记忆训练

详解三种常用标准化：Batch Norm、Layer Norm和RMSNorm

在深度学习中，标准化技术是提升模型训练速度、稳定性和性能的重要手段。

yyytucj·2025-01-29 13:57

MATLAB设计控制系统仿真实验,基于MATLAB的自动控制原理实验仿真系统的设计

传统性实验训练了学生对以传递函数为核心的控制系统与模拟电

stellagugu·2025-01-29 13:55

YOLOv8改进策略【Backbone/主干网络】| 替换骨干网络为2023-CVPR ConvNeXt V2 （附网络详解和完整配置步骤）

本文将ConvNeXtV2应用于YOLOv8，一方面利用全卷积掩码自动编码器在训练时优化特征学习，减少模型对大规模标注数据的依赖；另一方面，通过全局响应归一化层增强特征竞争，缓解特征坍塌问题，提高特征多样性

Limiiiing·2025-01-29 13:54

deepseek R1的确不错，特别是深度思考模式

比如我让它写文案：【赛博朋克版程序员新春密码——2025我们来破局】亲爱的代码骑士们：当Ctrl+S的肌肉记忆遇上抢票插件，当SpringBoot的启动动画撞上春运倒计时，我们知道——该给2024的Jira

jackyrongvip·2025-01-29 12:04

GEE 训练教程——哨兵2号、Landsat-8以及DEM影像的可视化展示

目录简介1.哨兵2号（Sentinel-2）2.Landsat-83.CGIAR/SRTM90_V4函数visualize(bands,gain,bias,min,max,gamma,opacity,palette,forceRgbOutput)Arguments:Returns:Imageexpression(expression,map)Arguments:Returns:Imageee.Te

此星光明·2025-01-29 11:59

利用 PyTorch 动态计算图和自动求导机制实现自适应神经网络

动态添加/移除层：可以在训练过程中根据需

drebander·2025-01-29 11:24

Qwen-VL论文解读

从Qwen-LM开始，我们通过精心设计的（i）视觉受体，（ii）输入-输出接口，（iii）3阶段训练管道，以及（iv）多语言多模态清洗语料库，赋予其视觉能力。

dream_home8407·2025-01-29 09:10

基于Blackwell架构的GPU，用七十二个GPU拼接成性能强大的计算集群，其性能比上一代提升三倍，GPU已成为AI时代的基础设施，可实现各种大模型的训练

英伟达在2024年3月发布了基于Blackwell架构的GPU，这一新一代GPU在性能上相比上一代Hopper架构有显著提升。具体来说，Blackwell架构的GPU拥有2080亿个晶体管，采用台积电4纳米工艺制造，其AI性能达到了20petaflops，是前代H100GPU的五倍。Blackwell架构通过多芯片封装技术（MCM），将两个GPU集成在一起，从而解决了内存局部性和缓存问题，提高了计

百态老人·2025-01-29 08:03

Tensorflow入门——训练结果的保存与加载

2019独角兽企业重金招聘Python工程师标准>>>训练完成以后我们就可以直接使用训练好的模板进行预测了但是每次在预测之前都要进行训练，不是一个常规操作，毕竟有些复杂的模型需要训练好几天甚至更久所以将训练好的模型进行保存

weixin_34087301·2025-01-29 08:32

使用PyTorch实现逻辑回归：从训练到模型保存与加载

PyTorch用于构建和训练模型，pandas和numpy用于数据处理，matplotlib用于结果的可视化。

Luzem0319·2025-01-29 08:26

python3+TensorFlow 2.x（四）反向传播

目录反向传播算法反向传播算法基本步骤：反向中的参数变化总结反向传播算法反向传播算法（Backpropagation）是训练人工神经网络时使用的一个重要算法，它是通过计算梯度并优化神经网络的权重来最小化误差

刀客123·2025-01-29 07:53

scikit-learn基本功能和示例代码

scikit-learn（简称sklearn）是一个广泛使用的Python机器学习库，提供了丰富的工具和算法，涵盖了数据预处理、模型训练、评估和优化等多个方面。

weixin_30777913·2025-01-29 02:02

强化学习很多ac架构的算法比如ppo，为什么使用状态价值网络而不使用动作价值网络实现critic呢?｜状态价值网络的优势与挑战｜Actor-Critic｜状态价值｜强化学习

3.1训练稳定性3.2计算效率3.3高维动作空间的适应性4.使用状态价值网络的挑战4.1收敛速度4.2欠拟合风险5.解决方案与未来方向5.1改进的状态价值网络5.2结合动作价值和状态价值6.结论随着强化学习技术的不断发展

concisedistinct·2025-01-29 01:27

强化学习中，为什么用AC架构

资源存储库·2025-01-29 01:25

AI会不会是一个大泡沫

推出后不久，R1就凭借其开源的性质、大幅下降的售价和训练成本获得了

人机与认知实验室·2025-01-28 23:38

machine learning knn算法之使用KNN对鸢尾花数据集进行分类

通过导入必要的scikit-learn导入必要的库，加载给定的数据，划分测试集和训练集之后训练预测和评估即可具体代码如下：importnumpyasnpfromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitfromsklearn.preprocessingimportStandardS

知识鱼丸·2025-01-28 21:53

LLM架构与优化：从理论到实践的关键技术

重点分析了预训练、后训练、监督微调（SFT）和偏好对齐（PreferenceAlignment）在提升模型性能中的作用，并对比了直接偏好优化（DPO）

XianxinMao·2025-01-28 20:14

YOLOv10涨点改进：特征融合创新 | 多层次特征融合（SDI），小目标涨点明显，| UNet v2，比UNet显存占用更少、参数更少

YOLOv10魔术师专栏》将从以下各个方向进行创新：【原创自研模块】【多组合点优化】【注意力机制】【卷积魔改】【block&多尺度融合结合】【损失&IOU优化】【上下采样优化】【小目标性能提升】【前沿论文分享】【训练实战篇

AI小怪兽·2025-01-28 19:08

YOLO11涨点优化：特征融合创新 | 多层次特征融合（SDI），小目标涨点明显| UNet v2，比UNet显存占用更少、参数更少

YOLOv11魔术师专栏》将从以下各个方向进行创新：【原创自研模块】【多组合点优化】【注意力机制】【卷积魔改】【block&多尺度融合结合】【损失&IOU优化】【上下采样优化】【小目标性能提升】【前沿论文分享】【训练实战篇

AI小怪兽·2025-01-28 19:08

MicroAI™将人工智能培训引入RENESAS MCU

与全球微控制器领导者Renesas合作将机器学习引入MCU，并借助MicroAI直接在嵌入式环境中训练机器学习模型的能力——这在业界尚属

sinat_41698914·2025-01-28 16:16

DeepSeek R1：中国AI黑马的崛起与挑战

文章目录技术突破：从零开始的推理能力进化DeepSeekR1-Zero：纯RL训练的“自我觉醒”DeepSeekR1：冷启动与多阶段训练的平衡之道实验验证：推理能力的全方位跃升基准测试：超越顶尖闭源模型蒸馏技术

码事漫谈·2025-01-28 16:13

C++ 与机器学习：构建高效推理引擎的秘诀

虽然Python被广泛用于模型的训练和开发，但C++却在推理领域独占鳌头，其性能优势和硬件控制能力无可替代。

salsm·2025-01-28 15:07

【Java程序员面试专栏数据结构】五高频面试算法题：二叉树

存在morning·2025-01-28 15:36

第76期 | GPTSecurity周报

GPTSecurity是一个涵盖了前沿学术研究和实践经验分享的社区，集成了生成预训练Transformer（GPT）、人工智能生成内容（AIGC）以及大语言模型（LLM）等安全领域应用的知识。

云起无垠·2025-01-28 15:05

从简单到深刻的认知发展

认知发展，人工智能，深度学习，神经网络，机器学习，自然语言处理，计算机视觉1.背景介绍认知发展是人类从简单到复杂的思维方式演进的过程，它涉及感知、记忆、语言、推理和决策等多个方面。

AI架构设计之禅·2025-01-28 15:04

第84期 | GPTSecurity周报

GPTSecurity是一个涵盖了前沿学术研究和实践经验分享的社区，集成了生成预训练Transformer（GPT）、人工智能生成内容（AIGC）以及大语言模型（LLM）等安全领域应用的知识。

云起无垠·2025-01-28 14:30

使用onnxruntime-web 运行yolov8-nano推理

这使得用户可以在一个框架中训练模

CHEN_RUI_2200·2025-01-28 14:27

使用Bert+BiLSTM+CRF训练 NER任务

使用的数据集在这里E-CommercialNERDataset/电商NER数据集_数据集-阿里云天池针对面向电商的命名实体识别研究，我们通过爬取搜集了淘宝商品文本的标题，并标注了4大类，9小类的实体类别。具体类型及实体数量如下针对面向电商的命名实体识别研究，我们通过爬取搜集了淘宝商品文本的标题，并标注了4大类，9小类的实体类别。具体类型及实体数量如下：每个文件数据格式相同，都为根据BIschema

CHEN_RUI_2200·2025-01-28 14:57

Silero VAD 开源项目教程

SileroVAD开源项目教程项目地址:https://gitcode.com/gh_mirrors/si/silero-vad项目介绍SileroVAD是一个预训练的企业级语音活动检测器（VoiceActivityDetector

苏鹃咪Healthy·2025-01-28 14:55

人工智能学习框架：深入解析与实战指南

本指南将全面介绍人工智能主流学习框架的特点、安装方法、核心功能，以及通过实践案例展示如何使用这些框架进行AI模型开发、训练与优化。1.

一ge科研小菜鸡·2025-01-28 11:07

json格式的标记文件转yolo格式（txt）的标记文件

背景我在使用anylabeling标记软件时发现导出的标记文件格式只能是json格式，而我yolov8训练模型的标记文件需要时txt格式的，所以我需要写一个转换脚本脚本1.脚本1这个脚本是针对于矩形框标记的转换

帅气的亮·2025-01-28 10:33

AI人工智能深度学习算法：搭建可拓展的深度学习模型架构

然而，随着模型规模的不断扩大，如何高效地搭建、训练和部署深度学习模型，成为一个亟待解决的问题。传统的单机训练方式在计算资源有限的情况

AI天才研究院·2025-01-28 10:30

高效向量搜索RAG解决方案（Canopy）

一、基本原理1.向量嵌入：Canopy首先会将文本数据转换为向量表示，通常使用预训练的语言模型等技术，将文本映射到

deepdata_cn·2025-01-28 08:18

遥感深度学习过程中图像分割的尺寸对模型训练结果的影响

1.计算资源与显存占用大尺寸图像：需要更高的显存和计算资源，可能限制训练时的批大小（batchsize），甚至导致无法训练。

司南锤·2025-01-28 08:18

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

在使用小尺寸图像进行逐像素语义分割训练时，确实可能出现样本不均衡问题，且这种问题可能比大尺寸图像更显著。1.小尺寸图像如何加剧样本不均衡？

司南锤·2025-01-28 08:18

06-机器学习-数据预处理

以下是数据清洗的详细流程、方法和实战示例：一、数据清洗的核心任务问题类型表现示例影响缺失值数值型字段为空（NaN）模型无法处理缺失值，导致训练中断或偏差异常值年龄=200岁，房价=-100万扭曲统计指标

不会打代码呜呜呜呜·2025-01-28 08:47

高可用架构，高性能架构和高并发架构

视频号2023年度优秀创作者，互联网大厂P8技术专家，SpringCloudAlibaba微服务架构实战派(上下册)和RocketMQ消息中间件实战派(上下册)的作者，资深架构师，技术负责人，极客时间训练营讲师

架构随笔录·2025-01-28 06:35

预训练语言模型

一.预训练模型的基本介绍预训练模型是一种在大规模数据上训练而得的模型，通常通过无监督学习或自监督学习的方式进行。在预训练阶段，模型被训练来学习数据的内在表示，而无需标注数据或任务特定的目标函数。

Algorithm_Engineer_·2025-01-28 04:51

IsaacLab从入门到精通（六）真机部署与Sim2real

在之前的教程中，我们已经完成了整个强化学习任务流程，现在我们需要将自己训练的策略迁移到真机上1.1Sim2real简要方法论强化学习的Sim2real问题一直以来是非常难解决的问题，在仿真环境中训练的policy

NathanWu7·2025-01-28 04:47

使用 PyTorch 实现逻辑回归：从数据到模型保存与加载

本文将通过一个简单的示例，展示如何使用PyTorch框架实现逻辑回归模型，从数据准备到模型训练、保存和加载，最后进行预测。1.数据准备逻辑回归的核心是通过学习数据中的特征与标签之间的关系来进行分类。

弥树子·2025-01-28 02:29

奖励模型：解析大语言模型的关键工具

它不仅能静态比较模型表现，还可帮助诊断训练问题，为LLM研究提供独特视角，增强模型开发过程的透明度和可问责性。

XianxinMao·2025-01-28 01:27

AI Agent（智能体）技术白皮书（Google，2024）

1.2人类的模仿者与以上类似，我们可以对生成式AI模型进行训练，让它们能使用工具来在现实世界中获取实时信息或给出行动建议。例如，利用数据库查询工具获取客户的购物历史，然后给出购物建

花生糖@·2025-01-28 00:22

字节的面试，感觉还挺简单的~

今天分享的是训练营的朋友在字节跳动的面试，新鲜出炉的还热乎着呢。题目都挺简单的，但是他的面试体验不太好，因为面试官问了两个类似的问题，感觉有点不认真。

·2025-01-27 18:40

非凸科技荣登脉脉2024“年度职得去雇主”榜单

本届评选依据脉脉独有的“雇主指数”以及专家评审意见综合评选而出，综合考量了企业在脉脉社区广场、同事圈、行业圈等多个频道口碑，并基于职场大数据训练的专属大模型，客观反映企业在职场人心中的口碑。

·2025-01-27 18:39

yolov5 解决：Traceback (most recent call last)

运行train.py程序后训练之后，到最后验证的那一步报一个线程异常的错误原因：pillow版本太高了，把pillow降级就行了pillow官网上的python对应版本在conda中，您可以安装pillow

南商·2025-01-27 15:18

海浪波高预测（背景调研）

等人提出了一种多元线性回归模型（MLR-CWLS），该模型利用协方差加权最小二乘法（CWLS）优化算法，借助历史波高、波周期、波向、海表面温度等多变量参数，实现对显著波高的准确预测；ShuntaoFan等人提出了一种基于长短期记忆网络

傅科摆 _ py·2025-01-27 15:44

二、机器学习模型评估与选择

训练误差与泛化误差：学习器在训练集上误差为训练误差（经验误差），在新样本上误差为泛化误差，泛化误差越小越好。

没见过西瓜嘛·2025-01-27 15:43

AI语言模型竞争加剧：新秀崛起格局生变

模型训练成本呈现类摩尔定律式下降，每年降低75%。MoE架构在计算效率和性能

XianxinMao·2025-01-27 14:11

深度学习——模型过拟合和欠拟合的原因及解决方法

一、定义1.过拟合（Overfitting）过拟合是指模型在训练数据上表现非常好，但在测试数据或新的数据上表现很差的现象。模型过度地学习了训练数据中的细节和噪声，以至于它无法很好地泛化到未见过的数据。

发呆小天才O.o·2025-01-27 14:11

pytorch单机多卡训练_数据并行DataParallel

1.单机多卡概述单卡多级的模型训练，即并行训练，可分为数据并行和模型并行两种.数据并行是指，多张GPUs使用相同的模型副本，但采用不同batch的数据进行训练.模型并行是指，多张GPUs使用同一batch

Major Tom _·2025-01-27 13:03

推荐频道