pde人工智能算法深度学习模型第15页

类型体系与基本数据类型（第三节）

这是因为深度学习模型通常处理的是大规模的数据集，其中包含了许多张量（tenso

Fuxi-·2023-11-20 01:44

什么是chatGPT, AIGC

2022年AIGC高速发展，这其中深度学习模型不断完善、开源模式的推动、大模型探索商业化的可能，成为AIGC发展的“加速度”。

gaoweifeng·2023-11-19 23:59

强烈推荐：GitHub 上 13 个 Python 学习资源

人脸识别、老照片复活、换脸等应用都得益于人工智能算法。许多人工智能算法封装的框架基于Python语言，这也导致了Python的热度只增不减。

逛逛GitHub·2023-11-19 17:32

PyTorch微调终极指南1：预训练模型调整

如今，在训练深度学习模型时，通过根据自己的数据微调预训练模型来进行迁移学习（transferlearning）已成为首选方法。

新缸中之脑·2023-11-19 12:54

清华学霸告诉你：如何自学人工智能？

一、夯实基础知识数学基础：学习高等数学、线性代数和概率论等数学知识，这些是人工智能算法的基础。编程能力：掌握至少一门编程语言，如Python，并熟悉数据结构和算法。

叁苏言·2023-11-19 03:25

033、微调

一般的微调步骤如下：预训练阶段：在大规模的数据集上，使用一个深度学习模型进行预训练。这个数据

Here we are——wxl·2023-11-19 00:33

机器学习中的最优化方法-以梯度下降为例

机器学习和深度学习模型的训练本质上就是在通过已有的数据拟合一个函数，使这个函数能尽可能地反应出数据的内在规律，从而能更好的预测给定输入的输出结果。

正丶好·2023-11-19 00:04

图像分类简单介绍-转

转自|有三AI（公众号ID：yanyousan_ai）作者|言有三图像分类是计算机视觉中最基础的任务，基本上深度学习模型的发展史就是图像分类任务提升的发展历史，不过图像分类并不是那么简单，也没有被完全

Robot-G·2023-11-18 21:56

登陆云边端，AI芯片产业打响全线战争

深度学习模型的不断优化带来的算法的成熟应用，5G网络以及边缘、终端的普及让海量数据的获取和传输变得唾手可得，而将算法和数据协调统一处理的算力资源就成为当前AI发展的关键制约因素了。

脑极体·2023-11-18 18:28

tensorrt: pycuda, onnx, onnxruntime, tensorrt,torch-tensorrt 安装

文章目录tensorrt:pycuda,onnx,onnxruntime,tensorrt,torch-tensorrt安装1.深度学习模型部署综述（ONNX/NCNN/OpenVINO/TensorRT

tony365·2023-11-17 15:33

The Case for Learned Index Structures

在这个探索性研究论文中，我们从这个前提开始，并假定所有现有的索引结构都可以用其他类型的模型取代，包括我们称为学习索引的深度学习模型。关键的想法是，模型

西西弗的小蚂蚁·2023-11-17 11:16

物理驱动深度学习方法总结

PINN介绍PINN综述Blog介绍：内嵌物理知识神经网络（PhysicsInformedNeuralNetwork，简称PINN）是一种科学机器在传统数值领域的应用方法，特别是用于解决与偏微分方程（PDE

pinn山里娃·2023-11-17 10:43

深度学习模型量化（低精度推理）大总结

模型量化作为一种能够有效减少模型大小，加速深度学习推理的优化技术，已经得到了学术界和工业界的广泛研究和应用。模型量化有8/4/2/1bit等，本文主要讨论目前相对比较成熟的8-bit低精度推理。通过这篇文章你可以学习到以下内容：1）量化算法介绍及其特点分析，让你知其然并知其所以然；2）Pytorch量化实战，让你不再纸上谈兵；3）模型精度及性能的调优经验分享，让你面对问题不再束手无策；4）完整的量

洪流之源·2023-11-17 06:35

2021 “AI Earth”人工智能创新挑战赛 Task 1

这里写目录标题赛题背景我的初衷数据说明Baselinebaseline衍生模型预测赛题背景作为一个时间序列预测问题，需要基于历史气候观测和模式模拟数据具体包括利用T时刻过去12个月(包含T时刻)的时空序列（气象因子）构建预测ENSO的深度学习模型预测未来

小胖胖7·2023-11-17 03:14

事理图谱-下一代知识图谱

如图1所示，从1926年达特茅斯会议的召开标志人工智能诞生到深度学习模型在若干人工智能领域大规模应用的如今，人工智能已经走过近60年的时间。人工智能的发展先后经历了两次黄金期以及两次低谷。

DataHorizon·2023-11-17 03:26

未来视角：多云运维的新趋势与展望

例如，利用深度学习模型，运维系统能够学习到正常和异常状态下的系统行为特征，进而在遇到

MXsoft618·2023-11-16 14:00

tensorflow 模型小型化_深度学习模型小型化

模型小型化旨在保证模型效果不会明显下降的情况下降低模型的参数量，从而提高模型的运算速度。以下是几种模型小型化的方法：1、修改某些卷积层的num_output其实很多模型的参数都有冗余，有些层根本不需要很多的卷积核，所以，通过修改该参数可以降低一部分的参数量。2、使用分离通道卷积(depthwiseseparableconvolution)对某些卷积层使用分离通道卷积的方法。使用分离通道卷积可以去掉

玛娜的老公·2023-11-16 13:08

高效的深度学习：将深度学习模型变得更小、更快、更好的综述

然而，随着深度学习模型的逐步改进，它们的参数数量、延迟、训练所需的资源等都大幅增加。因此，关注模型的这些内存印迹指标，而不仅仅是其质量，也变得很重要。

PaperWeekly·2023-11-16 13:04

百度搜索深度学习模型业务及优化实践

这个过程中会面临非常多的系统、工程层面的问题，甚至在深度学习模型领域，我们看到越来越多的工作并不拘泥于工程本身。本文主要分享模型架构组的日常工作，希望感兴趣的同学，可以把简历投给我们。

百度Geek说·2023-11-16 11:56

python基于图卷积神经网络GCN模型开发构建文本数据分类模型（以论文领域数据为例）

GCN（GraphConvolutionalNetwork）图卷积神经网络是一种用于处理图数据的深度学习模型。它是基于图结构的卷积操作进行信息传递和特征学习的。

Together_CZ·2023-11-16 10:57

TrOCR模型微调【基于transformer的光学字符识别】

然而，与任何其他深度学习模型一样，它们也有其局限性。TrOCR在处理开箱即用的弯曲文本时表现不佳。本文将通过在弯曲文本数据集上微调TrOCR模型，使TrOCR系列更进一步。

新缸中之脑·2023-11-16 10:36

写一篇基于pytorch的ocr文字识别的开题报告

本文将基于PyTorch实现OCR文字识别的系统，该系统将利用卷积神经网络(CNN)和长短期记忆网络(LSTM)等深度学习模型实现高效准确的文字识别。

老光私享·2023-11-16 09:45

深度学习之基于Pytorch和OCR的识别文本检测系统

文章目录一项目简介深度学习与OCRPyTorch在OCR中的应用文本检测系统的关键组成部分1.图像预处理2.深度学习模型3.文本检测算法4.后处理二、功能三、系统四.总结一项目简介深度学习在图像处理领域取得了显著的成就

雅致教育·2023-11-16 09:07

百面深度学习-图神经网络

图神经网络（GraphNeuralNetworks，GNNs）是深度学习模型的一个类别，专门设计来处理图结构数据。

jieHeEternity·2023-11-16 04:06

Radiology 谈人工智能在放射学领域的10个预测方向 [文献阅读]

十年前，没有哪个专家会预测到今天放射人工智能行业的蓬勃发展，100多家人工智能公司和近400种放射人工智能算法得到了美国食品和药物管理局(FDA)的批准。

Tina姐·2023-11-15 22:20

注意力机制、Transformer模型、生成式模型、目标检测算法、图神经网络、强化学习、深度学习模型可解释性与可视化方法等详解

采用“理论讲解+案例实战+动手实操+讨论互动”相结合的方式，抽丝剥茧、深入浅出讲解注意力机制、Transformer模型（BERT、GPT-1/2/3/3.5/4、DETR、ViT、SwinTransformer等）、生成式模型（变分自编码器VAE、生成式对抗网络GAN、扩散模型DiffusionModel等）、目标检测算法（R-CNN、FastR-CNN、FasterR-CNN、YOLO、SDD

小艳加油·2023-11-15 17:41

Python深度学习进阶与应用丨注意力（Attention）机制、Transformer模型、生成式模型、目标检测算法、图神经网络、强化学习详解等

目录第一章注意力（Attention）机制详解第二章Transformer模型详解第三章生成式模型详解第四章目标检测算法详解第五章图神经网络详解第六章强化学习详解第七章深度学习模型可解释性与可视化方法详解更多应用近年来

WangYan2022·2023-11-15 17:00

时间序列预测实战(十六)PyTorch实现GRU-FCN模型长期预测并可视化结果

时间序列预测专栏——包含上百种时间序列模型带你从入门到精通时间序列预测一、本文介绍本文讲解的实战内容是GRU-FCN(门控循环单元-全卷积网络)，这是一种结合了GRU（用于处理时间序列数据）和FCN（全卷积网络）的深度学习模型

Snu77·2023-11-15 15:42

小样本学习在图像识别中的挑战与突破

挑战：缺乏数据：小样本学习的主要挑战之一是样本数量有限，这使得传统深度学习模型难以学习足够的特征。过拟合：由于样本少，模型容易过拟合，即在训练样本上表现良好，但在未见过的数据上表现不佳。

matlabgoodboy·2023-11-15 12:38

堆的应用-----Top k 问题

目录前言Topk问题1.问题描述2.解决方法3.代码实现（C/C++）前言在人工智能算法岗位的面试中，TopK是问得最多的几个问题之一：到底有几种方法？这些方案里蕴含的优化思路究竟是怎么样的？

Gretel Tade·2023-11-15 12:37

深度学习实战59-NLP最核心的模型：transformer的搭建与训练过程详解，手把手搭建与跑通

transformer是一种基于自注意力机制的深度学习模型，由Vaswani等人在2017年的论文《AttentionisAllYouNeed》中提出。

微学AI·2023-11-15 08:25

神经网络中的量化与蒸馏

本文将深入研究深度学习中精简模型的技术：量化和蒸馏深度学习模型，特别是那些具有大量参数的模型，在资源受限环境中的部署几乎是不可能的。

deephub·2023-11-15 08:32

如何用 Jina 部署深度学习模型

来自：JinaAI进NLP群—>加入NLP交流群本文我们将介绍如何使用Jina来构建和部署一个使用StableDiffusion生成图像的Executor。什么是ExecutorExecutor是一个独立的gRPC微服务，它可以在DocumentArray上执行任务。ExecutorHub上有大量预构建的Executor可供选择，包含了各种常见的任务，如文本分类，图像识别、目标检测等。Execut

zenRRan·2023-11-15 04:06

深度强化学习论文中的阴影折线图——总结和分析

前言作为目前人工智能算法的一个重要领域，强化学习算法的表现非常出色，然而，强化学习算法的结果是出了名的不稳定：超参数的搜索空间往往非常大，算法对不同超参数都较为敏感，且哪怕仅仅只有随机数种子的不同，算法的结果都可能出现不小的偏差

别出BUG求求了·2023-11-14 18:11

快手自动引流软件的运行分享，以及涉及到技术与核心代码分享

二、技术原理自动引流软件主要依赖于网络爬虫技术和人工智能算法来实现自动化引流。网

qianli654·2023-11-14 15:15

yolov8训练

介绍训练深度学习模型包括向其提供数据并调整其参数，以便其能够做出准确的预测。UltralyticsYOLOv8中的训练模式旨在充分利用现代硬件功能，对目标检测模型进行有效和高效的训练。

图灵追慕者·2023-11-14 11:57

使用 Stable Diffusion Img2Img 生成、放大、模糊和增强

Three.jsAI纹理开发包-YOLO合成数据生成器-GLTF/GLB在线编辑-3D模型格式在线转换-3D数字孪生场景编辑器StableDiffusion2022.1Img5Img于2年发布，是一款革命性的深度学习模型

ygtu2018·2023-11-14 11:29

深度学习算法部署方介绍（笔记）（文章是抄别人的）

文章目录1、离线部署2、在线部署3、部署的一般流程4、C++做部署需考虑的5、参考深度学习模型的部署可以分为两种方式：离线部署和在线部署。

饿了就干饭·2023-11-14 10:54

简单2招GET模型参数量计算和输入尺寸随卷积大小变化推导

本文将介绍两种简单且实用的方法，用于计算深度学习模型的参数量，并推导了输入尺寸随卷积大小的变化过程。这些方法可以帮助读者更好地理解模型的复杂度和输入尺寸的变化，为模型设计和优化提供指导。

Tina姐·2023-11-14 09:34

将随机数设成3407，让你的深度学习模型再涨一个点！文再附3种随机数设定方法

在本文中，我们将着重探讨如何通过合理设置随机数来提高深度学习模型的准确性（涨点大法）。以及如何固定随机数来保证实验的可重复性arxiv

Tina姐·2023-11-14 09:29

一文搞懂Pytorch数据读取机制！

熟悉深度学习的小伙伴一定都知道：深度学习模型训练主要由数据、模型、损失函数、优化器以及迭代训练五个模块组成。如下图所示，Pytorch数据读取机制则是数据模块中的主要分支。

翻斗花园的FAN·2023-11-13 22:29

AMD HIP并行编程语言及其矢量相加实例——一文带你快速入门

✍️写在前面：随着计算的应用场景变得日益复杂多样，为了跟上人工智能算法对算力的需求，GPU硬件架构快速走向多样化，GPU生产厂家众多，且在商业和市场等因素的影响下，GPU通用计算编程模型也日益多元化。

张小殊.·2023-11-13 17:11

OpenCL并行编程语言及其矢量相加实例——一文带你快速入门

✍️现如今，随着计算的应用场景变得日益复杂多样，为了跟上人工智能算法对算力的需求，GPU硬件架构快速走向多样化，GPU生产厂家众多，且在商业和市场等因素的影响下，GPU通用计算编程模型也日益多元化。

张小殊.·2023-11-13 17:40

可移除否_一文探讨可解释深度学习技术在医疗图像诊断中的应用

然后，结合三篇文章具体分析了可解释深度学习模型在医疗图像分析中的应用。作为一种领先的人工智能方法，深度学习应用于各种医学诊断任务都是非常有效的，在某些方面甚至超过了人类专家。

weixin_39725365·2023-11-13 06:47

Fine-Tuning Paradigm

Fine-TuningParadigm（微调范式）是指在深度学习模型中，训练一个已经预训练过的模型，通过对其进行微调以适应新的任务。

chunmiao3032·2023-11-13 03:18

Linux中输入与输出管理及如何获得帮助

stderr;proc/xxxx/fd/2/des/pts/2编号2在shell用户中执行命令产生的输出应被放置到/dev/pts/1中，如果用>定向了输出存放位置为/dev/pts/0，那么输出就会显示在/pde

野124·2023-11-13 02:35

前深度学习经典模型-FM

FM模型也是非常经典的一个前深度学习模型。

futurewq·2023-11-12 16:26

YOLOv8模型ONNX格式INT8量化轻松搞定

ONNX格式模型量化深度学习模型量化支持深度学习模型部署框架支持的一种轻量化模型与加速模型推理的一种常用手段，ONNXRUNTIME支持模型的简化、量化等脚本操作，简单易学，非常实用。

金戈鐡馬·2023-11-12 12:34

深度学习模型加载和测试

深度学习模型加载和测试加载和测试深度学习模型通常涉及以下步骤：模型加载、准备输入数据、进行推理或预测，以及解释结果。我将使用TensorFlow和Keras作为示例框架进行说明。

喝凉白开都长肉的大胖子·2023-11-12 11:41

深度学习中激活函数怎么选择？

选择适当的激活函数是深度学习模型设计中的重要决策，因为激活函数决定了神经网络的非线性变换能力，对模型的学习和表达能力有重要影响。