XJOI典型训练

MySQL索引最左原则：从原理到实战的深度解析

这与B+树索引的存储结构密切相关：复合索引按照定义时的列顺序构建数据先按第一列排序第一列相同的情况下按第二列排序依此类推形成层级结构二、3种典型
·2025-02-28 16:59

基于Python实现的【机器学习】小项目教程案例

以下是一个基于Python实现的【机器学习】小项目教程案例，结合的经典案例与最佳实践，涵盖数据预处理、模型训练与评估全流程，并附详细代码说明与结果分析：案例1：鸢尾花分类（SVM算法）数据集：IrisDataset
xinxiyinhe·2025-02-28 16:03

【AI论文】SongGen：用于文本到歌曲生成的单阶段自回归Transformer模型

现有方法通常采用多阶段生成流程，导致训练和推理过程繁琐。在本文中，我们提出了SongGen，一个完全开源的单阶段自回归Transformer模型，专为可控歌曲生成而设计。
东临碣石82·2025-02-28 15:58

低代码革命：基于DeepSeek微调模型实现前端代码自动生成与私有JS API调用的实战指南

从模型训练、代码生成到API集成，提供全面的实战方法论，结合CodeBLEU评估指标与异步调用优化技巧，确保代码质量与执行效率。
Light60·2025-02-28 15:58

【星云 Orbit-F4 开发板】01. STM32F407 HAL库开发环境安装与工程模板创建

核心板型号处理器参数学习定位典型应用场景极光Orbit-C8STC8H8K64U（51架构/24MHz）单片机原理与应用GPIO控制/UART通信星火O
智木芯语·2025-02-28 13:14

Python深度学习实践：使用TensorFlow构建图像分类器

我们将深入探讨卷积神经网络（CNN）的基本原理，实现一个能够识别MNIST手写数字的数据集模型，并通过实战代码演示整个过程，最终展示模型的训练与评估。
Evaporator Core·2025-02-28 13:42

DeepSeek掘金——DeepSeek R1架构和训练过程图解

DeepSeek掘金——DeepSeekR1架构和训练过程图解为了让一切变得简单，我们将使用手绘流程图和简单的计算来帮助从头开始澄清DeeoSeek-R1的核心概念。
不二人生·2025-02-28 12:09

深度学习进阶：构建多层神经网络

我们还会使用更复杂的分类任务来训练模型，并评估其性能。1.多层神经网络的结构在实际应用中，深度学习模型通常包含多个隐藏层，这种结构被称为深度神经网络（DNN）。多层神经网络能够学习更
孤寂大仙v·2025-02-28 12:37

大模型调优方法：提示工程、RAGs 与微调对比

就算是强大的预训练LLM也可能无法直接满足项目中的特定需求。
AI大模型探索者·2025-02-28 11:03

实现一个 RDMA 用户态驱动程序

实际上，高性能、易维护、易定制的网络基础设施对于提升AI训练、推理的效率是至关重要的一环。
·2025-02-28 11:17

智能推送系统的敏感词过滤功能：合规防线与用户体验的守护者

本文将从技术逻辑、业务价值及典型案例三个维度，解析这一
·2025-02-28 11:47

智能推送系统的敏感词过滤功能：合规防线与用户体验的守护者

本文将从技术逻辑、业务价值及典型案例三个维度，解析这一
·2025-02-28 11:46

公然上线传销项目，Web3 的底线已经被无限突破

说起PI（派币或π币），想必全行业的人都知道是典型的传销项目，专门「收割」中老年群体。该项目自称由斯坦福大学博士创业推出，并冠以
·2025-02-28 11:14

pytorch基础-layernormal 与 batchnormal

nn.LayerNorm（层归一化）和nn.BatchNorm（批量归一化）是深度学习中常用的两种归一化方法，都有助于提高模型的训练效率和稳定性，但它们在归一化维度、应用场景、计算方式等方面存在明显区别
yuweififi·2025-02-28 10:49

通过TensorFlow实现简单深度学习模型（2）

前文我们已经实现了对每批数据的训练，下面继续实现一轮完整的训练。完整的训练循环一轮训练就是对训练数据的每个批量都重复上述训练步骤，而完整的训练循环就是重复多轮训练。
yyc_audio·2025-02-28 10:47

Pytorch使用手册—使用TACOTRON2进行文本到语音转换（专题二十四）

一、概述本教程展示了如何使用torchaudio中的预训练Tacotron2构建文本到语音的管道。文本到语音的管道流程如下：文本预处理首先，输入的文本被编码为一系列符号。
AI专题精讲·2025-02-28 09:43

Transformer 代码剖析2 - 模型训练 （pytorch实现）

参数统计函数defcount_parameters(model):returnsum(p.numel()forpinmodel.parameters()ifp.requires_grad)遍历模型参数筛选可训练参数统计参数数量返回总数技术解析
lczdyx·2025-02-28 09:38

Farm3D- Learning Articulated 3D Animals by Distilling 2D Diffusion论文笔记

LearningArticulated3DAnimalsbyDistilling2DDiffusion1.Introduction最近的研究DreamFusion表明，可以通过text-imagegenerator提取高质量的三维模型，尽管该生成模型并未经过三维训练
Im Bug·2025-02-28 07:24

神经网络中的Adagrad

Adagrad（AdaptiveGradient）是一种自适应学习率的优化算法，专门设计用于在训练过程中自动调整每个参数的学习率。
化作星辰·2025-02-28 07:53

DeepSeek R1 简单指南：架构、训练、本地部署和硬件要求

DeepSeek推出的LLM推理新策略DeepSeek最近发表的论文DeepSeek-R1中介绍了一种创新的方法，通过强化学习（RL）提升大型语言模型（LLM）的推理能力。这项研究在如何仅依靠强化学习而不是过分依赖监督式微调的情况下，增强LLM解决复杂问题的能力上，取得了重要进展。DeepSeek-R1技术概述模型架构DeepSeek-R1不是一个单独的模型，而是包括DeepSeek-R1-Zer
爱喝白开水a·2025-02-28 07:52

RabbitMQ系列（零）概要

其核心价值在于：解耦性：生产者与消费者无需同时在线或直接交互削峰填谷：应对流量突发场景，避免系统过载（如秒杀系统请求缓冲）可靠性：通过持久化、重试机制保障消息不丢失2.典型应用场景场景实现原理案例服务异步化耗时操作异步执行
yyueshen·2025-02-28 07:21

【python 机器学习】sklearn ROC曲线与AUC指标

通俗介绍：学术解释：2.在`sklearn`中绘制ROC曲线与计算AUC2.1导入库和数据2.2加载数据集2.3训练模型2.4预测概率2.5计算FPR、TPR和AUC2.6绘制ROC曲线3.解析ROC曲线和
人才程序员·2025-02-28 06:11

月之暗面改进并开源了 Muon 优化算法，对行业有哪些影响？

互联网各领域资料分享专区(不定期更新)：Sheet正文月之暗面团队改进并开源的Muon优化算法在深度学习和大模型训练领域引发了广泛关注，其核心创新在于显著降低算力需求（相比AdamW减少48%的FLOPs
互联网之路.·2025-02-28 05:11

深度解析：大模型开源的真与假

目录大模型企业开闭源策略各异开源大模型的定义与现状开源内容的局限性通常开放的内容实际未开放的关键内容法律与商业模式的约束开源许可证的重要性大模型的定制许可证及其限制性条款商业公司对开源大模型的策略和目的建立生态系统吸引开发者提升品牌形象保持竞争优势技术创新和改进技术与协助开发的挑战训练和推理过程的资源需求差异微调和衍生模型的技术实现及其局限性开源大模型在协作开发中的局限总结大模型的发展开启了
rs勿忘初心·2025-02-28 05:39

DeepSeek开源周第二弹：DeepEP如何用RDMA+FP8让MoE模型飞起来？

一、引言：MoE模型的通信瓶颈与DeepEP的诞生在混合专家（MoE）模型训练中，专家间的全对全（All-to-All）通信成为性能瓶颈。
曦紫沐·2025-02-28 04:03

利用DSPy优化LangChain RAG系统的实战指南

具体来说，DSPy编译器会在内部追踪你的程序，然后为大型语言模型（LLMs）创建高质量的提示（或为小型LLMs训练自动微调），以教会它们任务的步骤。
scaFHIO·2025-02-28 04:01

使用LangChain与GPT4All模型进行交互

核心原理解析GPT4All是基于大型语言模型（LLMs）的开源项目，通过训练大量干净的数据，能够生成高质量的对话和回答。LangChain是一种用于简化与
bavDHAUO·2025-02-28 04:28

前言：什么是大模型微调

大模型微调（Fine-tuning）是指在预训练模型的基础上，针对特定的任务或数据集进行进一步训练的过程。预训练模型通常在大规模的通用数据上训练，具备广泛的语言理解和生成能力。
伯牙碎琴·2025-02-28 04:26

快速实现APP的即时通讯功能，提高聊天体验

实时聊天交互功能是当前主流APP的关键功能之一，像微信、QQ的聊天系统就是典型代表。IM虽看似简单，但其技术开发难度颇高，要满足海量并发、超低延时、消息必达等高实时性需求，需融合众多技术。
网易数智·2025-02-28 03:22

游戏语音趋势解析，社交互动有助于营造沉浸式体验

OpenAI的ChatGPT语音模式将语音转语音技术变成了现实，引入了基于音频和文本信息进行端到端预训练的模型，这些模型除了文本标记外，还能原生理解和生成音频。
网易数智·2025-02-28 03:22

四、数据湖应用平台架构

数据应用：基于数据湖构建的各种数据分析、挖掘和应用服务，例如：数据图表线路商业智能预测分析1.要素组成一个典型的数据湖应用平台架构通常包括以下几个核心组件：数据采集层：从各种数据
moton2017·2025-02-28 03:51

STM32F4xx传感器分类及专业应用指南

一、电平信号类传感器（GPIO中断驱动）1.红外避障传感器技术细节：阈值调节：传感器自带电位器可调节检测距离（典型范围2cm-30cm）抗干扰设计：需添加38kHz载波调制，防止自然光干扰STM32接口电路
平凡灵感码头·2025-02-28 03:18

深度学习模型优化与医疗诊断应用突破

当前研究聚焦于迁移学习与模型压缩算法的协同创新，通过复用预训练模型的泛化能力与降低计算负载，有效解决了医疗数据样本稀缺与硬件资源受限的痛点问题。
智能计算研究中心·2025-02-28 02:44

算力革新引领数字中国智能跃迁

技术方向核心特征典型应用场景异构
智能计算研究中心·2025-02-28 02:14

ZeRO分布式训练策略

ZeRO分布式训练策略详解一、核心设计原理ZeRO（ZeroRedundancyOptimizer）是微软提出的分布式训练优化框架，与传统数据并行方法不同，ZeRO通过将模型的参数、梯度和优化器状态分散到多个设备上
AIGC_ZY·2025-02-28 02:13

《揭秘机器学习中的交叉验证：模型评估的基石》

交叉验证的核心意义抵御过拟合风险在机器学习的训练过程中，模型可能会过度适应训练数据的细节和噪声，从而在新数据上表现不佳，这就是过拟合现象。交叉验证通过将数据集划分为多个子集，模型在不同子集上
·2025-02-28 01:03

扩散模型基本概念

1.核心思想从最原始的DDPM来讲，扩散模型是用变分估计训练的马尔可夫链，相当于VAE+流模型。与标准化流相比，扩散模型的正向过程为预先定义的加噪过程，负责将图像x∼p(x)x\sim{p(x)}x∼
AndrewHZ·2025-02-28 00:57

利用GPT开发应用005：Codex、Turbo、ChatGPT、GPT-4

它们是通过截至2021年6月的数据进行训练的，并被描述为比之前版本更强大。到2022年11月底，OpenAI开始将这些模型称为GPT-3.5系列的一部分。  Codex系列模型
翰墨之道·2025-02-28 00:56

ASFF算法

这种不一致性干扰了训练过程中的梯度计算，降低了特征金字塔的有效性。4.这个问题存在的原因：当一个对象在某一层特征图中被赋值并被视为正值时，其他层特征图
神笔馬良·2025-02-28 00:21

什么是提示词？

目录从生活场景认识提示词专业定义解析提示词的底层逻辑应用场景全解析优秀提示词的设计法则典型场景案例分析未来发展趋势成为提示词设计师的路径提示词管理：PromptMinder提示词自动生成：Promptate
正宗咸豆花·2025-02-27 23:47

最全中文对话数据集（不定期更新）

为了提升对话系统的性能，需要大量的高质量对话数据来训练和优化模型。然而，中文对话数据相对于英文来说较为稀缺，且质量参差不齐，这限制了中文对话系统的发展。
数据猎手小k·2025-02-27 22:06

腿足机器人之十三-强化学习PPO算法

腿足机器人之十三-强化学习PPO算法腿足机器人位姿常用强化学习算法PPO算法核心原理PPO算法的创新设计PPO算法典型流程优势函数对于复杂地形适应性（如楼梯、碎石路），传统的腿足机器人采用基于模型的控制器
shichaog·2025-02-27 22:05

【保姆级视频教程（二）】YOLOv12训练数据集构建：标签格式转换-划分-YAML 配置 避坑指南 | 小白也能轻松玩转目标检测！

【2025全站首发】YOLOv12训练数据集构建：标签格式转换-划分-YAML配置避坑指南|小白也能轻松玩转目标检测！
一只云卷云舒·2025-02-27 21:03

DeepSeek全栈接入指南：从零到生产环境的深度实践

第一章：DeepSeek技术体系全景解析1.1认知DeepSeek技术生态DeepSeek作为新一代人工智能技术平台，构建了覆盖算法开发、模型训练、服务部署的全链路技术栈。
量子纠缠BUG·2025-02-27 21:30

【基于PHP的CMS动态网站的渗透测试流程】

深度手动测试二、关键风险检测清单1.PHP环境风险2.数据库交互风险3.会话管理缺陷三、高效测试方法论1.自动化辅助技术2.逻辑漏洞快速定位3.WAF绕过技术四、企业级防护建议1.环境加固2.监控与响应五、典型漏洞验证
D-river·2025-02-27 20:52

基于低代码的安全工具平台架构

一、工作场景网络安全工作中的典型场景包括情报收集、安全审计、资产梳理和信息收集。在这些场景中，安全工程师需要使用各种工具进行漏洞扫
ITPUB-微风·2025-02-27 20:46

2025，AI变现有哪些机遇与挑战？

与此同时，我国大模型领域仍然存在多方面痛点，例如：云端训练成本高、高端算力存在“卡脖子”风险、优质数据匮乏、人才缺口、AI算法开源生态仍需强化、数据安全和隐私问题等等，仍是市场
Imagination官方博客·2025-02-27 19:41

功能安全：现代技术的无形守护者

功能安全的应用领域功能安全的重要性在许多领域得到了广泛体现，以下是一些典型的应用场景：1.汽车工业：汽车功能安全是功能安全中最广为人知的领
Imagination官方博客·2025-02-27 19:41

haclon模板匹配

*打开窗口dev_open_window(0,0,512,512,'black',WindowHandle)*显示图像（用于创建模板的图像）read_image(Image,'D:/训练照片/4.png
CallZhang210·2025-02-27 18:30

从阿里云EDM到美团云：典型微服务治理平台的实战经验分享

目录一.阿里云EDM（EnterpriseDistributedApplicationService）二.腾讯云TSF（TencentServiceFramework）三.华为云FusionStage四.京东云JDC（JDCloudMicroservicePlatform）五.百度智能云CloudStack六.字节跳动Tinker七.小米云平台八.美团云服务平台随着微服务架构的广泛应用，微服务治理
码农老起·2025-02-27 17:27
上一页 16 17 18 19 20 21 22 23 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他