训练问题记录

DeepSeek动态增量学习技术详解与实战指南

一、主题背景1.Why：破解模型持续进化难题传统全量训练模式面临三大困境：金融风控场景中，每周新增百万级欺诈样本时，全量训练耗时从3小时增至8小时（数据量年增长300%）医疗影像诊断模型遇到新病症类型时

燃灯工作室·2025-02-26 02:09

GLake：优化GPU内存管理与IO传输的开源项目

GLake：突破GPU内存和IO瓶颈的利器在人工智能快速发展的今天，大模型训练和推理正面临着严峻的挑战。

2401_87458718·2025-02-26 02:35

DeepSeek技术解析：降本增效的“双刃剑”如何重塑AI产业？

正面影响分析算力需求与成本大幅降低DeepSeek通过算法优化（如稀疏计算、知识蒸馏）和模型压缩技术，将云端训练算力需求降至传统大模型的35%，车端推理芯片需求减少至65%。

爱吃青菜的大力水手·2025-02-26 01:29

DeepSeek：突破闭源封锁，引领大模型新时代

然而，大模型的训练和部署往往面临着硬件依赖性强、成本高昂、效率低下等挑战。DeepSeek的出现，为解决这些问题提供了全新的思路和方案。

fanstinmsl·2025-02-26 01:59

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

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

Tensorflow2.x框架-神经网络八股扩展-acc曲线与loss曲线

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

诗雨时·2025-02-25 23:15

DeepSeek强化学习（Reinforcement Learning）基础与实践

引言强化学习（ReinforcementLearning,RL）是机器学习的一个重要分支，专注于训练智能体（Agent）在环境中通过试错来学习最优策略。

Evaporator Core·2025-02-25 23:44

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）

梯度爆炸是指梯度在方向传播过程中逐渐变大，权重参数更新变化较大，导致损失函数的上下跳动，导致训练不稳定可以使用一些合理的损失函数如relu,leakRelu，归一化处理，batchnorm,确保神经元的输出值在合理的范围内

SylviaW08·2025-02-25 22:37

DeepSeek基础之机器学习

重点理解与思考（一）泛化能力的重要性（二）归纳偏好的影响（三）NFL定理的启示三、应用场景联想（一）电商推荐系统（二）医疗诊断四、机器学习的基本流程（一）问题定义（二）数据收集与预处理（三）模型选择与训练

珠峰日记·2025-02-25 22:07

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

文章目录一、项目介绍二、项目实战2.1、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

胖墩会武术·2025-02-25 21:04

YoloV8训练参数篇

这个参数用于标识当前训练任务所属的项目，方便管理和组织多个训练任务。name:实验名称。该参数为当前训练任务指定一个名称，以便于标识和区分不同的实验。exist_ok:是否覆盖现有的实验。

江木27·2025-02-25 21:03

Python微调DeepSeek-R1-Distill-Qwen-1.5B模型：使用Transformers和PyTorch进行训练

前言近年来，基于Transformer架构的预训练语言模型如GPT、BERT等已经取得了显著的成果，广泛应用于自然语言处理（NLP）的各个领域。

煤炭里de黑猫·2025-02-25 21:02

机器学习01

机器学习的基本过程如下：1.数据获取2.数据划分3.特征提取4.模型选择与训练5.模型评估6.模型调优一、特征工程（重点）0.特征工程步骤为：特征提取(如果不是像dataframe那样的数据，要进行特征提取

天行者@·2025-02-25 20:53

机器学习02

HoldOutHoldOutCross-validation（Train-TestSplit）优点1.简单高效操作简便：这种方法的实现非常直接，只需要将原始数据集按照一定比例（常见的如70:30、80:20等）随机划分为训练集和测试集

天行者@·2025-02-25 20:53

细说向量化知识库

大多数LLM依赖其训练数据来回答问题，但它们的知识是静态的，无法实时更新。

CCSBRIDGE·2025-02-25 18:41

AI安全全景解析：从数据到模型的全方位防护

一、AI安全核心风险矩阵风险类型典型场景技术影响数据投毒训练数据被恶意篡改模型准确性下降模型窃取黑盒攻击获取模型参数知识产权泄露对

金外飞176·2025-02-25 18:09

Pytorch实现之混合成员GAN训练自己的数据集

简介简介：提出一种新的MMGAN架构，使用常见生成器分布的混合对每个数据分布进行建模。由于生成器在多个真实数据分布之间共享，高度共享的生成器（通过混合权重反映）捕获分布的公共方面，而非共享的生成器捕获独特方面。论文题目：MIXEDMEMBERSHIPGENERATIVEADVERSARIALNETWORKS（混合成员生成对抗网络）会议：IEEEInternationalConferenceonIm

这张生成的图像能检测吗·2025-02-25 15:18

9、论文阅读：无监督的感知驱动深水下图像增强

Perception-DrivenDeepUnderwaterImageEnhancementWithoutPairedSupervision前言引言相关工作UIE模型基于非物理模型基于物理模型基于深度学习质量度量在图像增强中的应用方法论问题表述PQR模型PDD网络生成器损失函数实验A.数据集B.训练细节

Maker~·2025-02-25 15:18

阅读笔记：ViLBERT: Pretraining Task-Agnostic Visiolinguistic Representations for Vision-and-Language Task

PretrainingTask-AgnosticVisiolinguisticRepresentationsforVision-and-LanguageTasksContribution提出ViLBERT模型（twostreamsmodel），由两个BERT结构分别对text和image进行学习，通过cross-attention进行信息交流，在两个预训练任务

Araloak·2025-02-25 14:44

用于获得一个pb文件的所有节点名称

#-*-coding:utf-8-*-"""CreatedonTueDec1818:31:1320181、model_dir为模型路径文件夹，model_name为模型名称（自定义非如alexnet等训练实际名称

@Mr_LiuYang·2025-02-25 14:40

DeepSeek预测2030年：全球 50% 的白领工作将由 AI Agent 辅助完成，金融、医疗等专业渗透率超 70%

对未来的发展进行多维度预测，涵盖人工智能、搜索行业、全球经济格局等领域：一、人工智能技术的革命性突破低成本高性能模型的普及DeepSeek-R1等国产大模型通过混合专家架构（MoE）和算法优化，以OpenAI1/70的训练成本实现同等性能

未来AI编程·2025-02-25 13:03

高压输电线故障检测数据集 YOLO 格式

数据集介绍高压输电线故障检测数据集是一个专为电力行业AI模型训练设计的高质量数据集，支持YOLO格式的方框标注，适用于目标检测任务。数据集特点图像数量：1912张高质量图像，涵盖多种场景和光照条件。

幽络源小助理·2025-02-25 12:27

YOLOv10（训练完全版更新）

YOLOv10目前还不支持项目上的硬件板使用，等待后续。requirements.txt中已更新（torch版本更新了，提高了些精度）（我新加入了其他库）torch==2.0.1torchvision==0.15.2onnx==1.14.0onnxruntime==1.15.1pycocotools==2.0.7PyYAML==6.0.1scipy==1.13.0onnxsim==0.4.36on

小远披荆斩棘·2025-02-25 07:56

Golang从入门到精通

课程概述Golang从入门到精通，本课程以学习Golang语言开发互联网产品为目标，从基础理论知识入手，详实地讲解Golang语言的开发方法与技巧，并通过大量的线上训练，带领同学们全面掌握服务端高并发、

Wxhzy930120·2025-02-25 06:13

为什么DeepSeek必须开源（以及它为何不会打败OpenAI）

这家中国AI实验室训练出了R1——一款开

新加坡内哥谈技术·2025-02-25 05:12

免费 MLOps 课程：学习机器学习运维的完整流程

掌握MLOps：训练和跟踪实验、构建ML流水线、模型部署、生产环境监控，并从DevOps采用最佳实践。

真智AI·2025-02-25 05:11

使用Diffusion Models进行图像超分辩重建

目录贡献概述动机方法详解模型训练论文贡献概述这项研究提出了一种基于扩散逆过程的新图像

沉迷单车的追风少年·2025-02-25 04:32

联邦学习与边缘模型优化赋能医疗诊断新路径

联邦学习框架通过分布式模型训练机制，有效破解医疗机构间的数据壁垒，使跨机构的医学影像、病理数据在不离开本地服务器的前提下完成知识共享。

智能计算研究中心·2025-02-25 03:26

联邦学习优化驱动医疗诊断新突破

内容概要医疗人工智能的发展长期面临数据孤岛与隐私合规的双重挑战，传统集中式训练模式难以满足多机构协作需求。

智能计算研究中心·2025-02-25 03:26

项目上传github步骤

例如：gitcommit-m"添加了新的训练模型"3.推送更改到远程仓库然后

虾饺爱下棋·2025-02-25 03:51

【AI-38】为什么开源的是预训练好的模型权重，而不是预训练模型呢？

开源预训练好的模型权重而不是整个预训练模型，主要有以下几方面原因：知识产权与商业考量保护核心技术与数据：模型开发者可能希望保护模型的某些核心技术细节、独特算法或私有数据，这些是模型的关键竞争力所在。

W Y·2025-02-25 01:38

用人类反馈微调大模型，InstructGPT 让 GPT-3 脱胎换骨

接着，我们收集模型输出的排名数据集，使用人类反馈强化学习对这个经过监督学习训练的模型进

·2025-02-24 23:50

探索Omniglot：一个无尽的手写字符集合

探索Omniglot：一个无尽的手写字符集合omniglotomniglot-一个包含大量不同语言手写字符图像的数据集，用于机器学习模型的训练和评估。

宋溪普Gale·2025-02-24 22:46

cap4：YoloV5的TensorRT部署指南（python版）

专栏文章目录：《TensorRT全流程部署指南》专栏主页cap1：TensorRT介绍及CUDA环境安装cap2：1000分类的ResNet的TensorRT部署指南（python版）cap3：自定义数据集训练

我是一个对称矩阵·2025-02-24 21:14

基于Python开发的使用多个单视图特征融合的基于图卷积网络（GCN）的肺结节检测系统的示例

模型训练：使用训练数据对模型进行训练。模型评估：使

go5463158465·2025-02-24 20:06

基于YOLOv5、FaceNet与KNN的人脸识别系统

步骤1：环境配置安装依赖库：安装Python3.x安装TensorFlow、Keras、OpenCV等深度学习库获取数据集：收集训练用的多个人脸图像（每个用户至少几十张）将图像按用户分类存放在data/

reset2021·2025-02-24 19:29

软考高项备考技巧

分阶段备考：将备考过程分为不同的阶段，如基础学习阶段、强化训练阶段和冲刺复习阶段。每个阶段都有明确的学习目标和任务，确保备考过程有条不紊。

chengxuyuan1213_·2025-02-24 19:26

Meta官宣Llama3：迄今为止最强大的开源大模型

此版本具有经过预训练和指令微调的语言模型，具有8B(80亿)和70B(700亿)参数，可以支持广泛的用例。Llama3在各种行业基准上展示了最先进的性能，并提供了新功能，包括改进的推理能力。

·2025-02-24 19:09

第G9周：ACGAN理论与实战

>-**本文为[365天深度学习训练营]中的学习记录博客**>-**原作者：[K同学啊]**本人往期文章可查阅：深度学习总结我的环境：语言环境：Python3.11编译器：PyCharm深度学习环境：Pytorchtorch

OreoCC·2025-02-24 18:50

【DeepSeek零基础入门】从零开始：如何训练自己的AI模型

从零开始：如何训练自己的AI模型在人工智能的世界里，训练一个属于自己的AI模型，就像是在培养一个新生儿。你需要耐心、技巧，以及对数据的深刻理解。

Evaporator Core·2025-02-24 18:20

DeepSeek 和 Qwen 模型快速部署指南

DeepSeek-V3DeepSeek-R1模型大小总参数量6710亿(671B),MoE架构,每个token激活370亿参数总参数量与V3相当,基于DeepSeek-V3-Base,采用类似的MoE架构训练方法包含预训练

moton2017·2025-02-24 18:47

P3405 [USACO16DEC] Cities and States S题解

为了训练奶牛们的智力，FarmerJohn在谷仓的墙上放了一张美国地图。地图上表明了每个城市及其所在州的代码（前两位大写字母）。由于奶牛在谷仓里花了很多时间看这张地图，他们开始注意到一些奇怪的关系。

互联网的猫·2025-02-24 18:17

DeepSeek混合精度训练核心技术解析与实践指南

1.主题背景1.1Why混合精度训练（价值）混合精度训练通过结合FP16和FP32数据格式，在保证模型精度的前提下实现：40-60%显存占用降低（ResNet50案例：从7.8GB降至4.2GB）1.5

燃灯工作室·2025-02-24 15:33

Qwen2.5-Coder Technical Report

Qwen2.5-Coder技术报告摘要1引言2模型架构3预训练3.1预训练数据3.1.1数据组成3.1.2数据混合3.2训练策略3.2.1文件级预训练3.2.2仓库级预训练4后训练4.1指令数据的配方4.2

UnknownBody·2025-02-24 13:16

什么是Grok-3？技术特点，场景，潜在问题与挑战

Grok-3的技术特点与优势1.超大算力与训练规模算力投入：Grok-3使用了20万块英伟达H100GPU，分两个阶段训练（第一阶段10万GPU训练144天，第二阶段20万GPU训练92天），总计算量是前代

AndrewHZ·2025-02-24 13:46

ChatGLM-6B中英双语对话大模型Windows本地部署实战

公司于2020年底研发GLM预训练架构，2021年训练完成百亿参数模型GLM-10B，利用MoE架构成功训练出收敛的万亿稀疏模型，2

ErbaoLiu·2025-02-24 13:45

模型算力需求估算

计算模型的算力需求，通常基于模型的参数量（BillionParameters，简称B）和训练/推理的计算任务复杂度，结合硬件计算能力（例如每秒浮点运算次数，FLOPS）来估算。

由数入道·2025-02-24 12:06

推荐频道