TRANSFORM

一文读懂「Transformer」算法模型

前面讲到过chatgpt的知识，提到了chatgpt的实现原理包含了transformer内容，所有非常有必要来补充一下这部分的内容。
朱晓霞AI·2025-03-31 08:51

傅里叶变换C++实现方式

傅里叶变换（FourierTransform）是一种将信号从时域转换到频域的数学工具，广泛应用于信号处理、图像处理、通信等领域。
byxdaz·2025-03-31 03:18

学习率调度器工具函数（get_scheduler）补充讲解

学习率调度器工具函数（get_scheduler）get_scheduler是HuggingFaceTransformers深度学习框架中用于创建学习率调度器（LearningRateScheduler
Code_Geo·2025-03-30 23:59

Python 深度学习实战：聊天机器人

Python深度学习实战：聊天机器人关键词：Python、深度学习、聊天机器人、Seq2Seq、注意力机制、Transformer1.背景介绍近年来，随着人工智能技术的飞速发展，聊天机器人（Chatbot
AI天才研究院·2025-03-30 23:59

高性能部署实战：vLLM 安装配置 × tokens/s 提升 × 并发测试（适配国产模型）

相比传统的transformers推理方式，vLLM在性能方面有显著提升，尤其适合构建高并发、多请求的部署场景：vLLM的核心
AI筑梦师·2025-03-30 21:44

CSS3学习教程，从入门到精通， CSS3 变形效果（2D 和 3D）的详细语法知识点及案例代码（22）

CSS3变形效果（2D和3D）的详细语法知识点及案例代码CSS3变形效果语法详解CSS3变形（Transform）允许我们对元素进行平移、旋转、缩放、倾斜等操作。
知识分享小能手·2025-03-30 21:38

一种高效轻量化的自注意力解码器架构：原理与优势解析

在自然语言处理和序列建模任务中，Transformer架构因其强大的并行计算能力和长序列建模能力而广受欢迎。
东方佑·2025-03-30 13:45

大语言模型应用指南：什么是大语言模型

文章标题《大语言模型应用指南：什么是大语言模型》关键词（1）大语言模型（2）深度学习（3）自然语言处理（4）序列模型（5）Transformer（6）神经网络（7）预训练语言模型摘要本文将深入探讨大语言模型
AI天才研究院·2025-03-30 09:14

分类任务-

importrandomimporttorchimporttorch.nnasnnimportnumpyasnpimportosfromPILimportImage#读取图片数据fromtorch.utils.dataimportDataset,DataLoaderfromtqdmimporttqdmfromtorchvisionimporttransformsimporttimeimportma
Kriol·2025-03-30 01:22

手把手教你用PyTorch从零训练自己的大模型（非常详细）零基础入门到精通，收藏这一篇就够了

这些LLM背后的核心是Transformer架构。本文介绍如何一步步使用PyTorch从零开始构建和训练一个大型语言模型（LLM）。
heaven522·2025-03-29 23:41

【大模型篇】万字长文从OpenAI到DeepSeek：大模型发展趋势及原理解读

目录引言：大模型的革命性浪潮核心技术节点：从Transformer到生成式AI2.1Transformer架构的范式革命2.2生成式AI的底层逻辑2.3神经网络层级设计架构演进：OpenAI的技术突破3.1GPT
大F的智能小课·2025-03-29 20:56

Open GL ES -＞模型矩阵、视图矩阵、投影矩阵等变换矩阵数学推导以及方法接口说明

>ModelMatrix(模型矩阵)->世界空间世界空间->ViewMatrix(视图矩阵)->观察空间观察空间->ProjectionMatrix(投影矩阵)->裁剪空间裁剪空间->ViewPortTransform
Yang-Never·2025-03-29 13:04

【大模型】视觉语言模型：Qwen2.5-VL的使用

官方github地址：https://github.com/QwenLM/Qwen2.5-VL目录Qwen家族的最新成员：Qwen2.5-VL主要增强功能模型架构更新快速开始使用Transformers
Jackilina_Stone·2025-03-29 12:59

Transformer劲敌变队友？腾讯、英伟达都在用的Mamba-Transformer混合架构要火！

Transformer“单打独斗”的时代要结束了？Mamba-Transformer强势来袭！
that's boy·2025-03-29 09:06

YOLOv12即插即用--DeformableAttention2D

1.模块介绍传统Transformer注意力机制关注全局特征，计算量大，导致推理速度较慢。
辛勤的程序猿·2025-03-29 07:21

第P8周：YOLOv5-C3模块实现

同学啊我的环境：语言环境：python3.12.6编译器：jupyterlab深度学习环境：Pytorch前期准备importtorchimporttorch.nnasnnimporttorchvision.transformsastransformsimporttorchvisionfromtorchvisionimporttransform
小羊的 utopia·2025-03-29 07:49

大语言模型在生成文章摘要、新闻标题领域的应用

例如，基于Transformer的模型（如BERT、GPT）通过注意力机制捕捉长距离依赖关系，显著提升了摘
knightissocool·2025-03-29 03:21

Spark2 之 Expression/Functions

ExpressionConvertersrc/main/scala/org/apache/gluten/expression/ExpressionConverter.scalaTopNTransformersrc
zhixingheyi_tian·2025-03-29 01:41

LLM模型入门

都是基于transformer架构通过配置不同策略和算法以及关键的prompt实现不同效果的语言模型的。为什么叫large，是模型调用学习了很多参数，比如GPT-4o就存
長安一片月·2025-03-28 23:53

AI问答：transformer 架构 / 模型 / 自注意力机制实现序列数据的并行处理 / AI的底层

Transformer架构是一种基于自注意力机制的深度学习模型，最初由谷歌团队在2017年提出，用于解决自然语言处理中的序列转导问题，尤其是机器翻译任务。
快雪时晴-初晴融雪·2025-03-28 20:33

未来AI视觉艺术，会替代人类设计师吗？

确保你已经安装了torch、diffusers和transformers等库。
非知名人士·2025-03-28 17:42

transformers中学习率warmup策略具体如何设置

在使用get_linear_schedule_with_warmup（如HuggingFaceTransformers库中的学习率调度器）时，参数的合理设置需要结合数据量（datasetsize）、批次大小
糖葫芦君·2025-03-28 15:30

【拥抱AI】对比embedding模型gte-Qwen2-7B-instruct和bge-m3:latest(三)

为了更全面地评估gte-Qwen2-7B-instruct和bge-m3:latest的性能，我们可以从以下几个方面进行详细比较：1.模型架构和规模gte-Qwen2-7B-instruct架构：基于Transformer
奔跑草-·2025-03-28 14:22

视觉Transformer架构的前沿优化技术与高效部署

引言近年来，Transformer架构在自然语言处理（NLP）领域取得了巨大成功，逐渐成为深度学习的主流模型之一。
点我头像干啥·2025-03-28 11:00

rasterio库简介及函数说明

目录简介常用函数栅格读写rasterio.open（）dst.write（）仿射变换rasterio.transform.from_origin（）遮罩处理geometry_mask()简介Rasterio
海绵波波107·2025-03-28 05:16

工单分类总结

BERT-base模型是一个预训练的Transformer模型，包含12个Transformer块、12个自注意头和隐藏大小为768。
Trank-Lw·2025-03-28 05:41

Stable Diffusion进行图像生成

使用StableDiffusion进行图像生成通常涉及以下步骤：安装依赖库：首先，你需要安装必要的Python库，如PyTorch、torchvision、diffusers和transformers等
月月猿java·2025-03-28 04:35

【transformer理论+实战（三）】必要的 Pytorch 知识

【Transformer理论+实战（三）】必要的Pytorch知识【Transformer理论+实战（二）】Lora本地微调实战--deepseek-r1蒸馏模型【Transformer理论+实战（一）
造夢先森·2025-03-28 02:23

大模型压缩技术主要是为了在保持模型性能的前提下，减少模型的参数量和计算复杂度，以适应更低的计算资源、更小的内存占用和更快的推理速度。以下是当前主流的模型压缩技术，包括但不限于

示例：剪掉Transformer中不重要的注意力头剪掉CNN中对特征提取贡献小的通道2.量化（Quantization）量化是指将模型的
Jeremg·2025-03-28 01:13

基于Python的自然语言处理系列（60）：使用 LangChain 构建 Multi-Vector Retriever 进行文档检索

pipinstalllangchainchromadbtorchtransformers2.加载文档并进行预处理我们先使用TextLoader读取多个文
会飞的Anthony·2025-03-27 22:27

Unity脚本编程：C#脚本中的常用组件详解

本文将深入探讨Unity脚本编程中常用的C#脚本组件，包括Transform、Rigidbody、Collider、Input、Time和Mathf，并通过示例代码展示它们的实际应用。
Front_Yue·2025-03-27 22:23

DeepSeek详解：探索下一代语言模型

文章目录前言一、什么是DeepSeek二、DeepSeek核心技术2.1Transformer架构2.1.1自注意力机制(Self-AttentionMechanism)(a)核心思想(b)计算过程(c
小小面试官·2025-03-27 19:33

【pytorch】图像数据预处理

本文是记录一些在深度学习中的预处理的一些语法和函数torchvision.transforms的图像变换[PyTorch学习笔记]2.3二十二种transforms图片数据预处理方法-知乎TORCHVISION.TRANSFORMS
子根·2025-03-27 17:20

《深度剖析：BERT与GPT——自然语言处理架构的璀璨双星》

在自然语言处理（NLP）的广袤星空中，BERT（BidirectionalEncoderRepresentationsfromTransformers）与GPT（GenerativePretrainedTransformer
程序猿阿伟·2025-03-27 04:06

Unsloth 库和Hugging Face Transformers 库对比使用

在深度学习模型的微调过程中，保存模型及其权重是关键步骤。不同的库或框架提供了各自的方法来完成这一任务。Unsloth库：Unsloth是一个专注于加速大语言模型（LLM）微调的开源工具。它通过优化计算步骤和GPU内核，显著提升训练速度并减少内存使用。在Unsloth中，save_pretrained_merged方法用于将微调后的LoRA（Low-RankAdaptation）适配器权重与原始模型
背太阳的牧羊人·2025-03-26 21:17

【深度学习】Self-Attention机制详解：Transformer的核心引擎

Self-Attention机制详解：Transformer的核心引擎文章目录Self-Attention机制详解：Transformer的核心引擎引言Self-Attention的基本概念为什么需要Self-Attention
烟锁池塘柳0·2025-03-26 19:05

html 运行css实现3D正方体旋转制作

@keyframesslidein{from{transform:translateX(0%);}to{transform:translateX(100%);
金融小白数据分析之路·2025-03-26 12:14

系统架构师重要知识点1：企业集成分类

关键技术ETL（Extract-Transform-Load）工具：Informatica、Talend、Apach
wujiada001·2025-03-26 11:06

AI 大模型的技术架构与应用解析

这些模型基于Transformer架构，依托超大规模的参数、海量数据和强大的计算资源，使得机器对文本的理解、推理和生成能力达到了前所未有的水平。
慌ZHANG·2025-03-26 09:52

ETL 自动化：提升数据处理效率与准确性的核心驱动力

ETL（Extract,Transform,Load）自动化作为数据处理领域的关键技术，正逐渐成为企业在数据时代脱颖而出、实现高效运营与精准决策的关键所在。
谷云科技RestCloud·2025-03-26 08:46

YOLOv11改进 | 注意力篇 | YOLOv11引入24年ECCV的自调制特征聚合注意力模块(SMFA)，并构建C2PSA_SMFA

1.SMFA介绍1.1摘要：基于Transformer的图像复原方法由于Transformer的自注意（self-attention，SA）特性能够更好地挖掘非局部信息，从而获得更好的高分辨率图像重建效果
小李学AI·2025-03-26 06:54

使用卷积神经网络对图像处理

transforms.Grayscale()是用于图片处理时简化通道数与特征。
RockLiu@805·2025-03-26 06:53

Vidu 5.0 视频生成模型深度解析

Vidu5.0视频生成模型深度解析（2025年3月）一、核心技术架构多模态动态建模基于DiT（DiffusionTransformer）架构：结合3D时空注意力机制，实现动态场景的精准建模。
Liudef06·2025-03-26 05:16

H100赋能生成式AI算力革新

其核心突破在于第四代TensorCore与Transformer引擎的协同设计，通过动态稀疏计算与混合精度支持，将大规模矩阵运算效率提升至新高度。
智能计算研究中心·2025-03-26 04:13

CSS居中

Grid布局二、垂直居中方案1.单行文本/行内元素2.表格单元格特性3.Flex布局4.Grid布局5.绝对定位（已知高度）三、水平垂直同时居中1.Flex布局（推荐）2.Grid布局（推荐）3.绝对定位+Transform
旺代·2025-03-25 23:32

快速了解Transformer与循环神经网络（LSTM/RNN）的区别

Transformer与循环神经网络（LSTM/RNN）的区别关键差异总结：并行性：Transformer的全局并行计算大幅提升训练效率，而RNN/LSTM受限于序列顺序。
Panesle·2025-03-25 23:30

6 卷积神经网络实现MNIST手写数字识别

个标签训练集可直接在代码里下载代码模块如下：importtorchfromtorchimportnnfromtorch.utils.dataimportDataLoaderfromtorchvisionimportdatasets,transforms
机械专业搞视觉的小白·2025-03-25 21:18

具身系列——NLP工程师切入机器人和具身智能方向

Mujoco、webots）基于当前具身智能行业发展趋势和岗位需求，以下是为NLP工程师设计的转型路径与策略，结合最新招聘信息和技术趋势：一、技能迁移与知识重构（3-6个月）核心能力复用深度学习基础：迁移Transformer
music&movie·2025-03-25 21:47

PyTorch 深度学习实战（8）：Transformer 与机器翻译（基于本地中英文文本文件）

本文将介绍Transformer模型的基本原理，并使用PyTorch和HuggingFace的transformers库实现一个简单的机器翻译模型。我们将基于本地的中英文文本文件进行实战演练。
进取星辰·2025-03-25 18:58

大模型算法岗面试题(含答案)

Transformer体系：由Google提出的Transformer模型及其变体，如BERT、GPT等。
X.Cristiano·2025-03-25 17:49
上一页 17 18 19 20 21 22 23 24 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他