训练

让AI自己学会“怎么学”——元学习，才是高效训练的终极武器！

让AI自己学会“怎么学”——元学习，才是高效训练的终极武器！朋友们，今天咱不聊ChatGPT，不聊大模型黑魔法，也不玩Prompt咒语。
Echo_Wish·2025-07-02 00:35

【机器学习&深度学习】模型微调的基本概念与流程

二、预训练vs微调：什么关系？
一叶千舟·2025-07-01 23:34

1、 快速上手 [代码级手把手解析diffusers库]

快速上手Pipeline内部执行步骤后续更新计划diffusers是HuggingFace推出的一个diffusion库，它提供了简单方便的diffusion推理训练pipe，同时拥有一个模型和数据社区
Yuezero_·2025-07-01 22:55

linux深度学习问题汇总

coredump)2.Illegalinstruction(coredumped)3.死锁4.掉卡二、通用方法1.查看重启记录2.系统性能监控3.后台执行命令4.异常日志三、深度学习技术1.普通网络改DDP训练
不想改代码·2025-07-01 22:24

Python时域信号特征提取技术要点

使用Python中的NumPy、Pandas和SciPy库可以帮助我们计算这些特征，并为机器学习模型训练准备数据。本文将介绍如何
路怜涯·2025-07-01 19:32

CentOS企业级文件服务器终极部署指南

方案对比与选择指南（企业级评估）技术方案详细对比表方案协议版本典型应用场景核心优势主要局限性NFSNFSv3/NFSv4.2高性能计算(HPC)、容器持久化存储、AI训练数据集共享内核级支持、RDMA协议支持
·2025-07-01 19:01

考取华为HCIE-AI有什么用？

主要是为了培养和认证掌握人工智能解决方案架构、设计与应用知识，具备大模型业务场景分析、大模型训练与微调、模型推理部署能力的专家级人才。一、HCIE-AI：专家级能力的权威认证HC
博睿谷IT99_·2025-07-01 18:59

ChatGPT、DeepSeek等大语言模型助力高效办公、论文与项目撰写、数据分析、机器学习与深度学习建模等深度科研

这些模型通过深度学习和大规模语料库训练，能够帮助科研人员高效地筛选文献、生成论文内容、进行数据分析和优化机器学习模型。
Yolo566Q·2025-07-01 18:59

大语言模型助力高效办公、论文与项目撰写、数据分析、机器学习与深度学习建模等

这些模型通过深度学习和大规模语料库训练，能够帮助科研人员高效地筛选文献、生成论文内容、进行数据分析和优化机器学习模型。
xiao5kou4chang6kai4·2025-07-01 18:28

ChatGPT、DeepSeek等大语言模型助力高效办公、论文与项目撰写、数据分析、机器学习与深度学习建模

这些模型通过深度学习和大规模语料库训练，能够帮助科研人员高效地筛选文献、生成论文内容、进行数据分析和优化机器学习模型。
asyxchenchong888·2025-07-01 18:52

ChatGPT、DeepSeek等大语言模型助力高效办公、论文与项目撰写、数据分析、机器学习与深度学习建模等科研应用

这些模型通过深度学习和大规模语料库训练，能够帮助科研人员高效地筛选文献、生成论文内容、进行数据分析和优化机器学习模型。
科研的力量·2025-07-01 18:21

2025年中总结

想要快速转型使用大模型做开发、训练，是需要些时间和精力投入的，这并不是一个简
Just Jump·2025-07-01 16:41

感知机学习

感知机学习旨在求出将训练数据进行线性划分的分离超平面。
Collin_NLP·2025-07-01 15:34

VR训练美国服务器：高性能解决方案与优化指南

随着虚拟现实技术的快速发展，VR训练已成为军事、医疗和教育领域的重要工具。美国作为全球科技领先国家，其服务器资源在支持VR训练方面具有显著优势。
cpsvps·2025-07-01 14:57

噪声预测 vs. 数据预测：扩散模型中的目标函数选择与生成表现对比

噪声预测vs.数据预测：扩散模型中的目标函数选择与生成表现对比关键词：噪声预测、数据重建、MSELoss、ELBO、score-basedmodeling、DDPM、EDM、训练目标、采样策略摘要：扩散模型的训练目标设计直接影响模型收敛速度
观熵·2025-07-01 13:54

PyTorch里.pt和.pth的区别

文件存储内容完整模型（结构+参数+优化器状态等）仅模型参数（state_dict）文件大小较大（包含额外元数据）较小（仅参数）加载方式直接加载，无需定义模型结构需先实例化模型，再加载参数适用场景部署、跨环境迁移训练中断恢复
sky丶Mamba·2025-07-01 13:49

YOLOv11性能评估全解析：从理论到实战的指标指南

当我们训练或使用YOLOv11模型时，一个核心问题始终存在：如何量化模型的性能？性能评估指标正是回答这个问题的关键工具，它们不仅衡量模型效果，更是模型优化迭代的导航灯。
芯作者·2025-07-01 12:17

从文心开源谈起，论大模型发展新生态

6月30日，百度正式宣布开源ERNIE4.5即文心4.5系列模型，覆盖47B和3B激活参数的MoE（混合专家）模型，以及0.3B参数的稠密模型，并实现了预训练权重+推理代码的完全开源。
CSDN资讯·2025-07-01 10:04

GPU 分布式通信加速黑马！DeepEP 的实战与深度剖析

随着大模型和稀疏激活模型（如MoE/EP架构）的广泛应用，分布式all-to-all通信成为训练和推理过程中的核心瓶颈。
DeepLink_01·2025-07-01 10:33

门控循环单元（GRU）：LSTM 的轻量级高效 “记忆专家”

GRU就像是神经网络领域里的“精简版记忆大师”，它继承了LSTM处理长序列数据的优势，同时以更简洁的结构和更高的训练效率脱颖而出。
LNL13·2025-07-01 09:29

利用视觉-语言模型搭建机器人灵巧操作的支架

灵巧机械手对于执行复杂的操作任务至关重要，但由于演示收集和高维控制的挑战，其训练仍然困难重重。
三谷秋水·2025-07-01 07:21

【机器学习第四期（Python）】LightGBM 方法原理详解

它在准确率、训练速度和资源使用上都优于传统GBDT实现（如XGBoost）
WW、forever·2025-07-01 07:19

深度学习目标检测之YOLOv3实战（二）训练自己的图像数据

深度学习目标检测之YOLOv3实战（二）训练自己的图像数据数据集准备数据集预处理原demo修改数据集训练目标检测补充二零二零年的大年初一，给大家拜个年，祝大家鼠年吉祥，万事如意，趁着喜气，把Yolov3
郎郎不会飞·2025-07-01 04:54

Python训练营-Day25-异常处理

Python的异常处理机制为程序提供了强大的容错能力(faulttolerance)。当程序在运行时遇到意外情况（即异常），它不会直接崩溃，而是可以被设计成优雅地处理这些错误，并可能继续执行后续逻辑（如果设计允许）或以可控的方式结束。当异常发生时，Python会创建一个异常对象(exceptionobject)（通常是Exception类的子类实例）。如果这段可能出错的代码位于try语句块中，程序
Mallow Flowers·2025-07-01 04:54

Python训练营-Day26

DAY26函数专题1：函数定义与参数知识点回顾：函数的定义变量作用域：局部变量和全局变量函数的参数类型：位置参数、默认参数、不定参数传递参数的手段：关键词参数传递参数的顺序：同时出现三种参数类型时作业：题目1：计算圆的面积任务：编写一个名为calculate_circle_area的函数，该函数接收圆的半径radius作为参数，并返回圆的面积。圆的面积=π*radius²(可以使用math.pi作
Gxsugar·2025-07-01 03:53

Python训练营---Day26

知识点回顾：函数的定义变量作用域：局部变量和全局变量函数的参数类型：位置参数、默认参数、不定参数传递参数的手段：关键词参数传递参数的顺序：同时出现三种参数类型时题目1：计算圆的面积任务：编写一个名为calculate_circle_area的函数，该函数接收圆的半径radius作为参数，并返回圆的面积。圆的面积=π*radius²(可以使用math.pi作为π的值)要求：函数接收一个位置参数rad
2501_91182850·2025-07-01 03:52

MCP模型上下文协议：AI人工智能模型训练的自动化调参

MCP模型上下文协议：AI人工智能模型训练的自动化调参关键词：MCP模型、自动化调参、AI训练、超参数优化、上下文协议、机器学习、深度学习摘要：本文深入探讨MCP模型上下文协议在AI模型训练自动化调参中的应用
AI天才研究院·2025-07-01 01:40

从零开始：Python实现语音识别的完整教程_副本

我们将从基础概念讲起，逐步深入到实际代码实现，涵盖音频处理、特征提取、模型训练等关键环节，最终构建一个完整的语音识别系统。无论你是初学者还是有一定经验的开发者，都能从本教程中获得实用的知识和技能。
AIGC应用创新大全·2025-06-30 23:55

信息抽取数据集全景分析：分类体系、技术演进与挑战_DEEPSEEK

近年来，随着深度学习技术的发展和大规模预训练模型的兴起，IE数据集呈现爆发式增长，其分析与评估对模型研发和领域迁移至关重要。
致Great·2025-06-30 23:19

使用Ultralytics YOLO进行数据增强

概述数据增强是计算机视觉领域的一项重要技术，它通过对现有图像进行各种转换，人为地扩展训练数据集。在训练深度学习模型时，数据增强有助于提高模型的鲁棒性，减少过拟合，并增强对真实世界场景的泛化。
alpszero·2025-06-30 21:08

FineWeb数据集

FineWeb是HuggingFace在2024年发布的一项革命性开源AI训练数据集，它通过提供高质量、大规模的数据，打破了AI训练数据的垄断局面。
frostmelody·2025-06-30 18:45

【LLaMA 3实战】2、LLaMA 3对话能力全解析：从架构革新到多智能体实战指南

本文将从底层架构到应用实战，系统拆解LLaMA3对话能力的技术奥秘，包含核心机制解析、训练策略、工程优化及多智能体系统开发，助你全面
无心水·2025-06-30 18:14

用Pytorch训练手写签名模型并进行签名识别

整体思路收集至少两个人的手写签名图片，每个人至少20张使用Pytorch进行模型训练使用Flask搭建Web服务使用Html/JavaScript实现前端调用进行签名识别项目结构signature-systemdatatrainuser001001
TBM矩阵·2025-06-30 17:14

继 Evo 2 之后，Arc Institute 发布首个虚拟细胞模型 STATE，训练数据涉及 70 种不同细胞系

众所周知，人体由不同类型的细胞组成——免疫细胞在感染发生时可引发炎症反应以抵御病原体；干细胞具有分化潜能，可生成多种组织类型；而癌细胞则通过逃避生长调控信号，实现异常增殖。尽管这些细胞在功能和形态上差异巨大，但它们几乎都拥有相同的基因组。细胞的独特性并非来自DNA序列本身的差异，而是源于它们如何调控和使用相同的基因信息。换言之，细胞的特性源于基因表达的差异，而一个细胞的基因表达模式不仅决定了它属于
·2025-06-30 16:33

[pytorch] pytorch_model.bin 和 training_args.bin 的区别

pytorch_model.bin和training_args.bin是与PyTorch框架和训练过程相关的两个文件。pytorch_model.bin:这是保存了PyTorch模型的二进制文件。
心心喵·2025-06-30 15:29

遥感影像数据处理-大图滑窗切分为小图

功能需求据所周知，遥感影像的尺寸有大有小，大的达到几万x几万像素，而图像分割算法模型在训练中尺寸适中，比如256x256，512x512，1024x1024等等，如果直接将遥感影像的原图输入模型中进行训练
GIS潮流·2025-06-30 15:28

EasyFeature软件特性四：星云空天大模型

通过海量高质量数据预训练，集成了包括遥感场景分类、快速目标检测、地物分类、变化检测等在内的丰富模型库，提供端到端的智能解译能力。
智绘中勘·2025-06-30 14:47

NLP随机插入

文章目录随机插入示例Python代码示例随机插入随机插入是一种文本数据增强方法，其核心思想是在原句中随机选择若干位置，插入与上下文相关的词语，从而生成新的训练样本。
Humbunklung·2025-06-30 13:46

Ultralytics YOLO 库介绍与使用指南

文章目录UltralyticsYOLO库介绍与使用指南主要特点安装基本使用1.使用预训练模型进行推理2.训练自定义模型3.验证模型4.导出模型高级功能1.使用不同任务模型2.使用自定义数据集3.跟踪对象
东北豆子哥·2025-06-30 13:15

【LLaMA 3实战】6、LLaMA 3上下文学习指南：从少样本提示到企业级应用实战

一、上下文学习（ICL）的技术本质与LLaMA3突破（一）ICL的核心原理与模型机制上下文学习（In-ContextLearning）的本质是通过提示词激活预训练模型的元学习能力，使模型无需微调即可适应新任务
无心水·2025-06-30 12:03

企业级RAG系统架构设计与实现指南（Java技术栈）

RAG系统通过结合信息检索与自然语言生成（NLG），能够有效提升模型对特定领域数据的适应能力，避免传统大模型在训练数据不足或数据更
在未来等你·2025-06-30 12:32

面向隐私保护的机器学习：联邦学习技术解析与应用

然而，机器学习模型的训练和优化往往需要大量的数据支持，这就产生了一个矛盾：如何在保护数据隐私的前提下，充分利用数据的价值进行机器学习模型的训练和优化？
Blossom.118·2025-06-30 11:30

3 大语言模型预训练数据-3.2 数据处理-3.2.2 冗余去除——2.SimHash算法文本去重实战案例：新闻文章去重场景

SimHash算法文本去重实战案例：新闻文章去重场景一、案例背景与目标二、具体实现步骤与示例1.**待去重文本示例**2.**步骤1：文本预处理与特征提取**3.**步骤2：特征向量化与哈希映射**4.**步骤3：特征向量聚合**5.**步骤4：降维生成SimHash值**6.**步骤5：计算汉明距离与去重判断**三、工程化实现代码（Python简化示例）四、案例总结与优化点一、案例背景与目标假设
·2025-06-30 11:30

微调大语言模型后，如何评估效果？一文讲清

无论是在研究、项目落地，还是面试中，评估方法都不能停留在“训练loss降了”这么简单。本文从评估目标、技术指标、业务适配、实战建议四个维度，讲清楚微调后的模型评估怎么做，为什么这么做。
茫茫人海一粒沙·2025-06-30 11:28

2025年上半年软考系统架构设计师--案例分析试题与答案

必选题一:大模型训练系统某公司开发一个在线大模型训练平台，支持Python代码编写、模型训练和部署,用户通过python编写模型代码,将代码交给系统进行模型代码的解析,最终由系统匹配相应的计算机资源进行输出
不对法·2025-06-30 08:13

人脸识别常用数据集和Loss

人脸识别数据集数据集的noise对训练效果的影响很大！很长一段时间MegaFace的效果都上不去，就是因为数据集噪声的原因。
JL_Jessie·2025-06-30 07:36

YOLOv13：开启目标检测新时代，手把手教你实操

目录一、YOLOv13初印象1.1YOLO系列发展脉络1.2YOLOv13独特之处二、前期准备工作2.1环境搭建2.2依赖安装三、深入使用指南3.1模型验证3.2模型训练3.3模型推理四、应用案例与拓展
奔跑吧邓邓子·2025-06-30 06:33

从入门到实战：YOLOv13 安装与使用全攻略

YOLO系列1.2YOLOv13核心技术亮点1.3性能优势展现二、前期准备2.1系统环境要求2.2软件依赖安装三、安装流程3.1获取源码3.2环境搭建3.3安装验证四、使用指南4.1模型验证4.2模型训练
奔跑吧邓邓子·2025-06-30 06:33

rnn-人名案例实现

模型训练实现:coding:utf-8导入torch工具importjsonimporttorch导入nn准备构建模型importtorch.nnasnnimporttorch.nn.functionalasFimporttorch.optimasoptim
Ai玩家hly·2025-06-30 06:33

道可云人工智能每日资讯｜江苏首个机器人训练中心在苏州吴江启动

道可云人工智能&元宇宙每日简报（2025年6月26日）讯，今日人工智能&元宇宙新鲜事有：江苏首个机器人训练中心在苏州吴江启动近日，长三角一体化示范区智能机器人训练中心在东太湖度假区（太湖新城）正式启用，
道可云·2025-06-30 06:31
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他