pytorch量化感知训练

《机器学习模型快速收敛的秘籍大揭秘》

选择合适的优化器优化器在模型训练中起着至关重要的作用，它决定了模型参数的更新方式和步长。常见的优化器如Adam、RMSProp和Momentum等都有各自的特点和优势。Adam结合了M
·2025-01-18 05:14

第78期 | GPTSecurity周报

GPTSecurity是一个涵盖了前沿学术研究和实践经验分享的社区，集成了生成预训练Transformer（GPT）、人工智能生成内容（AIGC）以及大语言模型（LLM）等安全领域应用的知识。
·2025-01-18 05:13

ACL 2024 | 美团技术团队精选论文解读

本文精选了美团技术团队被ACL2024收录的4篇论文进行解读，论文内容覆盖了训练成本优化、投机解码、代码生成优化、指令微调（IFT）等技术领域。这些论文是美团技术团队跟高校、科研机构合作的成果。
·2025-01-18 05:12

【人工智能】人工智能的10大算法详解（优缺点+实际案例）

本文将介绍10种常见的人工智能算法，包括它们的原理、训练方法、优缺点及适用场景。1.线性回归（LinearRegression）模型原理线性回归用于建立自变量（特征）与因变量（目标）之间的线性关系。
ChatGPT-千鑫·2025-01-18 03:04

深度学习驱动的极端天气预测：时空数据异常检测与应用全解析（基于Python + TensorFlow）

未来，通过模型架构创新、训练算法优化以及探索深度学习在气候预测、气象
AI_DL_CODE·2025-01-18 02:01

如何利用OpenCV和yolo实现人脸检测

二、加载预训练的人脸检测模型OpenCV提供了基于Haar特征
音视频牛哥·2025-01-18 02:29

基于YOLOv8深度学习的人脸年龄检测识别系统

我们将详细介绍项目的技术实现、数据集构建、模型训练以及UI设计，并附上完整代码。目录引言系统架构设计数据准备公开人脸年龄数据集数据标注格式数据目录结构模型训练YOLOv8环
2025年数学建模美赛·2025-01-18 02:24

基于深度学习的人脸表情识别系统（YOLOv10+UI界面+数据集）

该系统主要由三部分组成：YOLOv10（深度学习模型）进行表情识别、UI界面展示识别结果以及数据集的准备和训练过程。
2025年数学建模美赛·2025-01-18 02:24

基于深度学习的人脸表情识别系统：YOLOv8 + UI界面 + 数据集完整实现

系统集成了数据集准备、YOLOv8模型训练、实时推理以及基于PyQt5的图形用户界面（UI）。通过本文，你将学习如何实现一
2025年数学建模美赛·2025-01-18 02:24

《解锁数据新动能：数据标注工具与AI模型训练平台的无缝对接热潮》

而数据标注工具与人工智能模型训练平台的集成，实现数据的无缝流转，正逐渐成为行业内的关键热点，犹如为人工智能的发展装上了强劲的双引擎。
·2025-01-18 01:32

第81期 | GPTSecurity周报

GPTSecurity是一个涵盖了前沿学术研究和实践经验分享的社区，集成了生成预训练Transformer（GPT）、人工智能生成内容（AIGC）以及大语言模型（LLM）等安全领域应用的知识。
·2025-01-18 01:02

第83期 | GPTSecurity周报

GPTSecurity是一个涵盖了前沿学术研究和实践经验分享的社区，集成了生成预训练Transformer（GPT）、人工智能生成内容（AIGC）以及大语言模型（LLM）等安全领域应用的知识。
·2025-01-18 00:26

AI大模型应用架构（ALLMA）白皮书解读

一、AI大模型应用架构（ALLMA）的内涵AI大模型应用架构（ALLMA）是一种基于深度学习的人工智能应用架构，旨在通过大规模无标注数据预训练、指令微调
百度_开发者中心·2025-01-18 00:41

【昇思25天学习打卡营打卡指南-第一天】基本介绍与快速入门

其中，易开发表现为API友好、调试难度低；高效执行包括计算效率、数据预处理效率和分布式训练效率；全场景则指框架同时支持云、边缘以及端侧场景。
JeffDingAI·2025-01-17 21:49

python训练模型损失值6000多_机器学习中的 7 大损失函数实战总结（附Python演练）...

介绍想象一下-你已经在给定的数据集上训练了机器学习模型，并准备好将它交付给客户。但是，你如何确定该模型能够提供最佳结果?是否有指标或技术可以帮助你快速评估数据集上的模型?
weixin_39700394·2025-01-17 21:45

PyTorch 中的 expand 操作详解：用法、原理与技巧

在使用PyTorch进行深度学习时，张量形状与广播机制常常是让初学者感到困惑的地方。我们需要时常面对多维张量，并在批量、通道、空间位置等多个维度之间做运算。
专业发呆业余科研·2025-01-17 21:09

深入解析昇腾AI CPU算子开发：基于AI CPU引擎的自定义算子实现与优化

深入解析昇腾AICPU算子开发：基于AICPU引擎的自定义算子实现与优化随着深度学习模型复杂性的不断提升，AI处理器需要更强大的算力和更高效的计算架构来支撑模型的训练和推理。
快撑死的鱼·2025-01-17 21:09

【AI系统】混合并行

混合并行混合并行（HybridParallel）是一种用于分布式计算的高级策略，它结合了数据并行和模型并行的优势，以更高效地利用计算资源，解决深度学习中的大模型训练问题。
ZOMI酱·2025-01-17 20:05

【ER-NeRF数字人】手把手教用ER-NeRF实现实时交互数字人

1.克隆项目、安装依赖环境2.下载面部解析模型3.准备3DMM所需文件4.下载3DMM模型5.将要训练人物模型（视频文件）放在data目录下。以data//.mp4明明。
刘承卓·2025-01-17 20:05

【机器学习实战入门项目】基于机器学习的鸢尾花分类项目

机器学习算法基于样本数据（即训练数据）构建模型，并根据训
精通代码大仙·2025-01-17 20:05

BladeDISC++：Dynamic Shape AI 编译器下的显存优化技术

本文将介绍阿里云PAI团队近期发布的BladeDISC++项目，探讨在动态场景下如何优化深度学习训练任务的显存峰值，主要内容包括以下三个部分：DynamicShape场景下显存优化的背景与挑战BladeDISC
·2025-01-17 20:51

MindIE+MindFormers推理方案指导

CANNCANN是什么异构计算架构CANN（ComputeArchitectureforNeuralNetworks）是昇腾针对AI场景推出的异构计算架构，向上支持多种AI框架，包括MindSpore、PyTorch
·2025-01-17 20:50

第79期 | GPTSecurity周报

GPTSecurity是一个涵盖了前沿学术研究和实践经验分享的社区，集成了生成预训练Transformer（GPT）、人工智能生成内容（AIGC）以及大语言模型（LLM）等安全领域应用的知识。
·2025-01-17 19:08

无涯应用实践 | 快速构建组织内部的专属知识库，让大模型快速落地

知识库构建，像云盘一样简单知识库管理支持文档、表格、图片、音视频等多模态文件的一键导入，自动切片及向量化，无需任何手动配置，还能对知识库进行文件夹管理，方便后续进一步勾选使用
·2025-01-17 19:06

KDD 2024 | 美团技术团队精选论文解读 & 论文分享会预告

本文精选了美团技术团队被KDD2024收录的5篇长文进行解读，覆盖了用户意图感知、机器学习&运筹优化、在线控制实验、联合广告模型、实时调
·2025-01-17 19:29

鸿蒙NEXT应用开发训练营毕业总结

自从加入鸿蒙NEXT应用开发训练营以来，我体验了一段充实而富有挑战性的学习旅程。通过系统的理论学习和实践操作，我不仅对鸿蒙NEXT应用开发有了深入的理解，还掌握了其核心技能。
wjl6259·2025-01-17 19:24

解析蓝桥杯思维之真题训练：分巧克力

目录其他真题要点源代码其他真题其他真题儿童节那天有K位小朋友到小明家做客。小明拿出了珍藏的巧克力招待小朋友们。小明一共有N块巧克力，其中第i块是HixWi的方格组成的长方形。为了公平起见，小明需要从这N块巧克力中切出K块巧克力分给小朋友们。切出的巧克力需要满足：形状是正方形，边长是整数大小相同例如一块6x5的巧克力可以切出6块2x2的巧克力或者2块3x3的巧克力。当然小朋友们都希望得到的巧克力尽可
m明月Java3·2025-01-17 17:43

llama.cpp部署

llama.cpp介绍部署介绍大模型的研究分为训练和推理两个部分：训练的过程，实际上就是在寻找模型参数，使得模型的损失函数最小化；推理结果最优化的过程；训练完成之后，模型的参数就固定了，这时候就可以使用模型进行推理
法号：行颠·2025-01-17 17:12

pytorch基操01-常用Tensor创建方法汇总

目录1.Tensor的创建1.1使用torch.Tensor1.2使用torch.eye1.3全0或全1的tensor1.4根据分布随机生成tensor1.4.1torch.rand1.4.2torch.randn1.4.3torch.normal1.4.4torch.Tensor.uniform_1.5生成序列tensor1.5.1torch.arange(a,b,step)1.5.2torch
von Libniz·2025-01-17 16:06

HarmonyOS学习第七周（实践版）

因为有事，断更了一个月，一个月没怎么碰，已经有点忘记了，这周做点简单案例进行一下“康复训练”。
超级困~·2025-01-17 16:05

（十）ROS的常用组件——rosbag和rqt工具箱

机器人传感器获取到的信息，有时我们可能需要时时处理，有时可能只是采集数据，事后分析，比如:机器人导航实现中，可能需要绘制导航所需的全局地图，地图绘制实现，有两种方式，方式1：可以控制机器人运动，将机器人传感器感知到的数据实时处理
PaLu-LvL·2025-01-17 16:03

全类别机器人传感器模块推荐

视觉感知双目视觉模块：常见分辨率1280×720，帧率30fps-60fps，水平视场角60°-90°，垂直视场角40°-60°，通过USB接口传数据。
极梦网络无忧·2025-01-17 16:02

代码随想录算法训练营Day2:977有序数组、209长度最小的子数组、59螺旋矩阵||

（1）977有序数组文章链接：代码随想录(programmercarl.com)思考：题目中提到了该数组为有序数组，那么在进行平方后，最大值一定是在数组的最左边或者最左边，所以用双指针进行比较。Java代码：classSolution{publicint[]sortedSquares(int[]nums){int[]result=newint[nums.length];intleft=0;intr
爱吃甜食的靓仔·2025-01-17 16:26

深度定制：Embedding与Reranker模型的微调艺术

微调是深度学习中的一种常见做法，它允许模型在预训练的基础上进一步学习特定任务的特定特征。对于Embedding模型，微调的目的是让模型更适配特定的数据集，从而取得更好的召回效果。
从零开始学习人工智能·2025-01-17 15:22

加速 AI 训推：Lepton AI 如何构建多租户、低延迟云存储平台

该平台适用于各种训练、推理需求，GPU充足，在保证高性能的同时，能够灵活应对不断变化的工作负载。用户可以快速在Lepton平台上部署推理服务和执行训练任务，无需关注基础设施和稳定性问题。
·2025-01-17 15:51

字节的面试，感觉还挺简单的~

今天分享的是训练营的朋友在字节跳动的面试，新鲜出炉的还热乎着呢。题目都挺简单的，但是他的面试体验不太好，因为面试官问了两个类似的问题，感觉有点不认真。
·2025-01-17 15:50

【深度强化学习】DQN：深度Q网络算法——从理论讲解到源码解析

【深度强化学习】DQN：深度Q网络算法——从理论讲解到源码解析介绍常用技巧算法步骤DQN源码实现网络结构训练策略DQN算法进阶双深度Q网络（DoubleDQN）竞争深度Q网络（DuelingDQN）优先级经验回放
视觉萌新、·2025-01-17 15:17

LLaMA-Factory全面指南：从训练到部署

项目背景与概述LLaMA-Factory项目目标LLaMA-Factory项目是一个专注于大模型训练、微调、推理和部署的开源平台。
我就是全世界·2025-01-17 15:46

代码随想录算法训练营Day6 | 454.四数相加II，383. 赎金信，15. 三数之和，18. 四数之和，总结

详细布置454.四数相加II✅建议：本题是使用map巧妙解决的问题，好好体会一下哈希法如何提高程序执行效率，降低时间复杂度，当然使用哈希法会提高空间复杂度，但一般来说我们都是舍空间换时间，工业开发也是这样。题目链接/文章讲解/视频讲解：代码随想录#454classSolution(object):deffourSumCount(self,nums1,nums2,nums3,nums4):""":t
Yummy Penguin·2025-01-17 14:13

【机器学习】主动学习-增加标签的操作方法-样本池采样（Pool-Based Sampling）

使用初始标注数据训练一个模型
IT古董·2025-01-17 14:09

代码随想录算法训练营DAY56｜图论理论基础、98. 所有可达路径、深搜广搜基础

图论理论基础强连通图是在有向图中任何两个节点是可以相互到达在无向图中的极大连通子图称之为该图的一个连通分量。98.所有可达路径defdfs(graph,a,n,path,result):ifa==n-1:result.append(('').join(path[:]))forjinrange(N):ifgraph[a][j]:path.append(str(j+1))dfs(graph,j,n,p
阿緑·2025-01-17 14:38

为什么要训练最懂您企业的AI助理？

随着人工智能技术的蓬勃发展，企业级AI助理已成为提升工作效率、优化客户服务体验的重要利器。这些智慧化的系统，通过模拟人类的认知功能，能够轻松应对复杂的数据分析、自动化繁琐的日常任务，甚至为企业决策提供有力支持。拥有一款懂您的企业AI助理，意味着您能够以更智能、更高效的方式推动企业前行。一、构建高度整合与个人化体验为了让AI机器人真正懂您的企业，我们首先要实现高度整合。通过连接企业资料库、应用程序、
·2025-01-17 14:31

【机器学习：二十、拆分原始训练集】

1.如何改进模型模型的改进需求在机器学习任务中，模型性能的提升通常受限于训练数据、模型架构、优化方法及超参数设置等。模型改进的目标是在测试数据上表现更优，避免过拟合或欠拟合。
KeyPan·2025-01-17 13:35

安装指南：LLaMA Factory、AutoGPTQ 和 vllm

LLaMAFactory、AutoGPTQ和vllm在本文中，我们将详细介绍如何安装LLaMAFactory、AutoGPTQ和vllm，这些工具在大型语言模型（LLMs）和视觉语言模型（VLMs）的微调和量化中非常有用
从零开始学习人工智能·2025-01-17 13:05

【机器学习】---神经架构搜索（NAS）

模型的性能不仅依赖于数据和训练方
Undoom·2025-01-17 13:03

记录yolo v8模型训练后使用.pt模型推理正常 改用转换后的.onnx模型推理出现WARNING ⚠️ Unable to automatically guess model task, assu

task=detect','segment','classify',or'pose'.解决办法：将训练出的模型名字best.pt修改为best-
YANGXUSHI520·2025-01-17 13:32

Pytorch实现猫狗分类

在进行编码之前，确保已经安装好Pytorch以及相关依赖环境模型定义构建构建一个较为简单的卷积神经网络模型#定义神经网络模型classCatDogClassifier(nn.Module):def__init
NoKnowovo·2025-01-17 13:01

机器学习模型调优指南

通过合理调整模型的超参数，能够提高模型的准确性、降低过拟合或欠拟合的风险、加快训练过程等。
闵少搞AI·2025-01-17 13:00

开源人工智能模型框架：探索与实践

通过对多个主流开源框架，如TensorFlow、PyTorch、Keras、Detectron2、OpenCV、HuggingFaceTransformers、AllenNLP、MindSpore和Fastai
CodeJourney.·2025-01-17 12:27

【C#深度学习之路】如何使用C#实现Yolov8模型的训练和推理

【C#深度学习之路】如何使用C#实现Yolov8模型的训练和推理项目背景算法实现模型结构项目展望写在最后项目下载链接本文为原创文章，若需要转载，请注明出处。
来瓶霸王防脱发·2025-01-17 12:54
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他