lora训练第6页

AI模型训练新范式：基于同态加密的隐私保护方案

AI模型训练新范式：基于同态加密的隐私保护方案技术解析关键词同态加密（HomomorphicEncryption）、隐私保护机器学习（PPML）、全同态加密（FHE）、安全多方计算（MPC）、加密数据训练摘要本报告系统解析基于同态加密的

AIGC应用创新大全·2025-07-11 06:27

YOLOv5基础 | 万字长文带你深度解析yolov5s.yaml配置文件

配置文件yolov5s.yaml在YOLOv5模型训练过程中发挥着至关重要的作用，属于初学者必知必会的文件！

小哥谈·2025-07-11 06:56

万字长文带你搞懂yolov5和yolov8以及目标检测相关面试

一、与yoloV4相比，yoloV5的改进输入端：在模型训练阶段，使用了Mosaic数据增强、自适应锚框计算、自适应图片缩放基准网络：使用了FOCUS结构和CSP结构Neck网络：在Backbone和最后的

起个别名·2025-07-11 05:24

全身动作捕捉系统在人形机器人训练中提供精准数据的重要性

人形机器人作为复杂的移动操作平台，其运动精度直接影响任务执行可靠性。与工业机械臂相比，人形机器人需同时处理浮动基座动力学、多体耦合误差及非结构化环境适应，使得运动学误差分析更具挑战性。传统编程式动作控制已无法满足复杂场景需求，而全身动作捕捉系统通过提供高精度运动数据，成为突破这一瓶颈的关键技术。一、技术原理：从传感器到数字孪生的精准映射1.1动作捕捉系统的技术架构全身动作捕捉系统通常由惯性传感器、

·2025-07-11 05:52

【PTA数据结构 | C语言版】求单链表list中的元素个数，即表长

本题旨在训练学习者熟悉单链表的基本操作，不建议直接输出n。输入格式：输入首先在第一行给出非负整数n（≤15）；随后一行给出n个int范围内的整数，数字间以空格分隔。输出格式：在一行中输出单链表的表长。

秋说·2025-07-11 03:09

AI 边缘算力关键技术白皮书 2024

其中，边缘算力基础设施聚焦于计算、存储、网络等物理硬件资源及其虚拟化，边缘算力网络关注分布式算力资源的感知、度量、并网、调度、管控等，边缘智能涉及系统部署、数据处理、模型优化、边缘训练、边缘推理等关键问题

Python编程杰哥·2025-07-11 02:02

深度学习最简单的神经网络线性回归网络

用最简单的线性模型讲清神经网络训练全流程，让你5分钟看懂AI是怎么学会预测的1真实神经元结构真实神经元包括：树突接收其他神经元传来的电信号（输入）。细胞核负责整合输入信号并产生动作电位。

·2025-07-11 00:17

论文略读： Fast-DetectGPT: Efficient Zero-Shot Detection of Machine-Generated Text via Conditional Probab

ICLR2024判断生成的文本是人写的还是大模型写的现有的检测器主要分为两类有监督分类器在训练领域表现出色，但在面对来自不同领域或不熟悉模型生成的文本时表现变差零样本分类器免疫领域特定的退化在检测精度上可以与有监督分类器相当但目前的方法计算成本高

UQI-LIUWJ·2025-07-10 22:38

【论文阅读】Decoupled Knowledge Distillation

我们实证调查并证明了两部分的效果：TCKD传递了有关训练样本“困难”的知识，而NCKD是logit蒸馏起作用的突出原因。更重要的是，我们揭示了经典的KD损失是一个耦合公式，

Bosenya12·2025-07-10 22:38

从数据集视角看——大语言模型（LLMs）的训练、微调和推理

1.大语言模型训练的整体框架大语言模型的训练是一个复杂的过程，涉及数据准备、模型架构、优化策略和推理部署。

爱看烟花的码农·2025-07-10 22:38

【论文阅读】Transfer Learning for Automatic Modulation Recognition Using a Few Modulated Signal Samples

传输模型以音频信号UrbanSound8K作为源域进行训练，然后以一些调制信号样本为目标域进行微调。为了提高分类性能，信噪比（SNR）被用作一个功能来促进信号的分类。

·2025-07-10 22:08

【论文阅读】Meta-SE: A Meta-Learning Framework for Few-Shot Speech Enhancement

文章的核心目标是解决在实际应用中，由于训练样本有限而导致传统深度神经网络（DNN）模型性能受限的问题。

Bosenya12·2025-07-10 22:38

【机器学习&深度学习】为什么分类任务中类别比例应接近 1:1？

2.1⚠模型容易“偏科”2.2精确率、召回率失真2.3模型训练失衡，梯度方向偏移三、现实案例中的“灾难性后果”四、如何应对类别不平衡问题？

一叶千舟·2025-07-10 20:24

【机器学习笔记Ⅰ】10 特征工程

降低计算成本：减少冗余特征，加速训练。改善泛化能力：避免过拟合，提高鲁棒性。2.特征工程的

·2025-07-10 20:49

LoRaWAN的设备类型有哪几种？

LoRaWAN（LongRangeWideAreaNetwork）是一种专为物联网（IoT）设备设计的低功耗、长距离通信协议。

·2025-07-10 19:53

1. RAG 权威指南：从本地实现到生产级优化的全面实践

1.RAG权威指南：从本地实现到生产级优化的全面实践大型语言模型（LLM）的知识受限于其训练数据，这是一个众所周知的痛点。

·2025-07-10 19:22

【论文笔记ing】Pointerformer: Deep Reinforced Multi-Pointer Transformer for the Traveling Salesman Problem

论文中使用一个PointerFormer模型编码器部分：可逆残差模型堆叠解码器部分：指针网络自回归对于一次任务而言，推理阶段：编码器部分：一次解码器部分：循环N次，直至任务结束在训练阶段，使用强化学习，

Booksort·2025-07-10 18:12

【动手学深度学习】4.10 实战Kaggle比赛：预测房价

目录4.10实战Kaggle比赛：预测房价1）数据预处理2）模型定义与训练3）模型评估与预测4）模型训练与预测提交5）示例超参数（可调）4.10实战Kaggle比赛：预测房价数据来源：Kaggle房价预测比赛

XiaoJ1234567·2025-07-10 18:07

大型语言模型中的提示工程系统综述：技术与应用

与更新模型参数不同，prompt仅通过给定指令即可引出所需的模型行为，从而实现预训练模型在下游任务中的无缝集成。

AI专题精讲·2025-07-10 17:33

神经网络初步学习3——数据与损失

区别这里不妨以图像识别为例子：（1）在传统的机器学习视角中：我们需要人工手动去设置并提取我们的特征量，例如常见的SIFT、SURF和HOG等，随后需要我们选择合适的分类器（例如：SVM、KNN等分类器）,接着把我们的参数训练出来

X Y O·2025-07-10 12:33

【目标检测】Yolov7 的 ELAN 和 E-ELAN 模块演进（涉及到分组卷积，cardinality，梯度路径）

YOLOv7的工作：新的bagoffreebies（有效的训练技巧，不会增加推理的计算量）有规划的重参数化模型（不同边缘设备架构，不同的重参数化方法）新的动态标签分配方法为了更好的理解YOLOv

Jiangnan_Cai·2025-07-10 11:55

ResNet：深度卷积神经网络的里程碑

然而，随着网络层数的增加，传统CNN面临着梯度消失、梯度爆炸以及退化等棘手问题，训练变得愈发困难。

心想事“程”·2025-07-10 10:18

卷积神经网络架构的演进：从AlexNet到EfficientNet

回溯到2012年，AlexNet在ImageNet上的Top-1准确率仅为63.3%，而如今，借助EfficientNet架构和师生训练法，我们已经能达到超过90%的准确率。

t0_54manong·2025-07-10 10:47

【AI大模型】PyTorch Lightning 简化工具

PyTorchLightning是一个轻量级的PyTorch封装库，它通过抽象训练循环的工程细节，让研究人员可以专注于模型设计和实验。以下是PyTorchLightning的核心概念和实战指南。

我爱一条柴ya·2025-07-10 09:44

【AI大模型】深入解析预训练：大模型时代的核心引擎

预训练已成为现代人工智能，尤其是自然语言处理和计算机视觉领域的基石技术。它彻底改变了模型开发范式，催生了BERT、GPT等革命性模型。本文将系统阐述预训练的核心概念、原理、方法、应用及挑战。

我爱一条柴ya·2025-07-10 09:43

MiniMind：3小时训练26MB微型语言模型，开源项目助力AI初学者快速入门

这个项目让初学者能够在3小时内从零开始训练出一个仅26.88MB大小的微型语言模型，体积仅为GPT-3的七千分之一，却完整覆盖了从数据处理到模型

nine是个工程师·2025-07-10 08:33

数字化时代练歌神器：卡拉OK点唱机应用全解析

高级版本还提供专业音效处理功能，使得卡拉OK点唱机成为业余爱好者和专业歌手的理想训练工具。1.网络点播功能的实现与应用网络点播功能改变了我们获取媒体内容的方式，赋予了用户前所未有的主动性

·2025-07-10 06:27

2025B卷 - 华为OD机试七日集训第5期 - 按算法分类，由易到难，循序渐进，玩转OD

哪吒·2025-07-10 04:38

2025B卷 - 华为OD机试七日集训第4期 - 按算法分类，由易到难，循序渐进，玩转OD（Python/JS/C/C++）

哪吒·2025-07-10 04:08

人工智能开源的大模型训练微调框架LLaMA-Factory

LLaMA-Factory是一个开源的大模型训练微调框架，具有模块化设计和多种高效的训练方法，能够满足不同用户的需求。用户可以通过命令行或Web界面进行操作，实现个性化的语言模型微调。

·2025-07-10 04:37

2025B卷 - 华为OD机试七日集训第2期 - 按算法分类，由易到难，循序渐进，玩转OD（Python/JS/C/C++）

·2025-07-10 04:36

基于大模型的急性出血坏死性胰腺炎预测技术方案

目录一、算法实现伪代码1.数据预处理与特征工程2.大模型训练（以Transformer为例）3.实时预测与动态调整二、模块流程图1.术前预测流程2.术中动态决策流程3.术后护理流程三、系统集成方案1.系统架构图

LCG元·2025-07-10 02:22

NCCL 核心集体通信操作深度解析：从原理到优化实践

目录引言：NCCL——分布式训练的通信引擎一、NCCL基础：GPU通信的“加速器”1.1NCCL与MPI的协同1.2集体通信的价值二、NCCL核心操作深度解析2.1AllGather：全局数据聚合2.1.1

清风 001·2025-07-10 00:13

【零基础学AI】第30讲：生成对抗网络(GAN)实战 - 手写数字生成

本节课你将学到GAN的基本原理和工作机制使用PyTorch构建生成器和判别器DCGAN架构实现技巧训练GAN模型的实用技巧开始之前环境要求Python3.8+需要安装的包：pipinstalltorchtorchvisionmatplotlibnumpyGPU

1989·2025-07-10 00:41

【深度学习第六期深度学习中的归一化与正则化技术：原理、实践与应用】

详细阐述它们的基本原理，包括如何调整数据分布、控制模型复杂度等；通过丰富的实例和对应代码，展示在不同网络架构中这些技术的具体实现方式，以及对模型训练和性能的影响；同时，对比分析各项技术的特点和

码上有前·2025-07-09 23:08

深度神经网络课程设计：从理论到实践

学生将通过源代码示例学习从网络架构设计、数据预处理到模型训练与评估的完整流程，并掌握深度学习的基本概念、组件及技巧。

Vita Libre·2025-07-09 22:04

算法训练营DAY29 第八章贪心算法 part02

134.加油站134.加油站-力扣（LeetCode）思路如果总消耗大于总油量，那肯定无法完成绕圈令rest=gas-cost；循环中累加这个rest记为curSUM；如果curSum出现负数，让start记为i+1；curSum归零，重新计数；遍历完后如果能完成绕圈，start记录的就是答案起始位置。classSolution{public:intcurSum=0;inttotalSum=0;i

·2025-07-09 21:27

算法训练营DAY5 第二章链表part02 补

首先补充链表part01的双链表、递归法反转链表双链表单链表中的指针域只能指向节点的下一个节点。双链表：每一个节点有两个指针域，一个指向下一个节点，一个指向上一个节点。双链表既可以向前查询也可以向后查询。关键点：注意哨兵指针的初始化，前后都指向自己；在查询函数中，使用中点下标简化查询中的cur指针移动次数，从哨兵指针开始向后移动cur指针时，需要注意for循环中“inext=sentinelNod

·2025-07-09 21:26

算法训练营DAY24 第七章回溯算法part03

93.复原IP地址93.复原IP地址-力扣（LeetCode）给定一个只包含数字的字符串，复原它并返回所有可能的IP地址格式。有效的IP地址正好由四个整数（每个整数位于0到255之间组成，且不能含有前导0），整数之间用'.'分隔。例如："0.1.2.201"和"192.168.1.1"是有效的IP地址，但是"0.011.255.245"、"192.168.1.312"和"[email protected]"是

·2025-07-09 21:26

算法训练营DAY7 第三章哈希表part02

第454题.四数相加II454.四数相加II-力扣（LeetCode）解题思路：使用unordered_map，用两个for循环遍历A与B数组所有的可能的a+b组合，以及每种组合出现的次数；接下来在两个for循环中遍历所有的target=0-(c+d)，在map中查询每个target是否出现，若出现则count+=map[target](map的键值，相当于该种target的出现次数)；最终输出c

_Coin_-·2025-07-09 21:56

代码训练营DAY13 第六章二叉树part01

理论基础二叉树种类存储方式遍历方式深度优先搜索&广度优先搜索深度：前序遍历、中序遍历、后序遍历（中间在前or中or后，左右顺序固定）广度：二叉树定义递归遍历（必须掌握）递归分析三步法1、确定递归函数的参数和返回值2、确定终止条件3、确定单层递归逻辑前序遍历144.二叉树的前序遍历-力扣（LeetCode）/***Definitionforabinarytreenode.*structTreeNod

_Coin_-·2025-07-09 21:56

AI产品经理技术篇：从传统AI到生成式AI，解密大模型的核心概念

这种转变背后，是参数规模、模型架构和训练方式的根本性革新。作为AI产品经理，理解大模型的核心概念至关重要。从“参数”的意义到“Token”的向量化，从Transfor

让我看看好学吗·2025-07-09 21:24

huggingface 笔记： Trainer

Trainer是一个为Transformers中PyTorch模型设计的完整训练与评估循环只需将模型、预处理器、数据集和训练参数传入Trainer，其余交给它处理，即可快速开始训练自动处理以下训练流程：

UQI-LIUWJ·2025-07-09 21:23

论文略读： ALPAGASUS: TRAINING A BETTER ALPACA WITH FEWER DATA

背景大模型通常需要在有监督指令数据集上进行指令微调来加强指令遵循能力但是广泛使用的数据集包含许多具有不正确或不相关响应的低质量样本，这对大模型微调具有误导性——>论文提出了一种简单有效的数据选择策略，使用ChatGPT自动识别和过滤掉低质量数据同时引入了:ALPAGASUS，它是仅对从52k训练数据中过滤出来的

·2025-07-09 21:23

深度学习之迁移学习

一、迁移学习的核心动机传统机器学习通常要求为每个新任务收集大量标注数据并从头训练模型，但现实中面临以下挑战：数据稀缺：例如医疗影像分析（罕见疾病样本少）

路溪非溪·2025-07-09 21:22

中文大模型的技术债问题

本文系统性地分析了中文大模型在数据采集、预训练、微调、评估与部署等生命周期各阶段产生的技术债类型，包括代码复杂性、数据隐患、训练流程依赖、工具链碎片化、模型解释性差、隐性资源耦合等问题，

大鹏的NLP博客·2025-07-09 20:50

文献略读：Frontier-Based 相关

Roche1imit·2025-07-09 20:20

LLM（大语言模型）能识别图像的核心原因:图像和文本记性特征识别且对其

LLM（大语言模型）能识别图像的核心原因:图像和文本记性特征识别且对其在于跨模态对齐技术——通过训练将图像和文本映射到同一语义空间，使语言模型能够理解视觉信息。一、为什么LLM能识别图像？

ZhangJiQun&MXP·2025-07-09 20:17

人工智能-基础篇-18-什么是RAG(检索增强生成：知识库+向量化技术+大语言模型LLM整合的技术框架)

1、核心概念大语言模型（LLM）的两大局限性：时效性不足：LLM的训练数据截止于某一时间点，无法获取最新信息（如2025年后的新事件）。知识幻觉：当问题超出模型训练数据范围时，LLM

weisian151·2025-07-09 20:47

PyTorch+CNN进行猫狗识别项目

XXX.jpg（每个文件夹含若干张图像）├──val│└──cat│└──XXX.jpg（每个文件夹含若干张图像）│└──dog└─────└──XXX.jpg（每个文件夹含若干张图像）需要对train数据集进行训练

·2025-07-09 20:46

推荐频道

lora训练