LLM训练第14页

深度学习 PyTorch 中 18 种数据增强策略与实现

深度学习pytorch之简单方法自定义9类卷积即插即用数据增强通过对训练数据进行多种变换，增加数据的多样性，它帮助我们提高模型的鲁棒性，并减少过拟合的风险。

@Mr_LiuYang·2025-03-10 16:25

从前端程序员到大模型工程师的转型攻略

在科技日新月异的今天，人工智能（AI）特别是大规模预训练模型（大模型）的发展正引领着新一轮的技术革命。

七七Seven～·2025-03-10 15:19

深度学习笔记——Resnet和迁移学习

这使得深层网络难以训练。梯度消失：梯度消失是指在训练深度神经网络时，通过多层传递的梯度(误差)变得非常小，接近于零。这导致网络中较早层的权重更新非常缓慢，甚至几乎不更新。

肆——·2025-03-10 15:17

MMDetection实用工具详解（上）：日志分析、结果分析、混淆矩阵

实用工具目录一、日志分析使用方法实际案例二、结果分析pkl结果文件生成使用方法实际案例三、混淆矩阵使用方法实际案例遇到的UserWarning解决方案MMDetection官方除了训练和测试脚本，他们还在

MickeyCV·2025-03-10 15:46

Vision Transformer 分类水果图片集 Python 代码（可训练自己数据集）

代码链接:https://github.com/Illusionna/ComputerVision/tree/main/EfficientTransformerArepositoryforViT.ContributetoIllusionna/TransformerdevelopmentbycreatinganaccountonGitHub.https://github.com/Illusionna

Illusionna.·2025-03-10 14:37

大模型好书推荐 -挖到宝了，500页RAG神书几乎把RAG讲得透透的

《基于大模型的RAG应用开发与优化——构建企业级LLM应用》是一本专注于RAG（Retrieval-AugmentedGeneration，检索增强生成）技术应用的书籍。

脱泥不tony·2025-03-10 14:07

大模型系列——Spring AI Advisor 指南

我们正在广泛实现各种RAG应用和提示API，并使用LLM创建令人印象深刻的项目。借助SpringAI，我们可以更快、更稳定地完成这些任务。

猫猫姐·2025-03-10 14:06

Spark-TTS：基于大模型的文本语音合成工具

GitHub：https://github.com/SparkAudio/Spark-TTSSpark-TTS是一个先进的文本到语音系统，它利用大型语言模型（LLM）的强大功能进行高度准确和自然的语音合成

CITY_OF_MO_GY·2025-03-10 13:35

AI浪潮下的数据保卫战：SSL证书为何成为企业刚需？

无论是训练AI模型、优化算法，还是提供个性化服务，数据的安全性和隐私保护都至关重要。

·2025-03-10 13:16

深度学习在SSVEP信号分类中的应用分析

目录前言1.SSVEP信号分类的处理流程2.模型输入和数据预处理3.模型结构设计3.1卷积神经网络（CNN）3.2长短期记忆网络（LSTM）4.训练方法与激活函数5.性能评估与挑战6.未来方向前言随着脑机接口

自由的晚风·2025-03-10 12:00

Claude更新王炸功能：一键生成、评估、优化提示词！

类似地，要想让LLM模型或生成式AI工具更好的为你服务，你得先学会“写提示词”。提示词就是敲开AI大门的那把钥匙，相同的任务目标，不同的提示词得到的结果可能截然不同。

AI信息Gap·2025-03-10 10:46

AF3 block_delete_msa函数解读

这在训练时可能用于数据增强（防止模型对MSA过度依赖）。推理（inference）时不会使用，因为完整MSA对预测准确性很重要。

qq_27390023·2025-03-10 10:43

基于PyTorch的深度学习4——使用numpy实现机器学习vs使用Tensor及Antograd实现机器学习

利用数组x，y的数据为训练数据。最后，采用梯度梯度下降法，通过多次迭代，学习到w、b的值。以下为具体步骤：1)导入需要的库。

Wis4e·2025-03-10 09:09

论文阅读笔记——Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware

具体来说，当智能体（agent）在测试时遇到训练集中未见过的情况时，可能会产生预测误差。这些误差会逐步累积，导致智能体进入未知状态，最终

寻丶幽风·2025-03-10 09:09

AI 大模型应用数据中心建设：数据中心成本优化

无论是进行深度学习模型的训练，还是大模型应用的推理，数据中心都需要提供充足的计算资源、存储空间和网络带宽。

杭州大厂Java程序媛·2025-03-10 09:38

Process-based Self-Rewarding Language Models 论文简介

基于过程的自奖励语言模型：LLM优化的新范式引言大型语言模型（LLM）在多种任务中展现出了强大的能力，尤其是在使用人工标注的偏好数据进行训练时。

ZHOU_CAMP·2025-03-10 08:31

实战1. 利用Pytorch解决 CIFAR 数据集中的图像分类为 10 类的问题

实战1.利用Pytorch解决CIFAR数据集中的图像分类为10类的问题加载数据建立模型模型训练测试评估你的任务是建立一个用于CIFAR图像分类的神经网络，并实现分类质量>0.5。

啥都鼓捣的小yao·2025-03-10 08:57

Training-free Neural Architecture Searchthrough Variance of Knowledge of Deep Network Weights（预览版本）

然而，NAS的主要限制是其天文数字般的计算成本，因为它通常需要从头开始训练每个候选网络架构。在本文中，我们旨在通过基于Fisher信息提出一种

境心镜·2025-03-10 08:54

谷歌搜索并发搜索/cookie并发生成方案

20并发，则可以每秒保持千次cookie的生成并发查询嘎嘎快，单条cookie存活为60秒，可以重复查询200次以内需要联系另外腾讯系阿里系AI训练标注也可以联系

背拥·2025-03-10 07:17

Prompt Engineering 指南

但是大预言模型（LLM）的作用不仅于此，使用它构建业务系统或者给业务系统赋能的能力现阶段还未完全开发出来，我相信在不久之后，尤其是国产LLM成熟、相关监管法规落实之后，

陈小龙丶呐喊·2025-03-10 06:16

开源模型应用落地-Qwen2.5-7B-Instruct与vllm实现推理加速的正确姿势-Docker-OpenResty（三）

无论是语言模型还是多模态模型，均在大规模多语言和多模态数据上进行预训练，并通过高质量数据进行后期微调以贴近人类偏好。另外，使用Docker实现便捷测试成为一种高效的解决方案。

开源技术探险家·2025-03-10 06:43

【OpenAI官方课程】第一课：GPT-Prompt 的构建原则指南

本课程将教您如何通过OpenAIAPI有效地利用大型语言模型（LLM）来创建强大的应用程序。

euffylee·2025-03-10 06:12

如何高效使用LangChain实现复杂任务：全面功能指南

LangChain是一个强大的工具集，它为开发基于大语言模型(LLM)的应用提供了丰富的组件和功能支持。

shuoac·2025-03-10 04:00

什么是MCP协议？AI Agent时代如何选择MCP协议？

摘要在人工智能（AI）迅猛发展的今天，如何让大型语言模型（LLM）充分利用外部数据和工具已成为关键问题。

猫头虎·2025-03-10 04:29

构建一个完整的视觉Transformer（ViT）图像分类模型 VIT （vision transformer）图像分类

Jackie_AI·2025-03-10 04:29

使用LangChain构建大语言模型(LLM)应用程序: 基础入门

使用LangChain构建大语言模型(LLM)应用程序:基础入门在这个教程中，我们将了解如何使用LangChain快速上手并构建一个基本的大语言模型(LLM)应用。

bavDHAUO·2025-03-10 04:57

Windows下的PaddleOCR本地部署

anaconda（网上教程很多很详细）2.创建环境3.激活环境并在该环境下安装PaddlePaddle框架4.下载requirments.txt中的库（二）PaddleOCR安装【非重点】二、在自己的数据集上训练模型

wangkun_cl·2025-03-10 03:22

神经网络|(十四)|霍普菲尔德神经网络-Hebbian训练

【1】引言前序学习进程中，除了对基本的神经网络知识进行了学习，还掌握了SOM神经网络原理，文章链接包括且不限于：神经网络|(十一)|神经元和神经网络-CSDN博客神经网络|(十二)|常见激活函数-CSDN博客神经网络|(十三)|SOM神经网络-CSDN博客在此基础上，本篇文章学习一个新的神经网络：霍普菲尔德神经网络。【2】霍普菲尔德神经网络原理霍普菲尔德神经网络和SOM神经网络一样不走寻常路，SO

西猫雷婶·2025-03-10 02:17

使用LangChain构建简单的LLM应用

在这篇快速入门教程中，我们将向您展示如何使用LangChain构建一个简单的LLM（大型语言模型）应用程序。

fgayif·2025-03-10 02:12

语义检索-BAAI Embedding语义向量模型深度解析[1-详细版]：预训练至精通、微调至卓越、评估至精准、融合提升模型鲁棒性

语义检索-BAAIEmbedding语义向量模型深度解析[1-详细版]：预训练至精通、微调至卓越、评估至精准、融合提升模型鲁棒性语义向量模型（EmbeddingModel）已经被广泛应用于搜索、推荐、数据挖掘等重要领域

汀、人工智能·2025-03-10 01:36

[论文笔记] LLaMA3.1与Qwen2与Apple 技术报告中预训练方案对比

https://arxiv.org/pdf/2407.21075https://arxiv.org/pdf/2407.10671https://arxiv.org/pdf/2407.21783LLaMA3.1LLaMA3.1技术报告：https://ai.meta.com/blog/meta-llama-3-1/

心心喵·2025-03-10 01:02

WebGPT: 基于浏览器辅助的问答系统，结合人类反馈优化答案质量

【摘要】本论文介绍了WebGPT，这是一种通过浏览器辅助问答系统来使用人类反馈进行训练和优化的模型。

土豆.exe·2025-03-10 00:30

数字识别项目

集成算法·Stacking·堆叠：很暴力，拿来一堆直接上（各种分类器都来了）·可以堆叠各种各样的分类器（KNN,SVM,RF等等）·分阶段：第一阶段得出各自结果，第二阶段再用前一阶段结果训练实现神经网络实例利用

不要天天开心·2025-03-10 00:29

自我训练模型：通往未来的必经之路？

摘要在探讨是否唯有通过自我训练模型才能掌握未来的问题时，文章强调了底层技术的重要性。当前，许多人倾向于关注应用层的便捷性，却忽视了支撑这一切的根本——底层技术。

耶耶Norsea·2025-03-09 22:11

代码随想录算法训练营第八天|代码随想录 541. 反转字符串 II

Day8代码随想录字符串代码随想录541.反转字符串II反转字符串如何调用函数×reverse(s[i],s[n-1])√reverse(s.begin()+i,s.end())×reverse(s[i],s[i+k-1])√reverse(s.begin()+i,s.begin()+i+k);reverse左闭右开不包含第二个参数的位置如果要反转i到i+k-1区间内的字符应该reverse(s.

心爱心爱·2025-03-09 22:34

使用DeepSeek来构建LangGraph Agent

随着DeepseekR1的发布，我们不得不把目光聚焦在这个能赶超多个顶流大模型的模型身上，它主要是其在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力。

乔巴先生24·2025-03-09 21:59

无监督AI训练:机遇与挑战并存

无监督AI训练：机遇与挑战并存关键词：无监督学习、AI训练、机器学习、聚类算法、降维技术、深度学习摘要：本文深入探讨无监督AI训练这一新兴领域，首先介绍了其基本概念与原理，然后详细解析了无监督AI训练的核心技术

AI天才研究院·2025-03-09 21:28

《DeepSeek+Langchain落地实操:RAG知识增强检索和智能体实战开发》

它的设计理念在于简化和加速利用大型语言模型（LLM）和对话模型构建应用程序的过程。这个框架提供了一套全面的工具、组件和接口，旨在简化基于大型语言模型和对话模型的应用程序开发过程。

AI周红伟·2025-03-09 21:25

PyTorch：Python深度学习框架使用详解

自动微分：自动计算梯度，简化了机器学习模型的训练过程。丰富的API：提供了丰富的神经网络层、函数和损失函数。跨平

零度°·2025-03-09 21:25

【简单记录】RAG与LLM的交互流程

一、流程名称该流程旨在通过结合用户查询、相关知识源和大型语言模型（LLM），生成一个增强上下文的文本响应。

努力努力再努力呐·2025-03-09 19:14

Manus：通用型Agent的技术革新与多元应用场景

其核心理念独树一帜，旨在为大语言模型（LLM）赋予“手”的能力，使其借助工具调用与任务执行，将抽象知识转化为切实可行的实际操作，开启人工智能应用的崭新时代。

蚂蚁质量·2025-03-09 16:16

OpenAI O1在跨语言生成中的应用：从多语言处理到文化适应性

全文目录：开篇语前言目录1.OpenAIO1的多语言生成技术概述O1模型的架构大规模预训练与迁移学习2.O1如何处理语言文化差异语言的隐性差异与文化背景文化敏感内容生成3.O1在多语言环境中的应用跨语言生成自动翻译与多语言理解全球化内容创作

喵手·2025-03-09 16:40

【论文阅读】LayoutPrompter: Awaken the Design Ability of Large Language Models

本文提出Layout-Prompter，利用大型语言模型(llm)通过上下文学习来解决上述问题。LayoutPr

进击的乔洋·2025-03-09 16:40

【GPT入门】第10课 FunctionCalling介绍

其训练数据无法涵盖世间所有信息，尤其是在垂直领域以及非公开数据方面，必然存在缺失。另一方面，大模型难以掌握最

*星星之火*·2025-03-09 16:09

基于Pytorch的语音情感识别系统

基于Pytorch的语音情感识别系统使用深度学习技术，通过训练神经网络模型来实现情感识别任务。应用使用场景客户服务中心：自动识别客户情绪，提供有针对性的服务。智能语音助手：提升人机交互体验，更加智

鱼弦·2025-03-09 15:34

大规模语言模型构建流程

大规模语言模型1.大语言模型大规模语言模型（LargeLanguageModels，LLM），也称大语言模型，是一种由包含数百亿以上参数的深度神经网络构建的语言模型，通常使用自监督学习方法通过大量无标注文本进行训练

人工智能技术笔记·2025-03-09 15:34

Python简介

近年来，随着人工智能（AI）和机器学习（ML）领域的迅猛发展，Python在这些前沿技术中扮演了至关重要的角色，特别是在构建和训练大规模机器学习方面。

Gao_xu_sheng·2025-03-09 15:33

深度解析DeepSeek：从技术架构到实战应用

在2025年人工智能领域竞争白热化的今天，DeepSeek以其超低训练成本（仅为GPT-4o的1/20）和业界领先的推理能力，成为全球开发者关注的焦点。

YY...yy·2025-03-09 15:33

LLM时代的小模型思考：《What is the Role of Small Models in the LLM Era: A Survey》论文笔记

ImperialCollegeLondonAbstract问题：扩大模型大小会导致计算成本和能耗呈指数级增长，这使得这些模型对于学术研究人员和资源有限的企业来说不切实际小型模型（SMs）经常用于实际环境中，引发了关于小模型在LLM

FrancisQiu·2025-03-09 14:02

代码随想录算法训练营第三十九天 | 198.打家劫舍 213.打家劫舍II 337.打家劫舍 III

198.打家劫舍力扣题目链接(opensnewwindow)你是一个专业的小偷，计划偷窃沿街的房屋。每间房内都藏有一定的现金，影响你偷窃的唯一制约因素就是相邻的房屋装有相互连通的防盗系统，如果两间相邻的房屋在同一晚上被小偷闯入，系统会自动报警。给定一个代表每个房屋存放金额的非负整数数组，计算你不触动警报装置的情况下，一夜之内能够偷窃到的最高金额。示例1：输入：[1,2,3,1]输出：4解释：偷窃1

超人不会飞flying·2025-03-09 14:58

推荐频道

LLM训练