训练样本

如何从零开始训练大模型？（附AGI大模型路线图）

但还有一个很直观的情况，随着预训练样本的质量不断提升，训练手段的优化。新的模型，往往效果能轻松反超参数量两倍于它的模型。例如，最新出的minicpm，微信内部评测效果也是非常棒的。
脱泥不tony·2025-03-06 21:13

探秘Mixup：数据增强的新利器

这个项目的目标是通过混合不同样本的数据点生成新的训练样本，从而帮助模型更好地学习数
荣正青·2025-03-05 10:42

第十三站：卷积神经网络（CNN）的优化

通过对训练数据进行各种随机变换，可以生成更多的训练样本，帮助模型避免过拟合。常见的数据增强方法：旋转（Rotation）：随机旋转图像，增强模型对旋转变换
武狐肆骸·2025-02-27 03:08

支持向量机（Support Vector Machine，SVM）

这个间隔被定义为支持向量到超平面的最短距离，而支持向量就是那些恰好位于间隔边缘上的训练样本点。
不易撞的网名·2025-02-25 23:15

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

也就是说，所有训练样本在神经网络中都进行了一次正向传播和一次反向传播。一个epoch是将所有训练样本训练一次的过程。Batch（批/一批样本）：将整个训练样本分成若干个batch。
一杯水果茶！·2025-02-21 16:39

deepseek本地部署后做微调训练实现智能对话的一些建议

数据集应满足以下要求：格式：通常使用JSONL（JSONLines）格式，每行包含一个训练样本。内容：数据应包含对话的上下文和目标输出，例如：{"context":"你好！今天天气不错。"
慧香一格·2025-02-18 14:34

机器学习：k均值

在“无监督学习”中，训练样本的标记信息是未知的，目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律，为进一步的数据分析提供基础，较为经典的是聚类。
golemon.·2025-02-17 08:38

拉普拉斯平滑（Laplacian smoothing）

理论假设：假定训练样本很大时，每个分量x的计数加1
潜心学习的渣渣·2025-02-14 22:07

线性回归、逻辑回归及SVM

可以简单的理解为：在给定训练样本点和已知的公式后，对于一个或多个未知参数，机器会自动枚举参数的所有可能取值（对于多个参数要枚举它们的不同组合），直到找到那个最符合样本点分布的参数（或参数组合）。
@迷途小书童·2025-02-13 07:38

Laplace(拉普拉斯)平滑

在文本分类的问题中，当一个词语没有在训练样本中出现，该词语调概率为0，使用连乘计算文本出现概率时也为0。这是不合理的，不能因为一个事件没有观察到就武断的认为该事件的概率是0。
郑万通·2025-02-12 20:45

如何从零开始，训练AI大模型？零基础入门到精通，收藏这一篇就够了

但还有一个很直观的情况，随着预训练样本的质量不断提升，训练手段的优化。新的模型，往往效果能轻松反超参数量两倍于它的模型。例如，最新出的minicpm，微信内部评测效果也是非常棒的。
网络安全大白·2025-02-12 10:09

【AI论文】LIMO：推理中少即是多

仅凭817个精心挑选的训练样本，LIMO就在AIME数据集上取得了57.1%的准确率，在MAT
东临碣石82·2025-02-10 16:55

scikit-learn实现SVM

最大间隔超平面：SVM的目标是找到能够最大化训练样本间隔的超平面。间隔被定义为到最近训练样本点的距离，这些点被称为支持向量。这种策略的优势在于它提供了一种防止模型过拟合的方法，从而提高了泛化能力。
PeterClerk·2025-02-04 19:23

初入机器学习

也为大家提供一些个人的思考一切仅供参考概念辨析深度学习：本质是建模，将训练得到的模型作为系统的一部分使用侧重于发现样本集中隐含的规律难点是认识并了解模型，合理设置初始模型，要对建模对象有比较深刻的认识依赖大量的准确训练样本强化学习
辰尘_星启·2025-02-03 14:54

机器学习-期末复习题

A.降维是将训练样本从高维空间转换到低维空间B.降维不会对数据产生损伤C.通过降维可以更有效地发掘有意义的数据结构D.降维将有助于实现数据可视化‍将原始数据进行集成、变换、维度规约、数值规约是在以
泡椒鸡jo·2025-02-01 15:32

python 阴暗图像 亮度增强 对比度增强 去雾

解决时，可以在训练样本中加入类似的图像，或者手动把相关图像进行颜色变化。这里主要介绍手工颜色变化。
weixin_37763484·2025-01-31 14:06

如何从零开始训练大模型（预训练方向）

但还有一个很直观的情况，随着预训练样本的质量不断提升，训练手段的优化。新的模型，往往效果能轻松反超参数量两倍于它的模型。例如，最新出的minicpm，微信内部评测效果也是非常棒的。
AI小白熊·2025-01-29 16:43

使用小尺寸的图像进行逐像素语义分割训练，出现样本不均衡训练效果问题

小尺寸裁剪后，部分训练样本可能完全不含某些类别（例如一块纯农田的补丁），导致模型对这些类别缺乏学习机会。示例：原图中“道路”占比5%，若裁剪为256x256的小图，部分小图中可能
司南锤·2025-01-28 08:18

二、机器学习模型评估与选择

过拟合与欠拟合过拟合：学习器把训练样本学得“太好”，将训练样本特点当作所有样本一般性质，导致泛化性能下降。欠拟合：学
没见过西瓜嘛·2025-01-27 15:43

python鸢尾花数据集knn_【python+机器学习1】python 实现 KNN

KNN算法的核心思想：要想确定测试样本属于哪一类，就先寻找所有训练样本中与该测试样本“距离”最近的前K个样本，然后判断这K个样本中大部分所
weixin_39629269·2025-01-24 21:40

论文笔记 U-Net: Convolutional Networks for Biomedical Image Segmentation

摘要：人们普遍认为，深度网络的成功训练需要数千个带注释的训练样本。在本文中，我们提出了一种网络和训练策略，该策略依赖于大量使用数据增强来更有效地使用可用的注释样本。
城南皮卡丘·2025-01-22 10:24

gan 总结 数据增强_两幅图像！这样能训练好 GAN 做图像转换吗？

首先，GAN不好训练，目前的技术还是需要大量训练样本。而一旦有大量训练样本，那GAN
weixin_39972741·2025-01-20 00:03

从零开始构建一个大语言模型-第二章第一节

用滑动窗口法采样训练样本。将词元转换为输入大型语言模型的向量。到目前为止，我们已经介绍了大型语言模型（LLMs）的总
释迦呼呼·2025-01-19 03:55

【AI系统】混合并行

数据并行适用于训练样本较多而模型较小的情况，通过将数据集分割成多个子集并在不同的设备上同时训练来
ZOMI酱·2025-01-17 20:05

3.1 损失函数和优化：损失函数

损失函数L_i定义：通过函数f给出预测的分数和真实的目标（或者说是标签y），可以定量的描述训练样本预测的好不好，最终的损失函数是在整个数
做只小考拉·2024-09-16 03:17

《Learning to Count without Annotations》CVPR2024

这是通过构建“Self-Collages”（自我拼贴画）实现的，即在背景图像上粘贴不同对象的图像作为训练样本，提供覆盖任意对象类型和数量的学习信号。
夏日的盒盒·2024-09-07 19:35

颜色识别基于高斯混合模型（GMM）的查找表分类器（LUT）

文章目录create_class_gmm创建高斯混合模型（GMM）以进行分类任务add_samples_image_class_gmm提取训练样本，并将其添加到高斯混合模型(GMM)的训练数据集中train_class_gmm
吃个糖糖·2024-09-07 18:27

（二）十分简易快速 自己训练样本 opencv级联lbp分类器 车牌识别

强烈建议先阅读上一篇博文，此篇博文是上一篇的拓展目录1、haar与lbp分类器的对比2、使用工具对LBP特征类型进行训练3、LBP分类器现象展示4、完整代码贴出5、更新后的工程贴出6、结语1、haar与lbp分类器的对比Haar特征分类器的优缺点：优点：准确性：在训练数据充足且质量高的情况下，Haar分类器可以达到很高的检测准确率。成熟稳定：Haar特征分类器是较早使用的特征检测方法之一，经过多年
Sisphusssss·2024-09-05 00:37

遥感影像-语义分割数据集：GID数据集详细介绍及训练样本处理流程

GID数据集：大规模高分卫星土地覆盖数据集原始数据集详情简介：GID是基于我国Gaofen-2卫星数据而构建的大规模高分辨率遥感图像土地覆盖数据集。GID数据集分为大规模分类集（GID-5）和精细土地覆盖集（GID-15）两个部分。大规模分类集（GID-5）包含建筑、农田、森林、草地和水域等5个土地覆盖类别，共计150景像素级标注的Gaofen-2卫星遥感图像。其中，训练集为120景图像，验证集为
GIS潮流·2024-09-01 18:33

机器学习（2）单变量线性回归

我们用小写字母m来表示训练样本的数目。监督学习算法的工作方式以房屋价格的训练为例，将训练集里房屋价格喂给学习算法，学习算法工作后输出一个函数h，h代表hypothesis（假设）。
天凉玩个锤子·2024-08-31 19:47

机器学习 第9章-聚类

机器学习第9章-聚类9.1聚类任务在“无监督学习”(unsupervisedlearning)中，训练样本的标记信息是未知的，目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律，为进一步的数据分析提供基础
Rin__________·2024-08-31 05:02

遥感影像-语义分割数据集：Vaihingen数据集详细介绍及训练样本处理流程

原始数据集详情Vaihingen是一个相对较小的村庄，有许多独立的建筑和小的多层建筑。KeyValue卫星类型未知覆盖区域一个相对较小的村庄，有许多独立的建筑和小的多层建筑-Vaihingen场景城市分辨率5cm数量38张单张尺寸6000*6000原始影像位深8位标签图片位深8位原始影像通道数三通道标签图片通道数三通道官网https://www.isprs.org/education/benchm
GIS潮流·2024-08-30 10:56

Datawhale AI夏令营-task03

**数据增强涉及对原始数据进行一系列的变换操作，生成新的训练样本。这些变换模拟了真实世界中的变化，对于图像而言，数
ghost_him·2024-08-29 06:50

机器学习——支持向量机

一、间隔与支持向量  给定训练样本集D={(x1,y1),(x2,y2),⋯ ,(xm,ym)},yi∈{−1,+1}D=\{(\bmx_1,y_1),(\bmx_2,y_2),\cdots,(\bmx_m
酱香编程，风雨兼程·2024-08-29 06:20

Keras深度学习框架实战（2）：估计模型训练所需的样本量

1、模型训练样本量评估概述1.1样本量评估的意义预估模型需要的样本量对于机器学习项目的成功至关重要，以下是几个主要原因：防止过拟合与欠拟合：过拟合：当模型在训练数据上表现极好，但在未见过的测试数据上表现糟糕时
MUKAMO·2024-08-25 15:52

机器学习-近邻KNN算法学习笔记

KNN算法的主要思想可以简单概括如下：训练阶段：在训练阶段，KNN算法将所有的训练样本和它们对应的标签存储在
不会敲代码的陈序员·2024-02-20 21:36

transformer-Attention is All You Need（一）

这种固有的顺序特性阻止了训练样本内的并行化，这在较长的序列长度上变得至关重要，因为有限的内存限制了样本的批处理大小。
liaolaa·2024-02-20 04:18

深度学习优化算法

优化算法1.如何解决训练样本少的问题要训练一个好的CNN模型，通常需要很多训练数据，尤其是模型结构比较复杂的时候，比如ImageNet数据集上训练的模型。
丁引·2024-02-19 13:42

data mining-基于实例的学习

在基于实例的学习中，训练样本被完全保存起来，并且使用距离函数带来判定训练集中的哪个实例与一个未知的测试实例最近。
crishawy·2024-02-15 09:47

huggingface pipeline零训练样本分类Zero-Shot Classification的实现

1：默认的model。fromhuggingface_hub.hf_apiimportHfFolderHfFolder.save_token('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')fromtransformersimportMBartForConditionalGeneration,MBart50TokenizerFastfromtransformersi
hehui0921·2024-02-14 11:47

00005. 在朴素Bayes模型中，为什么需要Laplace平滑？

假定训练样本很大时，每个分量的计数加造成的估计概率变化可以忽略不计，但可以
deBroglie·2024-02-13 15:31

神经网络训练中的epoch和batch概念

在一个epoch中，网络会对每一个训练样本学习一次，然后更新权重。训练多个epoch是为了使得模型更好地学习数据集中的特征和模式。
山泼黛·2024-02-12 14:29

机器学习之监督学习和非监督学习

这意味着每个训练样本都是由输入向量和相应的目标输出(也称为标签)组成的。模型的任务是学习输入到输出的映射函数，以便当提供新的、未见过的数据时，模型能够预测出正确的输出。
华农DrLai·2024-02-12 11:30

MATLAB环境下基于深层小波时间散射网络的ECG信号分类

小波时间散射网络的结构类似于深度卷积神经网络，不同的是其滤波器是预先确定好的小波滤波器，小波滤波器的参数不需要通过训练样本学习得到，因此其网络是非反馈式的。
哥廷根数学学派·2024-02-09 09:17

MATLAB环境下生成对抗网络系列（11种）

增强的数据代表一个分布覆盖性更广、可靠性更高的数据点集，使用增强数据能够有效增加训练样本的多样性，最小化训练集和验证集以
哥廷根数学学派·2024-02-07 20:55

教程：教你一个简单快速能够掌握监督学习算法的方法

监督学习算法会从数据集中学习得出训练样本和其目标变量之
妄心xyx·2024-02-07 11:52

【机器学习300问】23、什么是主动学习？

一、带标签的数据很难获得机器学习中，比如监督学习需要带有标签的训练样本才能得到模型，然而在以下几种场景中去获取带有标签的数据是很难的：自动驾驶场景：对自动驾驶汽车收集的高清地图数据或实时摄像头数据进行标注
小oo呆·2024-02-07 06:00

kaggle：泰坦尼克号获救预测_Titanic_EDA##

问题数据来源于Kaggle，通过一组列有泰坦尼克号灾难幸存者或幸存者的训练样本集，我们的模型能否基于不包含幸存者信息的给定测试数据集确定这些测试数据集中的乘客是否幸存。
卜咦·2024-02-07 06:01

机器学习---概率图模型（隐马尔可夫模型、马尔可夫随机场、条件随机场）

1.隐马尔可夫模型机器学习最重要的任务是根据已观察到的证据（例如训练样本）对感兴趣的未知变量（例如类别标记）进行估计和推测。
三月七꧁ ꧂·2024-02-06 21:39

「深度学习」循环神经网络RNN

一、序列模型的例子二、数学符号定义X^{(i)}：训练样本i的输入序列的第t个元素。T_{X}^{i}：训练样本i的输入序列的长度。Y^{(i)}：训练样本i的输出序列的第t个元素。
Sternstunden·2024-02-06 06:50
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他