pytorch量化感知训练

安全测试数据的分析、报告及业务应用

例如，通过统计安全测试中发现的漏洞总数，能够量化应用程序的安全状态，还可据此设定软件安全测试的目标，如在应用程序投入生产环境前，将漏洞数量降低至可接受的最低限度。
蚂蚁质量·2025-03-15 16:18

大型语言模型与强化学习的融合：迈向通用人工智能的新范式——基于基础复现的实验平台构建

强化学习（RL）作为一种通过与环境交互学习最优策略的方法，在智能体训练中发挥着重要作用。本文旨在探索LLM与RL的深度融合，分析LLM如何赋能RL，并阐述这种融合对于迈向通用人工智能（AGI）的意义。
（initial）·2025-03-15 16:17

深度学习-服务器训练SparseDrive过程记录

1、cuda安装1.1卸载安装失败的cuda参考：https://blog.csdn.net/weixin_40826634/article/details/127493809注意：因为/usr/local/cuda-xx.x/bin/下没有卸载脚本，很可能是apt安装的，所以通过执行下面的命令删除：apt-get--purgeremove"cuda*"apt-getautoremove然后执行f
weixin_40826634·2025-03-15 15:41

使用 Ollama 对 LLaMA-2 模型进行微调的详细指南

如果条件允许，使用多卡GPU（如RTX4090或A100）可以显著加快训练速度。对于更大的模型（如LLaMA-213B或33B），
软件职业规划·2025-03-15 15:08

机器学习-----决策树

概念2.决策树的构建过程2.1特征选择2.2树的生成2.3树的剪枝3.决策树的优缺点4.决策树的应用4.1分类任务4.2回归任务4.3集成学习代码示例总结1、概念1.1决策树是什么决策树是通过对样本的训练
多巴胺与内啡肽.·2025-03-15 15:37

算法训练-拓扑排序2

洛谷P1807最长路https://www.luogu.com.cn/problem/P1807本题数据范围过大盲目使用dfs容易超时爆栈题目要求中提到i#defineintlonglong#defineendl'\n'/*===\\================//\\===================//\\============//\\==========//=========\\=
往往歌咏理想·2025-03-15 14:33

代码随想录算法训练营DAY05之栈和队列

题目和链接232.用栈实现队列225.用队列实现栈20.有效的括号1047.删除字符串中的所有相邻重复项150.逆波兰表达式求值239.滑动窗口最大值347.前k个高频元素232.用栈实现队列题意：请你仅使用两个栈实现先入先出队列。队列应当支持一般队列支持的所有操作（push、pop、peek、empty）：实现MyQueue类：voidpush(intx)将元素x推到队列的末尾intpop()从
失序空间·2025-03-15 14:33

HuggingFace下载模型并导入Ollama指南

众所周知，HuggingFace仓库托管了诸多训练模型。DeepSeek官方也将完整满血版DeepSeek-R1:671B模型镜像托管在此仓库，但是目前国内无法直接从HugingFace下载。
Repetion_Maxumim·2025-03-15 14:00

【2025年37期免费获取股票数据API接口】实例演示五种主流语言获取股票行情api接口之沪深指数实时数据获取实例演示及接口API说明文档

在近一至两年期间，股票量化分析逐步成为备受关注的热门议题。对于投身于该领域工作而言，首要步骤便是获取全面且精准的股票数据。
不会写代码的码农农·2025-03-15 13:25

增量预训练和微调的区别

文章目录前言一、增量预训练和微调的区别二、代码示例1.增量预训练示例2.微调示例3.代码的区别三、数据格式1.增量预训练2.微调3.示例4.小结四、数据量要求1.指导原则2.示例3.实际操作中的考虑4.
做个天秤座的程序猿·2025-03-15 13:54

【Transformer-Hugging Face手册 07/10】 微调预训练模型

微调预训练模型-目录一、说明二、在本机PyTorch中微调预训练模型。
无水先生·2025-03-15 13:54

草根版外卖避雷计划「数据库寄生 2.0」优化方案

#外卖避雷计划#】[特殊字符][特殊字符]-CSDN博客（含三端流程图+预算穿透表+风险应对）一、策划目标（草根版核心）实现单城外卖后厨监督轻量化：✅创作端：骑手/打假人扫码接单，视频自动同步（省90%
cainiaojunshi·2025-03-15 13:24

模型量化 (Model Quantization) 算法 (Model Quantization Algorithms)

1模型量化的必要性：降低模型大小、加速推理、减少资源消耗随着深度学习模型的日益复杂和庞大，其在资源受限的设备（如移动端、嵌入式设备）上的部署面临着巨大的挑战。
（initial）·2025-03-15 13:24

《探秘人工智能与鸿蒙系统集成开发的硬件基石》

对于模型训练任务，尤其是深度学习模型，其复杂的
程序猿阿伟·2025-03-15 12:43

Development Problems Based On PyTorch

问题解决RuntimeError:unabletowritetofile:Nospaceleftondevice(28)问题描述：Traceback(mostrecentcalllast):File"/opt/conda/lib/python3.10/multiprocessing/queues.py",line244,in_feedobj=_ForkingPickler.dumps(obj)Fi
woxiwangxuehaocpp·2025-03-15 12:12

Pycharm中import torch报错解决方案（Python+Pycharm+Pytorch cpu版）

设置python解释器：选择conda环境，使用现有环境，conda执行文件找到Anaconda安装路径下Scripts文件夹内的conda.exe，最后选择含有torch软件包的虚拟环境，题主创建名为pytorch
波波仔86·2025-03-15 11:07

【python error】cannot import name ‘TorchDispatchMode‘ from ‘torch.utils._python_dispatch‘

_python_dispatch’(/home/nvidia/.conda/envs/pytorch/lib/python3.8/site-packages/torch/utils/_python_dispatch.py
Eternal-Student·2025-03-15 11:35

全自动量化交易软件是否真的可靠？使用过程中有哪些潜在风险需要注意

炒股自动化：申请官方API接口，散户也可以python炒股自动化（0），申请券商API接口python炒股自动化（1），量化交易接口区别Python炒股自动化（2）：获取股票实时数据和历史数据Python
财云量化·2025-03-15 10:04

嵌入式AI必备技能2-模型的压缩与加速

本文介绍几种常见的模型压缩与加速方法，包括剪枝、低秩分解、量化、权值共享、知识蒸馏等，并探讨如何综合应用这些技术来优化AI模型。1.常
奥德彪123·2025-03-15 10:30

Android第二次面试总结（项目拷打实战）

MVVM+Jetpack组件落地采用ViewModel+LiveData实现数据驱动开发，将UI逻辑与业务逻辑解耦，通过LiveData的生命周期感知能力避免内存泄漏。
每次的天空·2025-03-15 10:00

数据标注工具及其对预训练模型性能的影响

1.背景介绍1.1预训练模型的崛起近年来，预训练模型（Pre-trainedModels）在自然语言处理（NLP）领域取得了显著的成功。
AGI大模型与大数据研究院·2025-03-15 10:00

数据标注质量对AI模型质量的影响分析

没有高质量的标注数据，就如同建造高楼大厦没有坚实的地基，AI模型就无法有效地学习和训练，最终的AI质量也就无从谈起。训练数据是AI模型
自由鬼·2025-03-15 10:30

基于纯视觉的 GUI 代理的屏幕解析工具（OmniParser）

一、技术原理1.数据集构建：从流行网页和应用中提取数据，构建可交互图标检测数据集和图标描述数据集，为模型训练提供基础。
deepdata_cn·2025-03-15 09:51

海量数据查询加速：Presto、Trino、Apache Arrow

随着数据量的增长，传统的行存储数据库难以满足低延迟的查询需求，因此，基于列式存储、向量化计算等技术的查询引擎应运而生。
晴天彩虹雨·2025-03-15 08:12

審單人員效率 PPP 模型

具体包括以下几个方面：1.量化审单人员的工作效率目的:通过审单数量、工时、折算率等指标，量化审单人员的工作效率。实现方式:计算每个审单人员的审单量（vol_o）。
chenchihwen·2025-03-15 07:01

智驾赋能新质生产力，开启“全感知时代”

然而，环境感知与实时决策能力，始终是横亘在技术飞跃之路上的关键阻碍。这两大能力犹如高悬的“达摩克利斯之剑”，一旦成为短板，就会迅速演变为制约技术突破的“瓶颈”。只有精准、高效地
高工智能汽车·2025-03-15 07:29

4D雷达再上热搜！华为/小米上车

去年至今，不管是端到端，还是大模型，本质上并没有解决摄像头（视觉感知）的物理性能缺陷；激光雷达处于成本下降区间，安全冗余作用明显，但对于恶劣天气、穿透能力以及抗干扰性仍存在劣势。
高工智能汽车·2025-03-15 07:29

Anthropic 的模型

Anthropic的模型（特别是Claude系列）之所以在性能和推理能力上表现强劲，可以从技术设计、研究理念、训练方法以及应用优化等多个方面进行详细分析。
调皮的芋头·2025-03-15 06:50

RV1126笔记三十七：PaddleOCR检测模型训练

PaddleOCR检测模型训练及验证测试1、准备数据集在PaddleOCR目录下新建文件夹：train_data,这个文件夹用于存放数据集的。
殷忆枫·2025-03-15 05:16

大语言模型微调和大语言模型应用的区别？

1.基本概念微调（Fine-tuning）定义：微调是指在预训练大语言模型的基础上，通过在特定领域或任务的数据上进一步训练，从而使模型在该特定任务上表现更优。
AI Echoes·2025-03-15 05:38

大语言模型（LLMs）全面学习指南（非常详细）零基础入门到精通，收藏这一篇就够了

如下这份指南将涵盖LLMs的基础知识、训练过程、用例和未来趋势……一.WhatareLargeLanguage
网络安全大白·2025-03-15 04:38

DeepSeek创始人专访：中国的AI不可能永远跟随，需要有人站到技术的前沿

训练成本估计只有Llama3.1405B模型的11分之一，后者的效果还不如它。
AIBigModel·2025-03-15 04:06

十分钟学会微调大语言模型

在之前的文章中，我分享了一些使用大语言模型开发应用的方法，也介绍了几个开源大语言模型的部署方式，有同学给我留言说想知道怎么训练自己的大语言模型，让它更贴合自己的业务场景。
喝不喝奶茶丫·2025-03-15 04:35

大语言模型微调和大语言模型应用的区别？

1.定义与目标微调（Fine-tuning）目标：调整预训练模型（如GPT、LLaMA、PaLM）的参数，使其适应特定任务或领域。
AI Echoes·2025-03-15 04:34

神经网络完成训练的详细过程

神经网络完成训练的详细过程一、神经网络的基本概念神经网络是一种模拟人脑神经系统的计算模型，由大量的神经元（节点）和它们之间的连接（权重）组成。
每天五分钟玩转人工智能·2025-03-15 04:34

Milvus 本地Ollama向量化markdown文件

目录可以自动生成，如何生成可参考右边的帮助文档文章目录前言代码测试注意前言提示：这里可以添加本文要记录的大概内容：我在局域网内安装了milvus服务，现在需要把一个文件夹里所有的markdown文档都向量化到
慌雨·2025-03-15 02:17

梯度下降法以及随机梯度下降法

我在我的github里面会一直更新自己学习pytorch的过程，地址为：https://github.com/00paning/Pytorch_Learning这里我直接展示一个简易实现的python代码
HKkuaidou·2025-03-15 01:39

pytorch实现cifar10多分类总结

它包含了10个不同类别，每个类别有6000张图像，其中5000张用于训练，1000张用于测试。这10个类别分别为：飞机、汽车、鸟类、猫、鹿、狗、青蛙、马、船和卡车。
L_pyu·2025-03-15 00:31

电子电气架构 --- 汽车行业技术变革

喜欢独处，独来独往，不易合同频过着接地气的生活，除了生存温饱问题之外，没有什么过多的欲望，表面看起来很高冷，内心热情，如果你身边有这样灵性的人，一定要好好珍惜他们眼中有神有光，干净，给人感觉很舒服，有超强的感知能力有形的无形的感知力很强
车载诊断技术·2025-03-14 23:56

多分类—微调DistilBERT对生物医学文本进行实验方法多分类：Automated Text Mining of Experimental Methodologies from Biomedical

AutomatedTextMiningofExperimentalMethodologiesfromBiomedicalLiterature从生物医学文献中自动挖掘实验方法文本paper：https://arxiv.org/abs/2404.13779github：本文做的就是微调DistilBERT去做多分类任务，训练自己的数据集
小小帅AIGC·2025-03-14 23:56

数据挖掘技术介绍

功能：根据已标记的训练数据，学习一个模型，用于预测新数据的类别。方法：决策树、支持向量机、神经网络、逻辑回归、
柒柒钏·2025-03-14 23:25

【PyTorch】torch.nn.functional.log_softmax() 函数：计算 log(softmax)，用于多分类任务

torch.nn.functional.log_softmaxtorch.nn.functional.log_softmax是PyTorch提供的用于计算log(softmax)的函数，通常用于多分类任务和计算交叉熵损失
彬彬侠·2025-03-14 23:54

【PyTorch】torch.nn.functional.cross_entropy() 函数：分类任务的交叉熵损失函数

torch.nn.functional.cross_entropytorch.nn.functional.cross_entropy是PyTorch中用于分类任务的交叉熵损失函数，用于衡量预测概率分布与真实类别分布之间的差异
彬彬侠·2025-03-14 23:24

图神经网络学习笔记—高级小批量处理（专题十四）

小批量（mini-batch）的创建对于让深度学习模型的训练扩展到海量数据至关重要。与逐条处理样本不同，小批量将一组样本组合成一个统一的表示形式，从而可以高效地并行处理。
AI专题精讲·2025-03-14 23:52

医学文本分析中的命名实体识别：从理论到实践

1.数据预处理数据预处理是医学命名实体识别系统的基础步骤，其质量直接影响模型的训练效果和最终性能。数据预处理主要包括医学文本的标注、清洗以及数据增强三个方面。
软件职业规划·2025-03-14 23:51

每天五分钟玩转深度学习PyTorch：基于GoogLeNet完成CAFIR10分类

本文重点前面我们终于使用pytorch搭建了GoogLeNet，本文我们使用该网络模型解决一个实际问题，也就是使用它完成CAFIR10分类，其实就这些任务而言，我们只要搭建好模型，然后把数据喂进去就行了
每天五分钟玩转人工智能·2025-03-14 23:50

Deepseek:物理神经网络PINN入门教程

一、物理信息网络（PINN）的概念与原理1.定义与来源物理信息网络（Physics-InformedNeuralNetworks,PINN）是一种将物理定律（如偏微分方程、守恒定律等）嵌入神经网络训练过程的深度学习方法
天一生水water·2025-03-14 23:50

基于Transformer的医学文本分类：从BERT到BioBERT

Transformer模型，尤其是BERT及其变体，通过预训练和微调的方式，能够有效捕捉医学文本中的语义信息，为医学文本分类提供了强大的工具。本文将探讨Transfor
Evaporator Core·2025-03-14 23:17

H100解锁生成式AI算力新纪元

其创新性设计聚焦三大技术支柱：第三代TensorCore通过稀疏计算与混合精度支持，显著提升矩阵运算效率；显存带宽优化技术结合HBM3高带宽内存，将数据吞吐量提升至3.35TB/s，有效缓解大规模模型训练中的显存墙问题
智能计算研究中心·2025-03-14 22:43

Batch Normalization理解

来说输入的就是满足某一分布的特征矩阵，但对于Conv2而言输入的featuremap就不一定满足某一分布规律了（注意这里所说满足某一分布规律并不是指某一个featuremap的数据要满足分布规律，理论上是指整个训练
zhimengxiang·2025-03-14 22:13
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他