词向量预训练

使用神经网络拟合6项参数

model2.1CNN_LSTM2.2Transformer3.定义train脚本3.1loss和optimizer3.2train3.3predict1.数据预处理1.1添加参数解析为了方便管理模型和训练等参数
Andrew_Xzw·2025-01-18 15:06

3DUnet实现3D医学影像的有效分割

3DUnet实现3D医学影像的有效分割1.配置代码环境2.配置数据集以及模型文件3.训练4.预测1.配置代码环境这里介绍一个很好的开源项目，git为：https://github.com/ellisdg
Andrew_Xzw·2025-01-18 13:49

基于生成式人工智能的网联自动驾驶：通感融合决策技术

首先讨论了生成式人工智能技术如何提高自动驾驶决策、训练、感知和导航等模块的性能，接着探讨了其在融合了语义通信、通感一体和新型空口技术的下一代车联网中的角色，然后提出了基于人工智能代理的网联自动驾驶模型，
罗伯特之技术屋·2025-01-18 13:17

Pytorch实现：LSTM-火灾温度预测

本文为365天深度学习训练营中的学习记录博客原作者：K同学啊前期工作语言环境：Python3.9.18编译器：JupyterLab深度学习环境：Pytorch1.12.11.设置GPUimporttorchimporttorch.nnasnnimporttorchvisionfromtorchvisionimporttransforms
骑猪玩狗·2025-01-18 11:32

深度学习项目--基于LSTM的火灾预测研究(pytorch实现)

本文为365天深度学习训练营中的学习记录博客原作者：K同学啊前言LSTM模型一直是一个很经典的模型，这个模型当然也很复杂，一般需要先学习RNN、GRU模型之后再学，GRU、LSTM的模型讲解将在这两天发布更新
羊小猪~~·2025-01-18 10:30

PLUTO：突破基于模仿学习的自动驾驶规划极限

改进来自三个关键方面：一种纵向横向感知模型架构，可实现灵活多样的驾驶行为；一种创新的辅助损失计算方法，可广泛应用且可高效地进行批量计算；一种利用对比学习的训练框架，采
硅谷秋水·2025-01-18 10:27

LargeAD：用于自动驾驶的大规模跨传感器数据预训练

25年1月来自新加坡国立大学、南京航空航天、德国Bremerhaven技术大学、上海AI实验室、香港科技大学和香港大学的论文“LargeAD:Large-ScaleCross-SensorDataPretrainingforAutonomousDriving”。视觉基础模型(VFM)的最新进展彻底改变2D视觉感知，但它们在3D场景理解方面的潜力，特别是在自动驾驶应用中的潜力仍未得到充分探索。Lar
硅谷秋水·2025-01-18 10:27

代码随想录算法训练营day24（0117）

1.复原IP地址感觉有点难，基本属于是对着题解写了，单拎出来是否有效我都没写全对。。然后是对于单层回溯逻辑那里也是一个难点，追本溯源其实还是字符串的操作没有那么熟练。题目93.复原IP地址有效IP地址正好由四个整数（每个整数位于0到255之间组成，且不能含有前导0），整数之间用'.'分隔。例如："0.1.2.201"和"192.168.1.1"是有效IP地址，但是"0.011.255.245"、"
Lazy.land·2025-01-18 09:17

第十四届蓝桥杯三月真题刷题训练——第 18 天

第1题：排列字母思路：直接调用sort函数对字符串进行排序#includeusingnamespacestd;intmain(){stringarr;cin>>arr;sort(arr.begin(),arr.end());cout#definelllonglongusingnamespacestd;intmain(){lln,m,k,res;cin>>n>>m;if(n>m)swap(n,m);
不摘月亮·2025-01-18 09:47

【Vim Masterclass 笔记16】S07L32 + L33：同步练习09 —— 掌握 Vim 宏操作的六个典型案例（含点评课内容）

文章目录S07L32Exercise09-Macros1训练目标2操作指令2.1.打开macros-practice.txt文件2.2.练习1：将旧版Python代码转换为新版写法2.3.练习2：根据列表内容批量创建
安冬的码畜日常·2025-01-18 08:14

【Vim Masterclass 笔记14】S07L29 + L30：练习课08 —— Vim 文本对象同步练习（含点评课内容）

文章目录L29Exercise08-TextObjects1训练目标2操作指令2.1.打开textobjectspractice.txt文件2.2.单词对象练习WordObjects2.3.区块对象`(
安冬的码畜日常·2025-01-18 08:13

小北的技术博客：探索华为昇腾CANN训练营与AI技术创新——Ascend C算子开发能力认证考试（初级）

前言哈喽哈喽友友们，这里是zyll~（小北）智慧龙阁的创始人及核心技术开发者。在技术的广阔天地里，我专注于大数据与全栈开发，并致力于成为这一领域的新锐力量。通过智慧龙阁这个平台，我期望能与大家分享我的技术心得，共同探索技术的无限可能。AscendC编程：小北的技术之旅近期，我深入研究了AscendC编程，并整理了一系列关于AscendC算子开发能力认证考试（初级）的题目及其答案。我希望这些内容能为
Stitch .·2025-01-18 08:12

PyTorch 神经协同过滤 (NCF) 推荐系统教程

目录教程概述1.神经协同过滤模型概述NCF模型的主要组成部分：2.数据加载与预处理3.定义神经协同过滤模型4.训练模型5.模型评估6.推荐物品7.完整示例8.总结在本教程中，我们将使用PyTorch实现一个神经协同过滤
陌北v1·2025-01-18 07:37

《机器学习模型快速收敛的秘籍大揭秘》

选择合适的优化器优化器在模型训练中起着至关重要的作用，它决定了模型参数的更新方式和步长。常见的优化器如Adam、RMSProp和Momentum等都有各自的特点和优势。Adam结合了M
·2025-01-18 05:14

第78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。
·2025-01-18 05:13

ACL 2024 | 美团技术团队精选论文解读

本文精选了美团技术团队被ACL2024收录的4篇论文进行解读，论文内容覆盖了训练成本优化、投机解码、代码生成优化、指令微调（IFT）等技术领域。这些论文是美团技术团队跟高校、科研机构合作的成果。
·2025-01-18 05:12

【人工智能】人工智能的10大算法详解（优缺点+实际案例）

本文将介绍10种常见的人工智能算法，包括它们的原理、训练方法、优缺点及适用场景。1.线性回归（LinearRegression）模型原理线性回归用于建立自变量（特征）与因变量（目标）之间的线性关系。
ChatGPT-千鑫·2025-01-18 03:04

深度学习驱动的极端天气预测：时空数据异常检测与应用全解析（基于Python + TensorFlow）

未来，通过模型架构创新、训练算法优化以及探索深度学习在气候预测、气象
AI_DL_CODE·2025-01-18 02:01

如何利用OpenCV和yolo实现人脸检测

二、加载预训练的人脸检测模型OpenCV提供了基于Haar特征
音视频牛哥·2025-01-18 02:29

基于YOLOv8深度学习的人脸年龄检测识别系统

我们将详细介绍项目的技术实现、数据集构建、模型训练以及UI设计，并附上完整代码。目录引言系统架构设计数据准备公开人脸年龄数据集数据标注格式数据目录结构模型训练YOLOv8环
2025年数学建模美赛·2025-01-18 02:24

基于深度学习的人脸表情识别系统（YOLOv10+UI界面+数据集）

该系统主要由三部分组成：YOLOv10（深度学习模型）进行表情识别、UI界面展示识别结果以及数据集的准备和训练过程。
2025年数学建模美赛·2025-01-18 02:24

基于深度学习的人脸表情识别系统：YOLOv8 + UI界面 + 数据集完整实现

系统集成了数据集准备、YOLOv8模型训练、实时推理以及基于PyQt5的图形用户界面（UI）。通过本文，你将学习如何实现一
2025年数学建模美赛·2025-01-18 02:24

《解锁数据新动能：数据标注工具与AI模型训练平台的无缝对接热潮》

而数据标注工具与人工智能模型训练平台的集成，实现数据的无缝流转，正逐渐成为行业内的关键热点，犹如为人工智能的发展装上了强劲的双引擎。
·2025-01-18 01:32

第81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。
·2025-01-18 01:02

第83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。
·2025-01-18 00:26

AI大模型应用架构（ALLMA）白皮书解读

一、AI大模型应用架构（ALLMA）的内涵AI大模型应用架构（ALLMA）是一种基于深度学习的人工智能应用架构，旨在通过大规模无标注数据预训练、指令微调
百度_开发者中心·2025-01-18 00:41

【昇思25天学习打卡营打卡指南-第一天】基本介绍与快速入门

其中，易开发表现为API友好、调试难度低；高效执行包括计算效率、数据预处理效率和分布式训练效率；全场景则指框架同时支持云、边缘以及端侧场景。
JeffDingAI·2025-01-17 21:49

python训练模型损失值6000多_机器学习中的 7 大损失函数实战总结（附Python演练）...

介绍想象一下-你已经在给定的数据集上训练了机器学习模型，并准备好将它交付给客户。但是，你如何确定该模型能够提供最佳结果?是否有指标或技术可以帮助你快速评估数据集上的模型?
weixin_39700394·2025-01-17 21:45

深入解析昇腾AI CPU算子开发：基于AI CPU引擎的自定义算子实现与优化

深入解析昇腾AICPU算子开发：基于AICPU引擎的自定义算子实现与优化随着深度学习模型复杂性的不断提升，AI处理器需要更强大的算力和更高效的计算架构来支撑模型的训练和推理。
快撑死的鱼·2025-01-17 21:09

【AI系统】混合并行

混合并行混合并行（HybridParallel）是一种用于分布式计算的高级策略，它结合了数据并行和模型并行的优势，以更高效地利用计算资源，解决深度学习中的大模型训练问题。
ZOMI酱·2025-01-17 20:05

【ER-NeRF数字人】手把手教用ER-NeRF实现实时交互数字人

1.克隆项目、安装依赖环境2.下载面部解析模型3.准备3DMM所需文件4.下载3DMM模型5.将要训练人物模型（视频文件）放在data目录下。以data//.mp4明明。
刘承卓·2025-01-17 20:05

【机器学习实战入门项目】基于机器学习的鸢尾花分类项目

机器学习算法基于样本数据（即训练数据）构建模型，并根据训
精通代码大仙·2025-01-17 20:05

BladeDISC++：Dynamic Shape AI 编译器下的显存优化技术

本文将介绍阿里云PAI团队近期发布的BladeDISC++项目，探讨在动态场景下如何优化深度学习训练任务的显存峰值，主要内容包括以下三个部分：DynamicShape场景下显存优化的背景与挑战BladeDISC
·2025-01-17 20:51

第79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。
·2025-01-17 19:08

鸿蒙NEXT应用开发训练营毕业总结

自从加入鸿蒙NEXT应用开发训练营以来，我体验了一段充实而富有挑战性的学习旅程。通过系统的理论学习和实践操作，我不仅对鸿蒙NEXT应用开发有了深入的理解，还掌握了其核心技能。
wjl6259·2025-01-17 19:24

解析蓝桥杯思维之真题训练：分巧克力

目录其他真题要点源代码其他真题其他真题儿童节那天有K位小朋友到小明家做客。小明拿出了珍藏的巧克力招待小朋友们。小明一共有N块巧克力，其中第i块是HixWi的方格组成的长方形。为了公平起见，小明需要从这N块巧克力中切出K块巧克力分给小朋友们。切出的巧克力需要满足：形状是正方形，边长是整数大小相同例如一块6x5的巧克力可以切出6块2x2的巧克力或者2块3x3的巧克力。当然小朋友们都希望得到的巧克力尽可
m明月Java3·2025-01-17 17:43

llama.cpp部署

llama.cpp介绍部署介绍大模型的研究分为训练和推理两个部分：训练的过程，实际上就是在寻找模型参数，使得模型的损失函数最小化；推理结果最优化的过程；训练完成之后，模型的参数就固定了，这时候就可以使用模型进行推理
法号：行颠·2025-01-17 17:12

HarmonyOS学习第七周（实践版）

因为有事，断更了一个月，一个月没怎么碰，已经有点忘记了，这周做点简单案例进行一下“康复训练”。
超级困~·2025-01-17 16:05

代码随想录算法训练营Day2:977有序数组、209长度最小的子数组、59螺旋矩阵||

（1）977有序数组文章链接：代码随想录(programmercarl.com)思考：题目中提到了该数组为有序数组，那么在进行平方后，最大值一定是在数组的最左边或者最左边，所以用双指针进行比较。Java代码：classSolution{publicint[]sortedSquares(int[]nums){int[]result=newint[nums.length];intleft=0;intr
爱吃甜食的靓仔·2025-01-17 16:26

深度定制：Embedding与Reranker模型的微调艺术

微调是深度学习中的一种常见做法，它允许模型在预训练的基础上进一步学习特定任务的特定特征。对于Embedding模型，微调的目的是让模型更适配特定的数据集，从而取得更好的召回效果。
从零开始学习人工智能·2025-01-17 15:22

加速 AI 训推：Lepton AI 如何构建多租户、低延迟云存储平台

该平台适用于各种训练、推理需求，GPU充足，在保证高性能的同时，能够灵活应对不断变化的工作负载。用户可以快速在Lepton平台上部署推理服务和执行训练任务，无需关注基础设施和稳定性问题。
·2025-01-17 15:51

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。
·2025-01-17 15:50

【深度强化学习】DQN：深度Q网络算法——从理论讲解到源码解析

【深度强化学习】DQN：深度Q网络算法——从理论讲解到源码解析介绍常用技巧算法步骤DQN源码实现网络结构训练策略DQN算法进阶双深度Q网络（DoubleDQN）竞争深度Q网络（DuelingDQN）优先级经验回放
视觉萌新、·2025-01-17 15:17

LLaMA-Factory全面指南：从训练到部署

项目背景与概述LLaMA-Factory项目目标LLaMA-Factory项目是一个专注于大模型训练、微调、推理和部署的开源平台。
我就是全世界·2025-01-17 15:46

代码随想录算法训练营Day6 | 454.四数相加II，383. 赎金信，15. 三数之和，18. 四数之和，总结

详细布置454.四数相加II✅建议：本题是使用map巧妙解决的问题，好好体会一下哈希法如何提高程序执行效率，降低时间复杂度，当然使用哈希法会提高空间复杂度，但一般来说我们都是舍空间换时间，工业开发也是这样。题目链接/文章讲解/视频讲解：代码随想录#454classSolution(object):deffourSumCount(self,nums1,nums2,nums3,nums4):""":t
Yummy Penguin·2025-01-17 14:13

【机器学习】主动学习-增加标签的操作方法-样本池采样（Pool-Based Sampling）

使用初始标注数据训练一个模型
IT古董·2025-01-17 14:09

代码随想录算法训练营DAY56｜图论理论基础、98. 所有可达路径、深搜广搜基础

图论理论基础强连通图是在有向图中任何两个节点是可以相互到达在无向图中的极大连通子图称之为该图的一个连通分量。98.所有可达路径defdfs(graph,a,n,path,result):ifa==n-1:result.append(('').join(path[:]))forjinrange(N):ifgraph[a][j]:path.append(str(j+1))dfs(graph,j,n,p
阿緑·2025-01-17 14:38

为什么要训练最懂您企业的AI助理？

随着人工智能技术的蓬勃发展，企业级AI助理已成为提升工作效率、优化客户服务体验的重要利器。这些智慧化的系统，通过模拟人类的认知功能，能够轻松应对复杂的数据分析、自动化繁琐的日常任务，甚至为企业决策提供有力支持。拥有一款懂您的企业AI助理，意味着您能够以更智能、更高效的方式推动企业前行。一、构建高度整合与个人化体验为了让AI机器人真正懂您的企业，我们首先要实现高度整合。通过连接企业资料库、应用程序、
·2025-01-17 14:31

【机器学习：二十、拆分原始训练集】

1.如何改进模型模型的改进需求在机器学习任务中，模型性能的提升通常受限于训练数据、模型架构、优化方法及超参数设置等。模型改进的目标是在测试数据上表现更优，避免过拟合或欠拟合。
KeyPan·2025-01-17 13:35

【机器学习】---神经架构搜索（NAS）

模型的性能不仅依赖于数据和训练方
Undoom·2025-01-17 13:03
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他