POJ训练计划

Neural Radiance Fields (NeRF) 和 3D Gaussian Splatting区别

它通过训练一个神经网络来预测给定3D位置和观察
鬼马行天·2025-02-10 19:44

“轻松上手！5分钟学会用京东云打造你自己的专属DeepSeek”

\#从第⼀步骤到第四步骤是完成DeepSeek本地部署和使⽤,可以满⾜中⼩企业环境的稳定使⽤,第五步骤为基于AnythingLLM和本地数据进⾏训练(基于本地数据搭建本地知识库):⼀：京东云GPU云主机环境准备
·2025-02-10 18:11

python飞机大战项目概述需求_飞机大战需求分析报告.doc

飞机大战需求分析报告需求报告组员：XXX,XXX,XX二零一四年三月十日目录一、概述21.1项目内容21.2项目开发21.3项目组员21.4组员分工31.5项目进度计划表31.6验收标准31.7项目关键问题
梁颖聪·2025-02-10 18:08

深度学习-医学影像诊断

我们将构建一个简单的卷积神经网络（CNN）模型，使用公开的肺炎X光影像数据集进行训练和评估。
小赖同学啊·2025-02-10 18:37

【AI论文】LIMO：推理中少即是多

传统观点认为，复杂的推理任务需要大量的训练数据（超过10万例）。然而，我们证明，令人惊讶的是，仅需极少的示例就能有效激发复杂的数学推理能力。
东临碣石82·2025-02-10 16:55

2025最新ChatGPT、DeepSeek等大语言模型助力高效办公、论文与项目撰写、数据分析、机器学习与深度学习建模等深度科研应用

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。
梦想的初衷~·2025-02-10 16:53

【资料分享】清华大学《DeepSeek：从入门到精通》官方指南：解锁AI时代的核心生产力工具

这份104页的指南不仅是一本工具手册，更是一部AI思维训练指南，涵盖从基础操作到高阶提示语设计
灵犀拾荒者·2025-02-10 16:22

【果树农药喷洒机器人】Part5：实例分割模型训练与试验分析

原创文，转载请注明出处文章目录一、试验环境二、模型训练三、试验结果与分析3.1模型结构优化的有效性分析3.2与其他实例分割模型的比较分析总结一、试验环境本章试验在Wind
嵌小超·2025-02-10 14:37

DeepSpeed 在三台T4卡上部署deepseek-r1:32b

如果你只需要使用DeepSpeed在三台T4卡上部署deepseek-r1:32b模型进行推理，而不进行训练，可以按照以下步骤进行部署。推理部署的重点是利用多台机器和多块GPU来加速模型的推理过程。
MonkeyKing.sun·2025-02-10 14:33

ProtoBuf 官方文档（二）- 语法指引（proto2）

翻译查阅外网资料过程中遇到的比较优秀的文章和资料，一是作为技术参考以便日后查阅，二是训练英文能力。
n大橘为重n·2025-02-10 13:27

《具身智能时代：机器人具身抓取技术的前沿探索与应用综述》

自2022年GPT等大模型的爆发以来，人工智能领域以语言模型为代表的预训练模型在多个领域掀起了创新浪潮。
笑傲江湖2023·2025-02-10 13:53

2025系统设计架构师备考计划

，并准备一年后的软考将学习到的内容灵活运用到工作中，并不断反思总结学习内容：第四版的系统架构设计师教程分为21个章节，分别如下：计算机组成与体系结构操作系统数据库系统计算机网络系统性能评价开发方法系统计划系统分析与设计方法软件架构设计设计模式测试评审方法嵌入式系统设计开发管理信息系统基础知识基于中间件的开发安全性和保密设计系统的可靠性分析与设计软件的知识
极客风暴（Cyber Wave）·2025-02-10 13:23

openssl源码编译输出库-guidance-傻瓜式教程

快速链接:.个人博客笔记导读目录(全部)付费专栏-付费课程【购买须知】:密码学实践强化训练–【目录】目标：下载openssl源码编译输出目标版本，例如使用AndroidNDK编译输出Android使用的
代码改变世界ctw·2025-02-10 13:53

deepseek和chatgpt能力对比

如果你是对比DeepSeek与OpenAI（如GPT-4）、Claude、Gemini之类的模型，以下是一些可能的优劣点：优点：中文优化较好：相比一些主要基于英文训练
分享是一种传递，一种快乐·2025-02-10 12:51

DeepSeek和ChatGPT的优劣或者区别（答案来DeepSeek和ChatGPT）

DeepSeek的答案DeepSeek与ChatGPT作为当前两大主流AI模型，在架构设计、性能表现、应用场景等方面存在显著差异，以下从多个维度进行对比分析：一、架构与训练效率架构设计DeepSeek：
笑傲江湖2023·2025-02-10 12:45

一切皆是映射：量子机器学习与传统元学习的融合

然而，AI仍然面临着一些瓶颈，例如：数据依赖性:AI模型通常需要大量的训练数据才能达到良好的性能，而获取和标注这些数据往往成本高昂。
AI天才研究院·2025-02-10 11:41

神经网络的训练过程详解

在深度学习领域中，训练一个神经网络是一项复杂但系统的工作过程。下面将从基本概念到具体步骤逐步阐述神经网络的训练方法一、神经网络的基本概念神经网络的结构输入层：接收外部数据，通常为多维向量。
西洲啊·2025-02-10 10:31

使用accumulate step节省显卡内存

使用前提：单卡，模型+batch=1的数据能跑起来使用accumulatestep的意思就是，每次forward较小的batch，如batch=4，每4steps再更新一次参数，训练结果等效于batch
前程似锦蝈蝈·2025-02-10 09:57

ai大模型学习和实践

1.3以下方法被用于处理序列数据的是1.4注意力机制是什么2、变革里程碑：transformer的崛起2.1Transformer模型和注意力机制的关系2.2Transformer模型和注意力机制在数据训练上有差异
编程ID·2025-02-10 07:26

数据库第六章：索引及执行计划

索引及执行计划索引的作用类似于一本书中的目录,通过索引可以快速定位到数据具体的物理存储位置，起到优化查询的作用。
琴剑诗酒·2025-02-10 06:22

基于yolo的自定义模型训练

YOLOv8自定义模型训练全流程指南，包含数据准备、标注、训练的详细步骤和可视化说明一、数据准备流程图graphTDA[拍摄商品照片]-->B[数据标注]B-->C[划分数据集]C-->D[配置YAML
阿拉斯攀登·2025-02-10 06:18

打造智能体育赛事分析：YOLO目标检测系统详解

2.项目目标构建一个能够自动检测体育赛事中的目标的系统实现一个用户友好的UI界面使用YOLOv8/v7/v6/v5模型进行检测提供完整的训练数据集二、环境准备
A等天晴·2025-02-10 06:17

人工智能应用-智能驾驶精确的目标检测和更高级的路径规划

1.环境准备首先，确保安装了以下库：pipinstalltensorflowopencv-pythonnumpymatplotlib2.目标检测（使用预训练的深度学习模型）目标检测可以使用预训练的深度学习模
小赖同学啊·2025-02-10 05:41

【论文精读】《Towards Deep Learning Models Resistant to Adversarial Attacks》

本文的核心贡献包括：1）定义攻击模型和扰动集以优化模型参数；2）强调网络容量对对抗鲁棒性的影响；3）提出对抗训练作为提升模型鲁棒性的关键方法。本文为深度学习模型的对抗鲁
智算菩萨·2025-02-10 03:25

大模型学习笔记 - LLM 对齐优化算法 DPO

LLM-DPOLLM-DPODPO概述DPO目标函数推导DPO目标函数梯度的推导DPO概述大模型预训练是从大量语料中进行无监督学习，语料库内容混杂，训练的目标是语言模型损失，任务是nexttokenprediction
JL_Jessie·2025-02-10 03:54

自监督的主要学习方法

自监督学习是一种机器学习方法，其中模型从未标注的数据中学习生成标签，通常通过构造预训练任务或预测任务来从数据的内部结构中提取信息。
一只波加猹~·2025-02-10 03:54

算力机房选择RoCE还是InfiniBand（IB）

前言超高带宽、超低延迟、超高可靠，这是大模型训练对于网络的要求。多年来，TCP/IP协议一直是互联网通信的支柱，但对于AI网络来说，TCP/IP在某些方面存在着致命的缺点。
helpme流水·2025-02-10 03:52

AI大模型：一文搞懂大模型文件存储格式新宠GGUF

在日常AI模型训练过程中，训练好的模型权重通常需要以一种格式存储在磁盘中。
Llama-Turbo·2025-02-10 01:37

一切皆是映射：域适应在DQN中的研究进展与挑战

然而，DRL的成功往往依赖于大量高质量的训练数据，而这些数据在现实世界中往往难以获取或成本高昂。这使得DRL的应用受到了很大的限制。域适应(DomainAdaptation)作为迁移学习的一
AI天才研究院·2025-02-10 00:33

解决Pytorch的cuDNN error: CUDNN_STATUS_NOT_INITIALIZED

目录1.问题报错2.可能原因2.1GPU内存不足2.2缓存问题2.3CUDA和Pytorch版本不兼容2.4CUDA和cuDNN版本不兼容3.验证CUDA是否可用4.参考1.问题报错在使用GPU加速模型训练的过程中经常会遇到这样的错误
Jurio.21·2025-02-10 00:31

景联文科技：专业数据采集标注公司 ，助力企业提升算法精度！

随着人工智能技术加速落地，高质量数据已成为驱动AI模型训练与优化的核心资源。据统计，全球AI数据服务市场规模预计2025年突破200亿美元，其中智能家居、智慧交通、医疗健康等数据需求占比超60%。
景联文科技·2025-02-09 23:55

DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning论文解读

文章目录前言一、摘要二、引言三、贡献1.贡献后训练：基础模型的大规模强化学习蒸馏：较小的模型也可以很强大2.评估结果概览reasoningtasksknowledgeohters四、方法1.Overview2
tangjunjun-owen·2025-02-09 23:54

MoE揭秘

众所周不知，2025年春节爆火的DeepSeek用了MoE架构，本人才疏学浅，想从技术角度深入讲解MoE（混合专家系统）的各个方面，包括数据准备、训练、部署、调用时的专家调度、缓存机制等，同时扩展一些相关的技术细节和实际工程中的挑战与解决方案
9命怪猫·2025-02-09 23:21

计算机网络基础知识自考,自考“计算机网络基本原理”考试大纲

－、课程的性质及其设置的目的与要求(－)课程的性质、地位与任务计算机网络基本原理是高等教育自学考试计算机网络专业(独立本科段)考试计划中的一门专业基础课。
曹阳明·2025-02-09 22:48

【Pytorch实战教程】让数据飞轮转起来：PyTorch Dataset与Dataloader深度指南

二、Dataset：数据集的编程接口2.1自定义Dataset三要素2.2实战案例：图像分类数据集三、Dataloader：高效数据流水线3.1核心参数解析3.2数据流可视化3.3多卡训练支持四、综合实战
若北辰·2025-02-09 21:41

Day 6 真假美猴王：AI质检的“火眼金睛”与“乌龙大赏”--美的AI质检员一夜“开除”50名老师傅！只因发现肉眼看不见的0.01mm致命气泡！

目录一、血腥开场：微波炉内胆的“隐形杀手”二、死亡案例：AI把工人影子当“缺陷”三、AI质检段位表：从“睁眼瞎”到“钛合金眼”四、乐高教学：3步训练“AI质检员”五、装逼话术实战指南六、专业名词扫盲：AI
泛泛不谈·2025-02-09 21:39

DeepSeek Coder 的训练数据集是如何构建的？

DeepSeekCoder的训练数据集构建过程涉及多个步骤和策略，其核心目标是确保高质量、多样性和针对性的数据，以支持模型在代码生成和任务完成中的卓越表现。
百态老人·2025-02-09 21:09

解锁DeepSeek大模Q型：超实用提示词技巧大放送

DeepSeek大模型简介DeepSeek是由深度求索(DeepSeekInc.)团队开发的大型预训练语言模型，以其高效推理、多模态融合及对垂直领域的深度优化而著称。
计算机学长·2025-02-09 20:04

DeepSeek创始人专访：中国的AI不可能永远跟随，需要有人站到技术的前沿

训练成本估计只有Llama3.1405B模型的11分之一，后者的效果还不如它。
人工智能学家·2025-02-09 20:34

DeepSeek 作为一款智能工具，可以通过多种方式提升工作效率

按[时间、责任人、交付物]表格整理」合同审核：上传合同文本，指令「检查条款风险点，重点标注付款条款和违约责任」日报生成：输入工作记录，指令「将以下内容转为结构化日报：项目进展（70%）、问题阻塞、明日计划
阿州_·2025-02-09 20:02

基于机器学习的DDoS检测系统实战

基于机器学习的DDoS检测系统实战（Python+Scikit-learn）｜毕业设计必备摘要：本文手把手教你从0到1实现一个轻量级DDoS攻击检测系统，涵盖数据预处理、特征工程、模型训练与可视化分析。
计算机毕业设计指导·2025-02-09 19:28

零售EDI：Target DVS EDI项目案例

Target塔吉特是美国一家巨型折扣零售百货集团，与全球供应商建立长远深入的合作关系，目前国内越来越多的零售产品供应商计划入驻Target。
知行EDI·2025-02-09 19:54

创建一个基于YOLOv8+PyQt界面的驾驶员疲劳驾驶检测系统 实现对驾驶员疲劳状态的打哈欠检测，头部下垂 疲劳眼睛检测识别

如何使用Yolov8创建一个基于YOLOv8的驾驶员疲劳驾驶检测系统文章目录1.数据集准备2.安装依赖3.创建PyQt界面4.模型训练1.数据集准备2.模型训练数据集配置文件(`data.yaml`)训练脚本
QQ_767172261·2025-02-09 19:54

jmeter全局变量和局部变量

一、全局变量选择：配置元件—用户定义的变量全局变量：在启动运行时，获取一次值，运行过程中，值一直都不变作用域：作用于整个测试计划二、局部变量选择：前置处理器—用户参数局部变量：在启动运行时，获取一次值，
PeiJiao_tester·2025-02-09 18:51

动态词表采样：一种控制模型词表大小的新方法

背景介绍随着深度学习技术的发展，尤其是Transformer架构的成功应用，预训练语言模型如BERT、GPT等取得了
东方佑·2025-02-09 18:50

微软 LayoutLM：文档理解的强大工具

-09近日热文：全网最全的神经网络数学原理（代码和公式）直观解释欢迎关注知乎和公众号的专栏内容LLM架构专栏知乎LLM专栏知乎【柏企】公众号【柏企科技说】【柏企阅文】LayoutLM是微软开发的一款预训练模型
·2025-02-09 18:35

从零开始构建一个大语言模型-第六章第一节

第六章目录6.1不同类型的微调6.2准备数据集6.3创建数据加载器6.4用预训练权重初始化模型6.5添加分类头6.6计算分类损失和准确率6.7在有监督数据上微调模型6.8将大语言模型用作垃圾邮件分类器本章内容涵盖介绍不同的大语言模型微调方法为文本分类准备数据集修改预训练大语言模型以进行微调使用微调后的大语言模型对新数据进行分类到目前为止
释迦呼呼·2025-02-09 18:17

《Xsens动捕与人形机器人训练》讲座将于1月9日下午2:30在线上召开

《Xsens动捕与人形机器人训练》讲座将于1月9日下午2:30在线上召开，本次讲座中来自Xsens的人形机器人与动捕技术专家JeffreyMuller与DennisKloppenburg不仅将就Xsens
虚拟现实产品超市·2025-02-09 17:11

T5模型-基于Transformer架构的通用文本到文本转换模型

T5模型通过在大规模数据集上进行预训练，并使用迁移学习的方式在各种自然语言处理任务上取得了出色的性能。它的设计理念是将所有NLP任务都转化为文本到文本的形式，包括文本分类、序列标注、机器翻译等等。
Jiang_Immortals·2025-02-09 16:09

接入deepseek构建RAG企业智能问答系统

RAG基础流程AI大模型回答问题的方式AI大模型基于其训练的数据回答所有问题。如果未针对特定业务（如美团）进行专门“学习”，面对直接相关的问题时，无法给出理想的答案。
da pai ge·2025-02-09 16:08
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他