LLM训练第35页

快速搭建GRU循环神经网络预测模型

但是，我需要确保MATLAB支持GRU网络的创建和训练。让我想想，MATLAB的DeepLearningToolbox提供了设计和训练神经网络的功能，包括GRU层。

智汇未来·2025-02-11 22:38

【专题】DeepSeek颠覆性在于实现AI平权、惊艳世界，算力与应用将迎来结构性变化报告汇总PDF洞察（附原数据表）

同时，它的训练和使用成本大幅降低

·2025-02-11 21:14

AI赋能灯塔低代码平台，AI应用落地“加速器”

传统开发方式在算法研究、模型训练、代码编写、系统集成及测试优化等环节，不仅需要专业技术人员的深度参与，还耗费大量时间和资源。这些挑战使得AI应用的落地变得异常艰难。

·2025-02-11 21:13

大模型推理服务全景图

作者：望宸随着DeepSeekR1和Qwen2.5-Max的发布，国内大模型推理需求激增，性能提升的主战场将从训练转移到推理。由于无论是训练还是推理，如何提升性能都是业内讨论最多的话题之一。

·2025-02-11 21:12

迁移学习 Transfer Learning

迁移学习是一种机器学习方法，它的核心思想是利用已有模型的知识来帮助新的任务或数据集进行学习，从而减少训练数据的需求、加快训练速度，并提升模型性能。1.为什么需要迁移学习？

有人给我介绍对象吗·2025-02-11 20:23

预训练语言模型：从BERT到GPT，NLP的新纪元

自然语言处理（NLP）在过去几年中经历了翻天覆地的变化，而这一变化的催化剂无疑是预训练语言模型（Pre-trainedLanguageModels,PLMs）的崛起。

Evaporator Core·2025-02-11 20:23

DeepSeek图神经网络（Graph Neural Networks, GNNs）基础与实践

DeepSeek提供了强大的工具和API，帮助我们高效地构建和训练图神经网络。本文将详细介绍如何使用DeepSeek进行图神经网络的基础与实践，并通过代码示例帮助你掌握这些

Evaporator Core·2025-02-11 20:22

【深度学习实战：kaggle自然场景的图像分类-----使用keras框架实现vgg16的迁移学习】

数据集train.csv-训练集test.csv-测试集SceneImages-图像文件夹训练

机器学习司猫白·2025-02-11 20:18

DeepSeek迁移学习与预训练模型应用

迁移学习是一种利用预训练模型的知识来加速新任务训练的技术。通过迁移学习，我们可以在数据量有限的情况下，快速构建高性能的模型。

Evaporator Core·2025-02-11 19:48

DeepSeek-MoE-16b：高效稀疏架构引领大模型降本增效革命

DeepSeek-MoE-16b是深度求索（DeepSeek）研发的混合专家模型（MixtureofExperts,MoE），参数规模160亿，旨在通过稀疏化计算架构解决传统稠密模型（如Llama2、GPT-3）的高训练与推理成本问题

热爱分享的博士僧·2025-02-11 18:36

史上最厉害的Java进阶之路

这是Java的流程控制，操控“一切”那些年，那些大神玩的数组来场刺激的数组训练吧！

m0_51274464·2025-02-11 17:31

实践深度学习：构建一个简单的图像分类器

本文将指导你如何使用深度学习框架来构建一个简单的图像分类器，我们将以Python和TensorFlow为例，展示从数据准备到模型训练的完整流程。

是Dream呀·2025-02-11 17:58

AI换脸技术原理以及为什么需要进行海量次数的模型训练?

AI换脸技术通俗点说就是“深度伪造技术”,是基于人工智能，特别是深度学习和生成对抗网络（GANs）的一种技术，能够将一个人的面部特征与另一个人的面部特征进行交换，从而生成非常真实的换脸视频或图像。AI换脸技术的基本原理生成对抗网络（GANs）GANs是AI换脸技术背后的核心算法，它由两个神经网络组成，一个是生成器，负责生成新的图像或视频；另一个是判别器，负责判断生成的图像是否真实。通过不断的“对抗

码场老菜鸟·2025-02-11 16:55

Java分布式流处理，flink+kafka实现电商网站个性化商品推荐系统

文章目录戳底部名片，一起变现技术栈选择设计实现思路实现步骤及示例代码1.数据采集2.数据预处理3.特征工程4.模型训练5.结果输出6.前端展示戳底部名片，一起变现在现代电商环境中，用户每天都会浏览大量商品页面

图苑·2025-02-11 16:24

千帆大模型提示词调优实践

大模型场景实战培训，提示词效果调优，大模型应用定制开发，点击咨询原始提示词以下是减重训练计划的提示词#能力与角色:作为一名经验丰富的注册营养师和运动健身教练，我将根据您的具体情况，为您制定一个为期{duration

·2025-02-11 16:57

新手必备！深入解析：如何使用 Ollama 下载与使用本地大语言模型

在当今数字化时代，大语言模型（LLM）的应用越来越广泛，从自然语言处理到文本生成，从代码辅助到智能问答，它们都展现出了强大的能力。然而，使用云端大语言模型往往面临着成本高昂、隐私泄露等问题。

大懒猫软件·2025-02-11 16:22

LLM推理优化——PagedAttention初识篇（vLLM初识（二））

LLM推理优化——PagedAttention初识篇（vLLM初识（二））前言在LLM推理优化——KVCache篇（百倍提速）中，我们已经介绍了KVCache技术的原理，从中我们可以知道，KVCache

荼荼灰·2025-02-11 15:44

5分钟在本地PC上使用VLLM快速启动Valdemardi/DeepSeek-R1-Distill-Llama-70B-AWQ

HuggingFaceCLI下载DeepSeek-R1-Distill-Qwen-32B模型启动启动命令启动确认模型验证发送API请求示例输出注意事项参考链接前言VLLM是一个高效且轻量的大规模语言模型（LLM

engchina·2025-02-11 14:41

【NLP算法面经】NLP算法面经 -- 腾讯 VS 美团（附面题）

大模型算法高频面题（全面整理ʘ‿ʘ）一、大模型（LLMs）基础面大模型（LLMs）架构篇注意力机制（Attention）篇Transformer理论篇二、大模型微调面有监督微调（SFT）篇高效微调篇提示学习篇人类对齐训练

青松ᵃⁱ·2025-02-11 13:37

如何训练自己的数据集之——无人机视觉定位数据集，视觉定位，无人机视觉定位数据集无人机图像的空间分辨率

数据集旨在通过提供多样化的数据来支持无人机视觉定位模型的训练和测试。该数据集包含6,742幅无人机图像和11幅卫星影像。无人机图像

计算机c9硕士算法工程师·2025-02-11 13:01

动手学大语言模型LLM-02

文章目录LLMAPI开发基础知识PromptTemperaturesystemprompt使用LLMAPIpromptengineeringprompt设计原则1、编写清晰、具体指令1、使用分隔符清晰表示不同的输入部分2、寻求结构化的输出3、要求模型检查是否满足条件4、提供少量的示例2、让模型有时间去思考1、指定完成任务的步骤2、指导模型在下结论之前找到自己的解法LLMAPI开发基础知识Promp

阿苏拉则_妫·2025-02-11 12:28

唤醒 AI 算力，专有云 ABC Stack 面向企业级智算平台的 GPU 提效实践

大模型训练的时候，我们会请技术专家

·2025-02-11 12:16

云上一键部署 DeepSeek-V3 模型，阿里云PAI Model Gallery 最佳实践

为了实现高效的推理和成本效益的训练，DeepSeek-V3采用了MLA（Multi-headLatentAttention）和DeepSeekMoE架构。

·2025-02-11 11:44

DeepSeek与ChatGPT对比：技术、应用与未来趋势

DeepSeek和ChatGPT作为其中的典型代表，各自凭借独特的技术架构、训练方式和应用优势，在不同领域展现出卓越的性能。

CodeJourney.·2025-02-11 11:49

DeepSeek Coder 填空任务在代码生成和补全中具体是如何实现的？

DeepSeekCoder在代码生成和补全中的实现主要依赖于其强大的预训练机制和特定的训练任务设计。

百态老人·2025-02-11 10:09

DeepSeek-v3笔记(1)

它主要解决不同routeexpert训练不平衡问题，思路就是谁训得少了就把谁被选中的概率抬高。至于MLA

蒸土豆的技术细节·2025-02-11 09:06

算法训练day51Leetcode139.单词拆分多重背包了解背包问题总结

139.单词拆分.-力扣（LeetCode）题目分析初始化：初始化一个布尔型向量dp，大小为s.size()+1，所有值初始化为false，除了dp[0]被设置为true。这个布尔数组代表字符串s[0..i]能否通过拼接字典中的单词来形成。dp[0]=true的原因是一个空字符串总是可以被形成。转换wordDict：输入的wordDict被转换成一个无序集合wordset，以便高效查找单词。动态规

dc爱傲雪和技术·2025-02-11 09:36

人工智能在制造业的具体应用案例-总纲

模型训练：使用ML.NET或TensorFlow.NET训练回归模型，预测设备剩余寿命。实时预测：将模型部署到C

局外人_Jia·2025-02-11 09:05

【代码随想录训练营】【Day05休息】【Day06】第三章｜哈希表｜哈希表理论基础｜242.有效的字母异位词｜349. 两个数组的交集｜202. 快乐数｜1. 两数之和

哈希表理论基础总结：当我们遇到了要快速判断一个元素是否出现在集合里或者重复出现时，就要考虑哈希法。哈希法是用空间换时间的方法，因为我们要使用额外的数组，set或者是map来存放数据，才能实现快速的查找。更多有关哈希表的理论基础可查阅：《代码随想录》哈希表理论基础242.有效的字母异位词题目详细：LeetCode.242当两个字符串具有以下特点时，则称它们互为字母异位词：字符串的长度相等字符串中的每

蚝油菜花·2025-02-11 09:35

『大模型笔记』国外大神对DeepSeek R1的科普！

时间线推理与Agent推理模型≠Agent推理为什么重要推理需要变得廉价R1的重要意义AI的发展走势预训练规模扩张的路走不通了推理阶段的规模定律缩小模型体量（新的规模定律？）强化学习（新的规模定律？）

AI大模型前沿研究·2025-02-11 09:02

[机缘参悟-233]：从人工智能的角度上看：神经网络模型确定的情况下，训练的数据决定了神经网络的权重，预测的准确性取决于训练的数据。这既称为经验，也称为成见，也称为认知。

前言：从人工智能的角度上看：神经网络模型确定的情况下，训练的数据决定了神经网络的权重，预测的准确性取决于训练的数据。

文火冰糖的硅基工坊·2025-02-11 09:31

深度学习｜表示学习｜Batch Normalization 详解：数学、代码与经验总结｜22

如是我闻：在深度学习模型中，BatchNormalization（简称BN）是一种常用的技术，能有效加速训练并提高模型的稳定性。

漂亮_大男孩·2025-02-11 08:56

TensorFlow 学习笔记--基础文本分类

这笔记里代码里都改过来了文章目录电影评论文本分类导入库下载IMDB数据集加载数据集对训练数据进行预处理创建神经网络模型编译模型训练模型评估模型导出模型对新数据进行预测参考：[基本文本分类](htt

小陈加油中····2025-02-11 08:55

Transformer 的辉煌与大模型方向确立，点燃AGI之火把

DeepSeek-V3，指明下一个阶段大模型发张方向，破壁：资金壁垒：训练成本降低，适配丰富硬件，总过进一步降低资金需求。

dingcb168·2025-02-11 07:47

AI知识库和全文检索的区别

1.2知识推理逻辑推理：通过知识图谱或预训练模型，AI知识库可以进行逻辑推理，回答复杂问题。多跳推理：能够从多个数据源中提取信息，综合生成答案。1.

xixingzhe2·2025-02-11 07:44

如何通过腾讯 ima.copilot 训练自己的知识库

如何通过腾讯ima.copilot训练自己的知识库在信息爆炸的时代，拥有一个专属的知识库，能让我们在学习、工作中快速获取所需信息，极大地提升效率。

老黄浅谈质量·2025-02-11 07:13

如何在 VSCode 中使用通义灵码（Tongyi Lingma）智能编程助手

与GitHubCopilot类似，通义灵码基于大语言模型（LLM），可以提供代码补全、智能纠错、代码生成等功能，极大提升开发效率。本文将详细介绍如何在VSCode中安装和使用通义灵码，

全栈探索者chen·2025-02-11 06:09

增强具身基础模型的通用动作

在多样化的互联网规模数据上进行训练是近期大型基础模型成功的关键因素。然而，使用相同的方法构建具身智体面临着明显的困难。

硅谷秋水·2025-02-11 04:25

一文搞定多种Deepseek R1 部署方法，总有一款适合你

它不仅在数学、编程、自然语言推理等任务上全面对标甚至超越了OpenAI的o1，而且训练成本仅

sznormal·2025-02-11 04:21

DeepSeek R1为什么能

DeepSeekR1模仿人类思考方式的核心在于其纯强化学习训练方式，这种方式更接近人类通过试错和反馈来学习的过程。与GPT等传统模型依赖大量标注数据进行监督学习不同，Dee

森焱森·2025-02-11 03:48

【AI学习】LLM的发展方向

Scalinglaw，以前主要集中在LLM的预训练方面。一段时间有个说法，

bylander·2025-02-11 03:47

【AI学习】DeepSeek为什么强？

四个方面：模型的智能水平、训练成本、推理成本和用户体验。一、DeepSeek的智能水平DeepSeekV3的智能水平，技术报告展现的性能对比图：是什么导致了DeepSeek的模型性能，是模型架构吗？

bylander·2025-02-11 03:17

k折交叉验证（k-fold Cross-validation）

交叉验证，顾名思义，就是重复的使用数据，把得到的样本数据进行切分，组合为不同的训练集和测试集，用训练集来训练模型，用测试集来评估模型预测的好坏。

向大厂出发·2025-02-11 03:43

Kfold交叉验证心得

因为k越大我们验证的次数就越多，最后取出来的平均数越能代表训练模型的准确度。但是k是需要在一个限度之内的。k太大有两个坏处。1.容易给机器造成过重负担，花费大量时间。

野营者007·2025-02-11 02:41

GEE训练教程——基于sentinel-1数据的筛选和可视化操作

rightValue,rightField,leftValue)Arguments:Returns:FilterupdateMask(mask)Arguments:Returns:Image代码解释代码结果简介GEE训练教程

此星光明·2025-02-11 02:11

GEE 训练教程——基于全球人口数据、夜间灯光数据和sentinel-2数据的可视化

VCMCFG函数ee.Filter.inList(leftField,rightValue,rightField,leftValue)Arguments:Returns:Filter代码解释代码结果简介GEE训练教程

此星光明·2025-02-11 02:41

GEE 训练教程——基于Sentinel-2数据的SAVI 和 NDVI 图层添加到地图上的可视化分析

目录简介指数函数expression(expression,map)Arguments:Returns:Image代码解释代码结果简介GEE训练教程——基于Sentinel-2数据的SAVI和NDVI图层添加到地图上的可视化分析指数

此星光明·2025-02-11 02:40

RLHF代码解读

参考资料参考资料代码RLHF训练流程SFT 将人类打好标签的数据输入到一个预训练的模型，进行languagemodeling。

木木木马马·2025-02-11 00:25

大模型入门（六）—— RLHF微调大模型

2）训练奖励模型奖励模型是输入一个文本序列，模型给出符合人类偏好的奖励数值，这个奖励数值对于后面的强化学习训练非常重要。构建奖励模型的训练数据一般是同一个数据用不同的语言模型生成结果，然后人工打分。

LLM.·2025-02-10 23:17

DeepSeek联邦学习（Federated Learning）基础与实践

联邦学习（FederatedLearning,FL）是一种在分布式环境中训练模型的技术，允许多个设备或节点在不共享原始数据的情况下协同训练模型。

Evaporator Core·2025-02-10 23:44

推荐频道

LLM训练