhangjiaofa·2025-02-07 10:43

idea2024新特性以及idea2024.1版本安装、激活

一、idea2024新特性1、行级别的代码补全IDEA现在可以根据代码的上下文分析，给我们提示一整行的代码，借助了大模型对数据的分析训练，同时确保了代码数据的安全性。

阿东知识库·2025-02-07 09:39

大模型元年：人工智能的“寒武纪大爆发”

一、从“专用”到“通用”：大模型开启AI新范式传统的人工智能模型往往是针对特定任务进行训练的“专用工具”，例如图像识别、语音识别等。而大模

小马过河R·2025-02-07 08:05

大模型生态开源工具整理

最近一直在做大模型应用开发工作,总结下用到的一些开源工具1-模型训练LLaMA-Factory整体介绍LLaMA-Factory是一个开源的微调框架，为开发者提供简便高效的工具，以便在预训练模型基础上快速适应特定任务需求

miracletiger·2025-02-07 08:35

python写接口调用模型_对YOLOv3模型调用时候的python接口详解

之前训练好的模型，在模型调用的时候，总是在lib=CDLL("/home/*****/*******/darknet/li

weixin_39835607·2025-02-07 07:28

聚类算法与应用

3.1基本原理3.1.1树状结构的建立3.1.2聚合或分裂策略3.2应用场景3.2.1生物学中的基因表达数据聚类3.2.2文本数据的主题分类4.聚类算法的实践应用4.1数据准备与预处理4.2算法选择与模型训练

theskylife·2025-02-07 06:16

DeepSeek开源引擎引爆央国企AI革命：一场自主可控的“智能突围战“

然而现实却充满挑战——某能源集团AI模型训练耗时长达72小时，某金融机构因数据安全问题被迫放弃云端方案，某制造央企为适配国产硬件额外投入超千万...这些痛点直指三大困局：性能瓶颈：

Light60·2025-02-07 05:43

4.2 过拟合与欠拟合

4.2.1什么是过拟合与欠拟合过拟合：一个假设在训练数据上能够获得比其他假设更好的拟合，但是在测试数据集上却不能很好地拟合数据，此时认为这个假设出现了过拟合的现象。

望云山190·2025-02-07 05:11

tensorflow模型继续训练？？

之前训练的模型没有收敛就结束了，再次训练，增加训练次数是不是就会收敛了？有时，网上的参考答案并不能解决问题，因为每个人的细节不同，总有些关键细节问题决定成败。

小李飞刀李寻欢·2025-02-07 04:35

使用一个大语言模型对另一个大语言模型进行“调教”

以下是基于搜索结果整理的详细步骤和方法：1.准备工作安装必要的库•Transformers：用于加载和训练模型。•Datasets：用于处理数据集。

大霸王龙·2025-02-07 03:25

Ollama安装部署deepseek

内置的模型下载llama3模型(亲测垃圾机房都可以跑起来)下载DeepSeek-V3模型运行模型搭建Web环境OllamaOllama是一个开源的大型语言模型服务工具，旨在帮助用户在本地环境中部署和运行大规模预训练语言模型

angel725·2025-02-07 02:53

Stable Diffusion使用样例实践（二）

细节上可以多训练几次，得到满意的为准。

Allen-Steven·2025-02-07 00:38

DeepSeek R1和V3区别

DeepSeekR1和V3是深度求索（DeepSeek）推出的两款大模型，尽管基于相似的技术框架（如混合专家架构MoE），但在设计目标、训练方法、性能表现和应用场景上存在显著差异。

@Rocky·2025-02-06 23:02

代码随想录算法训练营第二十八天| 回溯算法01

77.组合对着在回溯算法理论基础给出的代码模板，来做本题组合问题，大家就会发现写回溯算法套路。在回溯算法解决实际问题的过程中，大家会有各种疑问，先看视频介绍，基本可以解决大家的疑惑。本题关于剪枝操作是大家要理解的重点，因为后面很多回溯算法解决的题目，都是这个剪枝套路。题目链接/文章讲解：代码随想录视频讲解：带你学透回溯算法-组合问题（对应力扣题目：77.组合）|回溯法精讲！_哔哩哔哩_bilibi

Rachela_z·2025-02-06 23:02

机器学习算法 —— 朴素贝叶斯

博客的简介（文章目录）目录朴素贝叶斯朴素贝叶斯的介绍朴素贝叶斯的优点朴素贝叶斯的缺点朴素贝叶斯的应用实战（贝叶斯分类）莺尾花数据库函数导入数据导入和分析模型训练模型预测原理简析模拟离散数据集朴素贝叶斯朴素贝叶斯的介绍朴素贝叶斯法

ZShiJ·2025-02-06 23:01

[论文笔记] Deepseek技术报告

介绍了两代模型：DeepSeek-R1-Zero（纯RL，无SFT冷启动数据）和DeepSeek-R1（在RL前加入少量冷启动数据和多阶段训练流程，提升可读性及推理表现）。

心心喵·2025-02-06 22:53

深度学习篇---深度学习相关知识点&关键名词含义

Ronin-Lotus·2025-02-06 21:21

深度学习篇---深度学习中的超参数&张量转换&模型训练

文章目录前言第一部分：深度学习中的超参数1.学习率（LearningRate）定义重要性常见设置2.批处理大小（BatchSize）定义重要性常见设置3.迭代次数（NumberofEpochs）定义重要性常见设置4.优化器（Optimizer）定义重要性常见设置5.损失函数（LossFunction）定义重要性常见设置6.正则化（Regularization）定义重要性常见设置7.网络架构（Net

Ronin-Lotus·2025-02-06 21:50

利用Docker简化机器学习应用程序的部署和可扩展性

传统方法往往需要帮助将ML模型操作化，原因包括训练和服务环境之间的差异或扩展的困难。Docker是一个旨在自动化应用程序部署、扩展和管理的开源平台，作为解决这些挑战的方法。所提出的方法将ML模型及其

荆州克莱·2025-02-06 20:44

LDA主题分析—情感分析案例

以下是一个针对投诉内容进行情感分析的完整案例，包含数据准备、模型训练、情感分析以及结果展示的过程。案例：投诉内容情感分析步骤1：数据准备首先，我们准备一份包含用户投诉内容的数据集。

rubyw·2025-02-06 20:41

T1:实现mnist手写数字识别

>-**本文为[365天深度学习训练营](https://mp.weixin.qq.com/s/0dvHCaOoFnW8SCp3JpzKxg)中的学习记录博客**>-**原作者：[K同学啊](https

哈维羊·2025-02-06 19:33

LLM知识蒸馏代码讲解及训练实验

LLM知识蒸馏代码讲解及训练实验知识蒸馏简单讲即使用大规模参数的模型对小规模参数模型进行蒸馏，且不是简单的只使用答案，是需要两个模型的logprob进行交互的，故两个模型的vocabsize必须是一样的

淡水，·2025-02-06 18:33

深度学习学习笔记 --- 动量momentum

一、动量momentum的由来训练网络时，通常先对网络的初始值按照某种分布进行初始化，如：高斯分布。

杨鑫newlfe·2025-02-06 18:01

DeepSeek与OpenAI：谁是AI领域的更优选择？

一、成本与性价比1.训练成本DeepSeek在训练成本上的优势极为显著。其开发团队通过创

gs80140·2025-02-06 18:28

TensorFlow、把数字标签转化成onehot标签

在MNIST手写字数据集中，我们导入的数据和标签都是预先处理好的，但是在实际的训练中，数据和标签往往需要自己进行处理。以手写数字识别为例，我们需要将0-9共十个数字标签转化成onehot标签。

dg989385783·2025-02-06 18:58

【大模型LLM面试合集】训练数据_数据格式

对于大语言模型的训练中，SFT（SupervisedFine-Tuning）的数据集格式可以采用以下方式：输入数据：输入数据是一个文本序列，通常是一个句子或者一个段落。

X.AI666·2025-02-06 18:28

推荐频道

端到端训练