LLM训练

深度学习篇---简单果实分类网络

下面我将提供一个使用Python从零实现果实分类模型的完整流程，包括数据准备、模型构建、训练和部署，不依赖任何深度学习框架，仅使用NumPy进行数值计算。
·2025-07-07 03:20

Chat Memory

大型语言模型（LLM）是无状态的，这意味着它们不保留有关以前交互的信息。当您想在多个交互中维护上下文或状态时，这可能是一个限制。
虾条_花吹雪·2025-07-07 01:11

RNN案例人名分类器（完整步骤）

自然语言处理）中的一个小案例，本案例讲解了RNN、LSTM、GRU模型是如何使用并进行预测的，一、案例架构人名分类器的实现可分为以下五个步骤:第一步:导入必备的工具包第二步:对data文件中的数据进行处理，满足训练要求第三步
AI扶我青云志·2025-07-07 01:11

Teacher Forcing--------一种用于序列生成任务的训练技巧

好的，我们来详细介绍一下TeacherForcing，这是一种在训练序列生成模型（如循环神经网络RNN、长短期记忆网络LSTM、门控循环单元GRU、以及后来的Transformer）时常用的重要技术。
AI扶我青云志·2025-07-07 01:11

动手实践OpenHands系列学习笔记3：LLM集成基础

笔记3：LLM集成基础一、引言大型语言模型(LLM)是OpenHands代理系统的核心驱动力。
JeffWoodNo.1·2025-07-07 00:07

Chat Model API

它利用预训练的语言模型，如GPT（生成预训练转换器），以自然语言对用户输入生成类似人类的响应。
虾条_花吹雪·2025-07-07 00:36

Python 库 包 sentence-transformers

它基于Transformer架构（如BERT、RoBERTa、DistilBERT等）的预训练模型，并在大量语义相似性数据上进行了微调，能够捕捉句子之间的深层语义关系。
音程·2025-07-07 00:35

代码随想录算法训练营第十一天

LeetCode.150逆波兰表达式求值题目链接逆波兰表达式求值题解classSolution{publicintevalRPN(String[]tokens){Stackcstack=newStackset=newHashSetdeque=newLinkedListdeque.getLast()){deque.removeLast();}deque.add(val);}intpeek(){ret
天天开心(∩_∩)·2025-07-06 22:50

【图像超分】论文复现：密集残差链接Transformer！DRCT的Pytorch源码复现，跑通超分源码，获得指标、模型复杂度、结果可视化，核心模块拆解与源码对应，注释详细！

【超分辨率（Super-Resolution）】关于【超分辨率重建】专栏的相关说明，包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等）完整代码和训练好的模型权重文件下载链接见本文底部
十小大·2025-07-06 22:18

【深度学习】神经网络剪枝方法的分类

神经网络剪枝方法的分类摘要随着深度学习模型，特别是大语言模型（LLM）的参数量爆炸式增长，模型的部署和推理成本变得异常高昂。
烟锁池塘柳0·2025-07-06 21:06

【技术派专享】并行智算云：RTX 5090 免费算力深度评测 + 实战指南▎ 为什么开发者需要关注云端算力？

在微调Llama3、训练扩散模型或跑Kaggle比赛时，本地显卡（比如RTX3090/4090）常面临显存不足、训练慢、散热差等问题。
山顶望月川·2025-07-06 20:01

深度学习实验：GPU加速，突破性能瓶颈

深度学习实验：GPU加速，突破性能瓶颈1.背景介绍随着深度学习模型变得越来越复杂和庞大，传统的CPU已经无法满足训练和推理的计算需求。
AI天才研究院·2025-07-06 20:57

大模型在蛛网膜下腔出血预测与诊疗方案制定中的应用研究

大模型技术原理与应用现状3.1大模型基本原理3.2在医疗领域的应用案例3.3应用于蛛网膜下腔出血预测的可行性分析四、大模型预测蛛网膜下腔出血的具体方案4.1术前风险预测4.1.1数据收集与预处理4.1.2模型构建与训练
·2025-07-06 20:25

2020-10-30

极片缺陷检测模型验证报告：1：数据准备训练集：326张验证集：81张2：模型准备模型：yolov33：训练参数设置epochs:4603batch_size:8device:RTX2080Ticfg:yolov3
Victor Zhong·2025-07-06 19:53

【Torch】nn.Embedding算法详解

1.定义nn.Embedding是PyTorch中的查表式嵌入层（lookup‐table），用于将离散的整数索引（如词ID、实体ID、离散特征类别等）映射到一个连续的、可训练的低维向量空间。
油泼辣子多加·2025-07-06 17:01

语言模型之谜：提示内容与格式的交响诗

当代人工智能领域中，语言模型（LLM）正以前所未有的规模和深度渗透到各行各业。
步子哥·2025-07-06 17:29

GPT-SoVITS项目重大更新全解析：从语音合成到多语言支持的技术演进

该系统不断迭代更新，在语音质量、训练效率和多语言支持等方面持
胡晗研·2025-07-06 17:58

当我的代码评审开始 “AI 打工”：聊聊这个让我摸鱼更心安的神器

直到我发现了这个藏在云效里的神器——yunxiao-LLM-reviewer，现在我的MR终于有了一个24小时在线的“A
Honesty861024·2025-07-06 16:20

Xtuner：大模型微调快速上手

简单来说，XTuner是一个轻量级、易于使用的、为大语言模型（LLM）设计的微调工具库。它由上海人工智能实验室（OpenMMLab）开发，是其强大AI工具生态（MMCV,MMEngine等）的一部分。
潘达斯奈基~·2025-07-06 15:49

校招秋招，最佳的准备时间、时间线和关键节点

小猫测试网，秋招春招，网申在线测评（训练题库）3~6月储备与定位期应届毕业生如果想在秋招进入心
Luntu·2025-07-06 13:03

——本地部署LLM终极保姆级教程

在过去的十几篇文章中，我们已经将我们的AI打造成了一个顶级的“分析师”。它能看、能听、能读，能预测多维度的价值指标，甚至能用SHAP解释自己的决策。它很强大，但它的能力，始终停留在“分析”和“诊断”的层面。它能告诉我“你的开头不行”，但无法告诉我“一个好的开头应该怎么写”。这就像我的副驾驶是一位顶级的F1数据分析师，他能告诉我每个弯道的最佳速度和刹车点，但他自己并不会开车。我需要一次终极的升级，我
爱分享的飘哥·2025-07-06 12:51

happy-llm 第一章 NLP 基础概念

文章目录一、什么是NLP？二、NLP发展三大阶段三、NLP核心任务精要四、文本表示演进史1.传统方法：统计表征2.神经网络：语义向量化课程地址：happy-llmNLP基础概念一、什么是NLP？核心目标：让计算机理解、生成、处理人类语言，实现人机自然交互。现状与挑战：成就：深度学习推动文本分类、翻译等任务达到近人类水平。瓶颈：歧义性、隐喻理解、跨文化差异等。二、NLP发展三大阶段时期代表技术核心思
weixin_38374194·2025-07-06 10:28

Happy-LLM 第二章 Transformer

Transform架构图片来自[Happy-llm](happy-llm/docs/chapter2/第二章Transformer架构.mdatmain·datawhalechina/happy-llm
HalukiSan·2025-07-06 10:58

happy-llm 第二章 Transformer架构

文章目录一、注意力机制核心解析1.1注意力机制的本质与核心变量1.2注意力机制的数学推导1.3注意力机制的变种实现1.3.1自注意力（Self-Attention）1.3.2掩码自注意力（MaskedSelf-Attention）1.3.3多头注意力（Multi-HeadAttention）二、Encoder-Decoder架构详解2.1Seq2Seq任务与架构设计2.2核心组件解析2.2.1前馈
weixin_38374194·2025-07-06 09:55

超详细yolov8/11-segment实例分割全流程概述：配置环境、数据标注、训练、验证/预测、onnx部署(c++/python)详解

因为yolo的检测/分割/姿态/旋转/分类模型的环境配置、训练、推理预测等命令非常类似，这里不再详细叙述，主要参考**【YOLOv8/11-detect目标检测全流程教程】**，下面有相关链接，这里主要针对数据标注
·2025-07-06 09:24

CHAIN（GAN的一种）训练自己的数据集

简介简介：作者针对数据有限场景下GANs训练中的判别器过拟合问题，提出了CHAIN（Lipschitz连续性约束归一化）方法。
这张生成的图像能检测吗·2025-07-06 09:21

SurveyForge：AI自动撰写综述论文的革命性工具，助力科研效率跃升

项目简介SurveyForge是一款基于大语言模型（LLM）的自动综述论文生成工具，专为计算机科学领
花生糖@·2025-07-06 08:47

真题训练1-算法思维训练

真题训练1-算法思维训练文章目录真题训练1-算法思维训练前言项目环境例题1：斐波那契数列例题2：判断一个数组中是否存在某个数参考前言第十四章《通用解题的方法论》我们讨论了解题的方法论，宏观上可以分为以下
不懂的浪漫·2025-07-06 07:11

Qwen3 Reranker模型可以微调吗？

可以，官方已经开放了完整的微调代码与训练范式，甚至推荐用LoRA/QLoRA做参数高效微调，把Qwen3-Reranker快速适配到你的专属知识库场景。下面总结一张总览表，然后分步骤讲怎样落地。
修昔底德·2025-07-06 07:41

Day.49

cbam训练：importtorchimporttorch.nnasnnimporttorch.optimasoptimfromtorchvisionimportdatasets,transformsfromtorch.utils.dataimportDataLoaderimportmatplotlib.pyplotaspltimportnumpyasnpplt.rcParams
m0_64714591·2025-07-06 06:05

【AI】大语言模型（LLM）& NLP

大语言模型（LLM）&NLP1.大语言模型（LLM）1.1一句话解释1.2更形象的比喻1.3为什么叫“大”模型1.4它能做什么1.5现实中的例子2.对比NLP2.1用“汽车进化”比喻NLP→LLM2.2
G皮T·2025-07-06 06:04

【算法训练营Day07】字符串part1

文章目录反转字符串反转字符串II替换数字反转字符串题目链接：344.反转字符串双指针法，两个指针的元素直接调转即可classSolution{publicvoidreverseString(char[]s){inthead=0;intend=s.length-1;while(head=k){reverseString(charArray,head,head+k-1);}else{reverseSt
·2025-07-06 05:00

[代码随想录算法训练营 Day09 字符串 Part2]

Day09文章目录Day09字符串6.实现strStr（力扣28）7.重复的子字符串（力扣459）字符串今天两道KMP：KMP功能，在一个字符串中找到是否出现另一个字符串本篇会再更新~6.实现strStr（力扣28）题目描述：找出字符串中第一个匹配项的下标heystack干草堆，needle针，大海捞针~思路：KMP算法B站一个讲的很好的视频整体思路：假设有主串n和模式串m，在暴力算法当中，每当主
yancyss·2025-07-06 05:29

DAY08 算法训练营| 字符串part01

344.反转字符串-力扣（LeetCode）字符串和数组算法题目思路类似反转字符串是经典双指针法（回忆反转链表，有序数组的平方，三数之和，四数之和）classSolution{public:voidreverseString(vector&s){len=s.length();for(inti=0,j=s.size()-1;iusingnamespacestd;intmain(){strings;/
天空的孩子·2025-07-06 05:59

2024大模型秋招LLM相关面试题整理

大语言模型（LargeLanguageModel，LLM）是针对语言的大模型。
AGI大模型资料分享官·2025-07-06 04:55

60天python训练计划----day51

DAY51复习日作业：day43的时候我们安排大家对自己找的数据集用简单cnn训练，现在可以尝试下借助这几天的知识来实现精度的进一步提高importosimporttorchimporttorch.nnasnnimporttorch.optimasoptimimporttorch.nn.functionalasFimporttorchvisionimporttorchvision.transfor
尘浮728·2025-07-06 04:52

python训练60天挑战-day51

DAY51复习日作业：day43的时候我们安排大家对自己找的数据集用简单cnn训练，现在可以尝试下借助这几天的知识来实现精度的进一步提高kaggl的一个图像数据集；数据集地址：LungNoduleMalignancy
·2025-07-06 04:21

DAY 51 复习日

作业：day43的时候我们安排大家对自己找的数据集用简单cnn训练，现在可以尝试下借助这几天的知识来实现精度的进一步提高（一）Day43代码importosimportnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimporttorchimporttorch.nnasnnimporttorch.optimasoptimfromtorch
忧陌606·2025-07-06 03:50

Day36 复习日

目录一、对之前的信贷项目，利用神经网络训练下二、尝试进入nn.Module中，查看他的方法模型训练与评估相关参数管理相关模块管理相关设备相关钩子函数相关一、对之前的信贷项目，利用神经网络训练下importtorchimporttorch.nnasnnimporttorch.optimasoptimfromsklearn.model_selectionimporttrain_test_splitfr
cylat·2025-07-06 03:20

【python深度学习】DAY 51 复习日

作业：day43的时候我们安排大家对自己找的数据集用简单cnn训练，现在可以尝试下借助这几天的知识来实现精度的进一步提高1.读取数据使用CIFAR-10图像数据importtorchfromtorchvisionimportdatasets
抽风的雨610·2025-07-06 03:20

Day51 复习日-模型改进

day43对自己找的数据集用简单cnn训练，现在用预训练，加入注意力等importtorchimporttorch.nnasnnimporttorch.optimasoptimfromtorchvisionimportdatasets
cylat·2025-07-06 03:19

ppocrv5训练参数设置完整配置(实测在2080ti可成功运行且f1＞85%)

Global:model_name:PP-OCRv5_server_det#Tousestaticmodelforinference.debug:falseuse_gpu:trueepoch_num:&epoch_num500log_smooth_window:20print_batch_step:5save_model_dir:./output/PP-OCRv5_server_detsave_e
·2025-07-06 01:37

小数据量在paddleocrv4/5训练精度不高的原因探讨

问题：训练集有69张，验证集有48张,每张图的尺寸为2592*1396或接近这个尺寸，每张图约有50到60个目标,且每张图有较多的密集小目标，这些目标区域分别是一些文字或字母或数字。
·2025-07-06 01:37

使用TVM编译部署DarkNet模型：YOLO-V2和YOLO-V3实战指南

tvm-cnTVMDocumentationinChineseSimplified/TVM中文文档项目地址:https://gitcode.com/gh_mirrors/tv/tvm-cn前言在深度学习模型部署领域，TVM作为一个高效的深度学习编译器栈，能够将训练好的模型优化并部署到各种硬件平台上
周情津Raymond·2025-07-06 01:35

深度学习前置知识全面解析：从机器学习到深度学习的进阶之路

本教案将从机器学习的基础知识出发，系统性地介绍深度学习的核心概念、数学基础、网络架构和训练方法，为读者构建完整的知识体系框架。无论你是刚
·2025-07-05 23:53

深入解析VAE：从理论到PyTorch实战，一步步构建你的AI“艺术家”

我们将用生动的比喻解释其核心思想，拆解其背后的数学原理（KL散度与重参数技巧），并最终用PyTorch代码手把手地构建、训练和可视化一个完整的VAE模型。
电脑能手·2025-07-05 23:53

从文档海洋到智能问答：用大模型和RAG打造下一代企业知识库的实战之路

本文将分享一次从0到1的实战探索，讲述如何利用大语言模型（LLM）和检索增强生成（RAG）技术，将静态、孤立的知识库，重塑为一个能“思考”和“对话”的智能问答系统。
电脑能手·2025-07-05 23:22

暑假算法日记第一天

目标：刷完灵神专题训练算法题单阶段目标：【算法题单】滑动窗口与双指针LeetCode题目:1456.定长子串中元音的最大数目643.子数组最大平均数I1343.大小为K且平均值大于等于阈值的子数组数目2090
·2025-07-05 22:10

提示技术系列（六）——链式提示

提示工程是指通过设计、优化和迭代输入到大语言模型（LLM）的提示（Prompt），系统性提升模型输出质量（如相关性、准确性、可控性）的实践领域。
AIGC包拥它·2025-07-05 21:38

YOLOv5Lite模型量化与TFLite转换全流程指南

本文将详细介绍从训练好的YOLOv5Lite模型到量化TFLite模型的完整转换流程，
神经网络15044·2025-07-05 20:32
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他