CTF训练

计算机导论与计算机组成原理关系,计算机组成原理

课程编号:ZYB08003课程性质:专业必修课学时数:54学时(其中授课学时，课堂实验学时，讨论学时，自学学时)学分:3学分适用专业:计算机科学与技术课程的主要任务本课程的作用是通过课堂理论学习和实际操作训练

·2025-07-04 12:21

Day44

1.预训练概念：在大规模数据上训练模型学习通用知识，再迁移到下游任务微调2.常见模型：图像有AlexNet、ResNet、ViT；NLP有BERT、GPT3.图像模型发展：从手工特征到深度学习，从CNN

·2025-07-04 12:19

百度文心大模型 4.5 系列全面开源英特尔同步支持端侧部署

，百度如期兑现2月14日的预告，正式开源文心大模型4.5（ERNIE4.5）系列，涵盖10款不同参数规模的模型，包括470亿参数混合专家（MoE）模型、30亿参数MoE模型及3亿参数稠密型模型，实现预训练权重与推理代码的完全开放

·2025-07-04 10:08

百度文心大模型4.5系列正式开源，开源会给百度带来什么？

其次，从成本分摊与创新激励的角度来看，开源能有效降低百度在模型后训练、部署等环节的边际成本，

·2025-07-04 10:38

【大模型面试】大模型Prompt Engineer面试题及参考答案

传统机器学习模型参数规模相对较小，往往针对特定任务进行设计和训练，需要较多人工特征工程。而大模型参数数量庞大，通过在

大模型知识·2025-07-04 10:37

大规模预训练语言模型的参数高效微调

人工智能咨询培训老师叶梓转载标明出处大规模预训练语言模型（PLMs）在特定下游任务上的微调和存储成本极高，这限制了它们在实际应用中的可行性。

·2025-07-04 10:37

LLaVA-1.5:强大的多模态大模型（包含论文代码详解）

它是一个端到端训练的大型多模态模型，结合了视觉编码器和语言模型，用于通用的视觉和语言理解。微软研究院、威斯康星大学的研究人员在LLaVA基础之上，继续开源了LLaVA-1.5版本。

Sherlock Ma·2025-07-04 10:36

Segment Anything in High Quality之SAM-HQ论文阅读

尽管SAM在训练时使用了11亿个掩码，其掩码预测质量在许多情况下仍不理想，尤其是对于结构复杂的目标。

qq_41627642·2025-07-04 10:35

代码随想录算法训练营第二十二天|LeetCode 77 组合，LeetCode 216 组合总和 III，LeetCode 450 删除二叉搜索树中的节点

1.LeetCode77组合题目链接：77.组合classSolution:defcombine(self,n:int,k:int)->List[List[int]]:defbacktracking(n,k,startIndex,path,result):iflen(path)==k:result.append(path[:])returnforiinrange(startIndex,n-(k-l

二师兄呀1001·2025-07-04 09:28

破译AI黑箱：如何用20行Python理解ChatGPT？

文章目录一、核心概念：大模型本质二、代码逐行解析（以线性回归为例）三、关键概念详解四、与大模型的本质联系五、大模型训练核心思想六、如何扩展成真实大模型七、总结：AI训练的本质一、核心概念：大模型本质大模型

Ven%·2025-07-04 08:56

如何使用 PyTorch Lightning 保存和加载检查点

2.检查点有哪些内容3.如何保存检查点4.如何加载检查点5.保存超参数6.nn.Module的检查点7.禁用checkpointing8.恢复训练状态1.什么是检查点(checkpoint)？

喝过期的拉菲·2025-07-04 08:54

使用Ray实现的分布式PyTorch Lightning训练

使用Ray实现的分布式PyTorchLightning训练ray_lightningPytorchLightningDistributedAcceleratorsusingRay项目地址:https:/

刘瑛蓉·2025-07-04 08:53

mlflow案例

4.教程和示例4.1训练、服务和评估线性回归模型地址：Tutorial—MLflow2.4.1documentation本教程展示了如何使用MLflow端到端执行以下操作：（1）训练线性回归模型（2）将训练模型的代码打包为可重复使用和可复制的模型格式

·2025-07-04 07:43

pythonflow_MLflow系列1：MLflow入门教程（Python）

这篇教程展示了如何：训练一个线性回归模型将训练代码打包成一个可复用可复现的模型格式将模型部署成一个简单的HTTP服务用于进行预测这篇教程使用的数据来自UCI的红酒质量数据集，主要用于根据红酒的PH值，酸度

weixin_39872334·2025-07-04 07:13

2025B卷 - 华为OD机试七日集训第5期 - 按算法分类，由易到难，循序渐进，玩转OD（Python/JS/C/C++）

·2025-07-04 06:40

ElasticCTR：一键部署的分布式CTR预估解决方案

该方案融合了百度业务场景下持续打磨的高精度CTR模型、飞桨开源框架的大规模分布式训练能力、工业级稀疏参数弹性调度服务，帮助用户在Kubernetes环境中一键完成推荐系统部署，具备高性能、工业级部署、端到端体验的特点

萧桔格Wilbur·2025-07-04 06:09

机器学习-三大SOTA Boosting算法总结和调优

参考书籍：《机器学习公式推导和代码实现》书籍页码：P197～205简介除了深度学习适用的文本、图像、语音、视频等非结构化数据，对于训练样本较少的结构化数据，Boosting算法仍是第一选择。

小新学习屋·2025-07-04 05:02

Qwen3 Embedding 结构-加载-训练看透模型设计哲学

看透一个顶级AI句向量模型的设计秘密，从文件结构到加载原理，再到其背后的训练哲学。

·2025-07-04 04:25

Python数据结构之 Big O

学习课程：【Udemy高分付费课程】Python数据结构与算法-终极Python编码面试和计算机科学训练营在Python中，BigO表示法用于描述算法的时间复杂度，即算法运行时间与输入大小之间的关系；或空间复杂度

ぃ曦晔°·2025-07-04 03:53

人脸识别接口&sdk，两张人脸相似度比对

人工智能时代，人脸识别技术正在被广泛应用于金融支付、安防监控、身份验证等多个领域，基于深度学习算法于海量样本训练，人脸识别接口以高精度、低延迟的特性出现在大众视野，成为开发者和企业用户集成人脸识别功能的首要选择之一

·2025-07-04 02:15

【AI Infra】基础学习汇总篇

系列综述：目的：本系列是个人整理为了学习训练框架优化的，整理期间苛求每个知识点，平衡理解简易度与深入程度。

逆羽飘扬·2025-07-04 01:41

BAAI/BGE-VL多模态模型部署、原理、代码详解（实现图像文本混合检索），包含BEG-VL多模态模型的本地部署详细步骤及代码原理解析

.BGE-VL-MLLM-s1/s2三、总结前言提示：这里可以添加本文要记录的大概内容：包含四个模型及数据集，数据集未开源，四个模型可以分别下载：其中，BGE-VL-base/Large是基于CLIP训练的模型

令令小宁·2025-07-04 01:09

Llama改进之——分组查询注意力

多查询注意力可能导致质量下降和训练不稳定，因此常用的是分组查询注意力。然后我们结合上篇文章3探讨的旋转位置编码，将选择位置编

愤怒的可乐·2025-07-04 01:37

Llama改进之——均方根层归一化RMSNorm

LayerNorm层归一化(LayerNorm)对Transformer等模型来说非常重要，它可以帮助稳定训练并提升模型收敛性。LayerNorm针对一个样本所有特征计算

愤怒的可乐·2025-07-04 01:36

从0实现llama3

这个链接实现了一个非常简洁的BPE分词器简易分词器实现BPE分词器（选看）1)训练tokenizer词汇表并合并给定文本，

讨厌编程但喜欢LLM的学院派·2025-07-04 01:36

手把手从零打造 Llama3：解锁下一代预训练模型

本篇文章将带你从头构建Llama3预训练流程，深入了解其关键细节和实现方式，让你掌握这一下一代模型的核心技术。1.启动训练脚本在这一步中，我们将实现Llama3的预训练框

会飞的Anthony·2025-07-04 01:35

如何训练一个 Reward Model：RLHF 的核心组件详解

本文将系统介绍如何从零开始训练一个rewardmodel，包括数据准备、模型结构、损失函数、训练方法与注意事项。什么是RewardModel？

茫茫人海一粒沙·2025-07-04 00:04

1＜=n＜=200 （蓝桥杯训练题库）c/c++

#includeinti,n,j,v;intsort(int*a,intn){for(i=0;ia[j]){v=a[i];a[i]=a[j];a[j]=v;}}intmain(){scanf("%d",&n);inta[200];for(i=0;i#includeusingnamespacestd;intmain(){intn;cin>>n;inta[200];for(inti=0;i>a[i];

·2025-07-04 00:59

利用人名语言分类案例演示RNN、LSTM和GRU的区别（基于PyTorch）

数据预处理模块详解2.1定义字符集和语言类别2.2读取数据2.3人名转换为one-hot编码张量2.4自定义数据集类2.5数据加载器三、模型定义模块详解3.1RNN模型3.2LSTM模型3.3GRU模型四、模型训练与测试模块详解

.30-06Springfield·2025-07-04 00:29

YOLOv8 轴承缺陷检测使用YOLOv8进行训练、评估和可视化预测结果包含1440张图片的轴承缺陷检测数据集 YOLO格式或XML格式

可以直接用于模型训练。YOLOv8轴承缺陷检测importosimporttorchfromIPy

OICQQ67658008·2025-07-03 23:59

ChatGPT、DeepSeek等大语言模型技术教程

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。

·2025-07-03 23:54

讯飞星火深度推理模型X1，为教育医疗带来革新

它通过大规模多阶段强化学习训练方法，在复杂推理、数学、代码、语言理解等场景全面

·2025-07-03 21:42

Rust实现FasterR-CNN目标检测全流程

Rust生态中可以通过tch-rs（Torch绑定）调用预训练的PyTorch模型实现。

KENYCHEN奉孝·2025-07-03 21:42

使用numpy或pytorch校验两个张量是否相等

文章目录1、numpy2、pytorch做算法过程中，如果涉及到模型落地，那必然会将原始的深度学习的框架训练好的模型转换成目标硬件模型的格式，如onnx,tensorrt,openvino,tflite

·2025-07-03 20:33

用sklearn库中的算法对数据集进行训练和auc评估（个人学习笔记）

题目：运用已给数据集进行模型训练，使用逻辑回归、决策树、随机森林和AdaBoost几个算法进行训练，并打印各个算法训练后的auc评价指标。

ZD困困困·2025-07-03 17:16

学习笔记(29):训练集与测试集划分详解：train_test_split 函数深度解析

学习笔记(29):训练集与测试集划分详解：train_test_split函数深度解析一、为什么需要划分训练集和测试集？

宁儿数据安全·2025-07-03 17:42

【Torch】nn.Dropout算法详解

其核心思想是在训练阶段随机“丢弃”（置零）部分神经元的输出，以减少网络对特定神经元的过度依赖；在推理阶段则保持所有神经元输出不变。

油泼辣子多加·2025-07-03 17:11

【YOLOv11】ultralytics最新作品yolov11 AND 模型的训练、推理、验证、导出以及使用

Jackilina_Stone·2025-07-03 16:36

Step-by-Step Diffusion&Flow Model Notes

例如，假设我们有一组狗的图像训练集，这些图像来自某个潜在分布pdogp_{\text{dog}}pdog，我

克斯维尔的明天_·2025-07-03 16:31

机器学习：集成学习方法之随机森林(Random Forest)

集成学习方法主要分为两大类：Bagging(BootstrapAggregating)：并行训练多个基学习器，然后通过投票

慕婉0307·2025-07-03 15:55

微软：LLM训练数据组织框架DELT

标题：DataEfficacyforLanguageModelTraining来源：arXiv,2506.21545摘要数据是语言模型（LM）训练的基础。

大模型任我行·2025-07-03 13:17

【人工智能】 AI的进化之路：大模型如何重塑技术格局

从早期神经网络到现代大模型的突破，文章分析了关键技术进步，如Transformer架构、预训练机制和分布式计算。结合数学公式和代码示例，详细阐述了大模型的训练原理、优化方法及实际应用场景。文

蒙娜丽宁·2025-07-03 12:32

语言的钥匙：提示工程的艺术与驾驭AI的智慧

答案并非在于重新训练这头计算巨兽（成本高昂且周期漫长），而在于掌握一门新兴的关键技艺——提示工程（PromptEngineering）。提示工程，简而言之，就是精心设计输入给模型的自然语言指令

田园Coder·2025-07-03 10:51

pytorch官方文档60分钟入门笔记

文章目录1.张量（Tensors）定义张量张量操作2.自动求导（autograd）变量Variable3.神经网络4.训练一个分类器载入数据5.数据并行day63参考：官方文档https://blog.csdn.net

xiaodidadada·2025-07-03 08:41

DeepSeek打破AI天花板：MoE架构+RL推理，效率提升5倍的底层逻辑

文章目录一、引言二、MoE架构：高效计算的核心支撑（一）MoE架构概述（二）DeepSeekMoE架构的创新点（三）MoE架构的代码实现示例三、RL推理：智能提升的关键驱动（一）RL推理概述（二）R1的训练流程

m0_74825409·2025-07-03 08:08

基于改进扩散模型与注意力机制的影像到转基因数据预测系统

系统采用PyTorch框架实现，包含数据预处理、模型架构、训练流程和评估指标等完整模块。

·2025-07-03 08:37

深入剖析AI大模型：关于模型训练

今天说的是模型训练，在AI模型里，它是点亮智慧星辰的关键引擎。

chilavert318·2025-07-03 08:06

微调 || RAG，项目落地怎么选？LLM应用选型指南，适用场景全解析

基本定义微调：是指利用更小、更具针对性的数据集对经过预先训练的大语言模型进一步训练的过程。在这个过程中，模型基于新数据集修改权重和参数，学习特定于任务的模式，同时保留来自最初预训练模型的知识。

认知超载·2025-07-03 08:36

【深度学习:进阶篇】--4.2.词嵌入和NLP

整体大小太大没能表示出词与词之间的关系例如Apple与Orange会更近一些，Man与Woman会近一些，取任意两个向量计算内积都为0目录1.词嵌入1.1.特点1.3.word2vec介绍1.3.Word2Vec案例1.3.1.训练语料

西柚小萌新吖(●ˇ∀ˇ●)·2025-07-03 07:32

深度学习学习经验——卷积神经网络（CNN）

卷积神经网络的完整实现项目示例项目目标1.加载数据2.卷积层：图像的特征探测器2.1第一个卷积层3.激活函数：增加非线性4.池化层：信息压缩器5.多层卷积和池化：逐层提取更高层次的特征6.全连接层：分类器7.模型训练和测试完整的项目示例代码总结卷积神经网络

Linductor·2025-07-03 07:02

推荐频道