训练吃显卡

DQN深度强化学习：CartPole倒立摆任务（完整代码）

三、安装环境四、定义QNet五、定义DQNAgent初始配置动作选择（ε-贪婪策略）六、完整代码七、训练结果一、什么是DQN？

林泽毅·2025-02-08 21:45

Vision Transformer学习笔记（2020 ICLR）

摘要(Abstract)：简述了ViT（VisionTransformer）模型的设计和实验结果，展示了其在大规模图像数据集上进行训练时的优越性能。

刘若里·2025-02-08 21:15

Deepseek成功启示：从 TRPO 到 GRPO训练LLM

这是深入了解大型语言模型LLMs如何训练的绝佳机会。

大模型之路·2025-02-08 20:03

《探秘卷积神经网络的核心—卷积核》

卷积核中的每个元素都是一个权重参数，这些参数会在网络训练过程

·2025-02-08 19:57

熬夜整理模型下载、量化、代码调用可免费使用离线部署的上千个国内外开源大模型梳理，整理开源的大语言模型，以规模较小、可私有化部署、训练成本较低的模型为主，包括底座模型，垂直领域微调及应用，数据集与教程等

熬夜整理模型下载、量化、代码调用，可免费使用离线部署的上千个国内外开源大模型梳理，整理开源的大语言模型，以规模较小、可私有化部署、训练成本较低的模型为主，包括底座模型，垂直领域微调及应用，数据集与教程等

代码讲故事·2025-02-08 15:32

DeepSeek：知识图谱与大模型参数化知识融合的创新架构

大模型，凭借其在海量数据上的深度训练，拥有强大的语言理解与生成能力，能够处理多种自然语言处理任务，如文本生成、问答系统、机器翻译等，像GPT系列模型，一经推出便在全球范围内引起了广泛关注，展示了大模型在语言处理方面的卓越能力

·2025-02-08 14:49

超火的DeepSeek使用了大模型蒸馏技术嘛?

以下是通过互联网公开信息整理的内容:从多个证据中可以确认，DeepSeek在其模型训练和优化过程中采用了蒸馏技术。

魔王阿卡纳兹·2025-02-08 14:28

图神经网络实战（8）——图注意力网络(Graph Attention Networks, GAT)

图注意力层原理1.1线性变换1.2激活函数1.3Softmax归一化1.4多头注意力1.5改进图注意力层2.使用NumPy中实现图注意力层3.使用PyTorchGeometric实现GAT3.1在Cora数据集上训练

盼小辉丶·2025-02-08 12:09

动手学图神经网络（12）：MovieLens上的链接回归

MovieLens上的链接回归在MovieLens数据集上进行评分预测的实践过程，包括数据处理、模型构建、训练以及评估等步骤，预测用户对电影的评分（即边的属性值）。

段智华·2025-02-08 11:07

神经网络压缩实验-Deep-compression

首发于个人博客，结合论文阅读笔记更佳实验准备基础网络搭建为了实现神经网络的deepcompression，首先要训练一个深度神经网络，为了方便实现，这里实现一个两层卷积+两层MLP的神经网络classnet

无用技术研究所·2025-02-08 11:06

大语言模型应用指南：Gemini简介

LLM基于深度学习技术，通过训练海量的文本数据，能够理解和生成自然语言，并在各种任务中展现出惊人的能力，例如：文本生成:写作故事、诗歌、新闻报道等机器翻译:将一种语言翻译成另一种语言问答系统:回答用户提出的问题代码生成

AI天才研究院·2025-02-08 11:03

深度学习的文本生成：从seq2seq到GPT2和GPT3

文章目录1.背景介绍1.1序列到序列（seq2seq）模型1.1.1编码器1.1.2解码器1.1.3训练1.2Transformer模型1.2.1自注意力机制1.2.2位置编码1.2.3多头注意力1.2.4

AI天才研究院·2025-02-08 11:33

AI学习指南HuggingFace篇-项目实战：情感分析系统

本文将通过一个完整的项目案例，从数据收集、模型训练到部署，展示HuggingFace在情感分析中的实战应用。二、项目实战：情感分析系统（一）数据收集情感分析通常需要一个包含文本和对应情感标签的数据集。

俞兆鹏·2025-02-08 10:25

大语言模型多token预测技术

传统的基于下一个token预测的训练方法虽简单有效，但在获取语言、世界知识和推理能力方面效率不高。

deepdata_cn·2025-02-08 09:21

【Python】将不规则凸多边形映射到单位正方形

写在前面在机器学习领域常需要将数据归一化后才能进行训练等操作，一维数据很容易处理，但对于二维的不规则数据，则需要一些手段，本文就是用来解决这个问题此外，有时候希望可以用循环遍历一个不规则的二维平面，显然难以直接实现

辰尘_星启·2025-02-08 09:16

AI编程工具合集

OpenAI)这里是一些知名和广泛使用的AI编程工具及其简要介绍：1.框架和库(FrameworksandLibraries)-TensorFlow:由谷歌开发的开源深度学习框架，支持多种平台，适合构建和训练复杂神经网络

109702008·2025-02-08 09:14

GPT-4.0 新手使用教程（保姆级入门）

一、GPT-4.0简介GPT-4.0是OpenAI推出的最新版本的生成式预训练模型，较之前的版本，它在自然语言理解和生成方面有了显著提升。

玩AI的小胡子·2025-02-08 09:42

Ubuntu 20.04系统安装显卡驱动RTX3080

网络上很多，试过很多前人的经验，多多少少都有些奇怪问题特别是对于我这样的新手我记录下，仅代表我个人安装成功的经验说明，我是台式机安装Ubuntu怎么安装完系统就不谈了，主要说第一次进入系统之后的事情1，进入系统之前，关闭secureboot(这个很重要，怎么关闭自己百度，主板不一样稍微有点区别)2，进入Ubuntu系统，打开命令端第一目的是首先更新源打开编辑sources.list文件sudoge

imecco·2025-02-08 08:06

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

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

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

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

Ollama AI 开发助手完全指南：从入门到实践

目录基础环境配置模型选择与使用开发工具集成实践应用场景性能优化与注意事项最佳实践总结一、基础环境配置1.1系统要求在开始使用Ollama之前，请确保您的系统满足以下基本要求：硬件配置：CPU：4核心及以上内存：至少16GBRAM显卡

ivwdcwso·2025-02-07 08:36

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

K8S中使用英伟达GPU —— 筑梦之路

前提条件根据不同的操作系统，安装好显卡驱动，并能正常识别出来显卡，比如如下截图：GPU容器创建流程containerd-->containerd-shim-->nvidia-container-runtime

筑梦之路·2025-02-07 07:25

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

推荐频道