pytorch量化感知训练

自定义数据集 使用scikit-learn中svm的包实现svm分类

数据划分：-使用train_test_split函数将生成的数据集划分为训练集和测试集，测试集占比为20%，同样通过random_state=42保证划分的一致性。SVM模型：-初始化SV
知识鱼丸·2025-02-05 01:31

量化金融TA-Lib库的安装和打包

（1）在安装TA-Lib库时，使用pipinstallTA-LIb时，会下载非whl格式的文件，导致无法安装，因此需要在网站https://www.lfd.uci.edu/~gohlke/pythonlibs/下载好相应的whl文件。使用快捷键：ctrl+f打开搜索框然后搜索ta-lib:注意文件里面的例如37、38数字代表着python的版本，一定要对照着python版本安装。(2)下载了whl
qq_41771776·2025-02-04 23:50

招商银行2022 Fintech精英训练营数据赛道-第4名方案分享

0.比赛简介竞赛时间：4月29日9:00-5月12日17:00竞赛流程：4月29日9:00-5月9日24:00，赛题开放A榜数据（test_A榜），预测结果数据每天限提交3次；5月10日00:00-5月12日17:00，赛题开放B榜数据（test_B榜），预测结果数据每天限提交3次。重复提交或提交格式错误均扣除有效提交次数，请谨慎提交答案，结果提交后请务必点击“运行”按钮，方可查看当前个人排名。排
藏在云中的猫·2025-02-04 22:38

Llama最新开源大模型Llama3.1

以下是关于Llama3.1的详细介绍：参数规模与训练数据Llama3.1拥有4050亿（405B）参数，是目前开源领域中参数规模最大的模型之一。
kcarly·2025-02-04 21:32

2025年度Python最新整理的免费股票数据API接口

在2025年这个充满变革与机遇的年份，随着金融市场的蓬勃发展，量化交易逐渐成为了投资者们追求高效、精准交易的重要手段。而在这个领域中，一个实时、准确、稳定的股票API无疑是每位交易者梦寐以求的工具。
股票数据接口·2025-02-04 20:57

MagicBot：AI 与算力让它在工厂立足

可能大家都曾在脑海中预想过机器人活跃于工厂的场景：它们如同训练有素的“工作狂魔”，在工厂的各个角落穿梭，自主分工合作，高效地完成各项任务。
算家云·2025-02-04 20:57

scikit-learn实现SVM

最大间隔超平面：SVM的目标是找到能够最大化训练样本间隔的超平面。间隔被定义为到最近训练样本点的距离，这些点被称为支持向量。这种策略的优势在于它提供了一种防止模型过拟合的方法，从而提高了泛化能力。
PeterClerk·2025-02-04 19:23

使用MATLAB进行雷达数据采集可视化

该系统可用于环境感知、机器人导航、避障系统等场景。2.代码结构本程序主要由以下几个部分组成：串口初始化：设定串口参数并建立通信连接；数据读取：实时读取雷达数据并进行
陶瓷好烦·2025-02-04 19:52

Pytorch学习笔记（二）

tensor的创建使用pytorch中的列表创建tensortensor=torch.Tensor([[-1,1],[0,2<
不牌不改·2025-02-04 19:21

pytorch中深度拷贝_PyTorch中的拷贝与就地操作详解

In-place操作pytorch中原地操作的后缀为_，如.add_()或.scatter_()，就地操作是直接更改给定Tensor的内容而不进行复制的操作，即不会为变量分配新的内存。
weixin_39906130·2025-02-04 19:51

PyTorch中的In-place操作是什么？为什么要避免使用这种操作？

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达导读In-place操作用在推理的时候可以显著节省内存，但是训练的时候一定要小心使用。
小白学视觉·2025-02-04 19:49

AI大模型学习的七个阶段，学完你就是大模型大师！

预训练、SFT、RLHF。第三阶段：编程基础与工具使用目标：掌握大
AGI大模型老王·2025-02-04 19:48

Python | Pytorch | 什么是 Inplace Operation（就地操作）？

如是我闻：在PyTorch中，InplaceOperation（就地操作）是指直接修改Tensor本身，而不是创建新的Tensor的操作。
漂亮_大男孩·2025-02-04 19:18

理解大模型：FP32、FP16、TF32、BF16、混合精度

这个其实是指的GGUF模型的量化级别。量化级别决定于模型根据质量和准确性定义的值（ggml_type）。在GGUF规范中，值列表如下GGUF自身又有多种格式，主要区别在于浮点数的位数和量化的方式。
·2025-02-04 18:36

大模型文件格式GGUF格式

GGUF简介当前的大模型的参数规模较大，数以千亿的参数导致了它们的预训练结果文件都在几十GB甚至是几百GB，这不仅导致其使用成本很高，在不同平台进行交换也非常困难。
·2025-02-04 18:36

基于 FPGA 的 CNN 卷积神经网络整体实现

自动驾驶：环境感知和障碍物检测。医疗影像分析：快速处理MRI或X-R
鱼弦·2025-02-04 18:37

基于开源AI智能名片2 + 1链动模式S2B2C商城小程序视角下的个人IP人设构建研究

通过剖析个人IP人设定义中的“诉求”“特质”“可感知”三要素，结合该小程序特点，阐述其对个人IP打造的影响与推动作用，为相关从业者与研究者提供新思路与方法。
说私域·2025-02-04 16:30

【自然语言处理（NLP）】生成词向量：GloVe（Global Vectors for Word Representation）原理及应用

文章目录介绍GloVe介绍核心思想共现矩阵1.共现矩阵的定义2.共现概率矩阵的定义3.共现概率矩阵的意义4.共现概率矩阵的构建步骤5.共现概率矩阵的应用6.示例7.优缺点优点缺点**总结**目标函数训练过程使用预训练的
道友老李·2025-02-04 16:59

2025年最新最全的大模型学习路线规划，对于零基础入门到精通的学习者来说，可以遵循以下阶段进行

同时，了解常用的深度学习框架，如TensorFlow和PyTorch。深度学习基础：学习深度学习的基本原理和常用算法，
程序员辣条·2025-02-04 16:57

站在Developer角度看DeepSeek：技术架构解析与开发实战指南

一、DeepSeek技术全景图：从实验室到生产环境1.1模型架构演进：重新定义Transformer可能性DeepSeek的分层动态稀疏Transformer架构在以下层面实现突破：硬件感知设计：根据GPU
嵌入式Jerry·2025-02-04 15:20

蓝桥杯算法训练 排序C++

代码：#includeusingnamespacestd;intmain(){intnum[3];inttemp;cin>>num[0]>>num[1]>>num[2];for(inti=0;inum[i]){temp=num[j];num[j]=num[i];num[i]=temp;}for(inti=0;i<3;i++)cout<<num[i]<<"";return0;}
王大头不吃藕·2025-02-04 15:47

DeepSeek R1 AI 论文翻译

DeepSeek-R1-Zero是一个通过大规模强化学习（RL）训练的模型，且在此过程中未使用监督微调（SFT）作为预处理步骤，展现出了显著的推理能力。
·2025-02-04 14:27

自定义数据集 ，使用朴素贝叶斯对其进行分类

fit_transform方法在训练数据上拟合向量器并进行转换。模型训练：-初始化MultinomialNB模型，这是适用于离散数据（如词频）的朴素贝叶斯分类器。
知识鱼丸·2025-02-04 14:40

机器学习基本概念

人工智能（ArtificialIntelligence,AI）定义：模拟人类智能的技术和方法，包括学习、推理、感知等。
时不晴·2025-02-04 13:38

【AI开源项目】Dify- 轻松打造可持续运营的 GPT 系列的 AI应用 —— 全面解析LLMOps平台

Q2:如何使用Dify“训练”自己的
ChatGPT-千鑫·2025-02-04 13:02

几行Python代码，轻松获取美股阿里巴巴的交易数据!

学Python可以干很多事情，比如爬虫，数据分析，机器学习，但是有一个非常小众的分支，不仅结合了两大高薪行业，而且还薪水非常诱人，就是量化金融岗位。
Python资深程序员·2025-02-04 12:27

【漫话机器学习系列】079.超参数调优（Hyperparameter Tuning）

超参数是模型在训练之前设定的参数，而不是通过训练数据学习到的参数。正确地选择超参数可以显著提高模型的预测能力，反之，错误的超参数选择可能会导致过拟合、欠拟合或训练过程缓慢。
IT古董·2025-02-04 11:44

全场景深度学习开源框架（MindSpore）

无论是在数据中心的大规模计算，还是在手机、物联网设备等资源受限的终端上，MindSpore都能灵活适配，充分发挥各硬件平台的性能优势，实现模型的高效训练和推理。
deepdata_cn·2025-02-04 11:41

torch.nn.RNN: PyTorch 中的循环神经网络（RNN）模块

torch.nn.RNN:PyTorch中的循环神经网络（RNN）模块1.概述在PyTorch中，torch.nn.RNN是一个用于构建循环神经网络（RNN）的模块。
彬彬侠·2025-02-04 10:40

使用 Numpy 自定义数据集，使用pytorch框架实现逻辑回归并保存模型，然后保存模型后再加载模型进行预测，对预测结果计算精确度和召回率及F1分数

1.导入必要的库首先，导入我们需要的库：Numpy、Pytorch和相关工具包。
辞落山·2025-02-04 10:40

AI学习指南HuggingFace篇-高级优化技巧

一、引言在深度学习和自然语言处理（NLP）中，模型训练的效率和性能至关重要。HuggingFace提供了多种高级优化技巧，帮助开发者提升模型训练的效率和效果。
俞兆鹏·2025-02-04 10:35

在CentOS服务器上部署DeepSeek R1

存储空间：原始模型需要30GB，量化后约8-20GB。安装基础工具：更新系统并安装必要的编译工具：一定要买GPU服务器。s
蓝染k9z·2025-02-04 09:30

DeepSeek- R1 原理介绍

DeepSeek-R1是由DeepSeek公司推出的一款基于强化学习（RL）的开源推理模型，其核心原理和特点如下：1.核心技术与架构强化学习驱动：DeepSeek-R1是首个完全通过强化学习训练的大型语言模型
kcarly·2025-02-04 08:50

PyTorch动态计算图:如何灵活构建复杂模型

PyTorch动态计算图:如何灵活构建复杂模型关键词：PyTorch、动态计算图、自动微分、反向传播、神经网络、模型构建、计算图优化文章目录PyTorch动态计算图:如何灵活构建复杂模型1.背景介绍1.1
AI天才研究院·2025-02-04 07:47

深度学习框架PyTorch原理与实践

作者：禅与计算机程序设计艺术文章目录1.简介2.背景介绍3.基本概念和术语3.1PyTorch简介3.2PyTorch的特点1）自动求导机制2）GPU加速3）模型部署4）数据管道5）代码阅读友好4.核心算法原理
AI天才研究院·2025-02-04 07:47

自定义数据集 使用paddlepaddle框架实现逻辑回归并保存模型，然后保存模型后再加载模型进行预测

1.引言在这篇博客中，我们将使用PaddlePaddle框架实现一个逻辑回归模型，利用NumPy自定义数据集进行训练，并保存模型。最后，我们将演示如何加载保存的模型并进行预测。
辞落山·2025-02-04 07:16

Databricks 开源 LLM，训练只需三个小时

像ChatGPT和Bard这样的生成式AI，它们使用的数据通常来自于在成千上万不同网站，使用的数据量十分惊人，而且想要使用这些数据训练AI还需要数以千计的强大GPU在背后提供支持。
唐 城·2025-02-04 07:15

解决_pickle.UnpicklingError: A load persistent id instruction was encountered,but no persistent_load

Aloadpersistentidinstructionwasencountered,butnopersistent_loadfunctionwasspecified.报错原因：在加载模型参数时，torch版本发生变化，我报错因为训练前
邻家的狗2·2025-02-04 07:14

自定义数据集 使用pytorch框架实现逻辑回归并保存模型，然后保存模型后再加载模型进行预测

importtorchimporttorch.nnasnnimporttorch.optimasoptimfromtorch.utils.dataimportDataset,DataLoaderimporttorchvision.transformsastransformsimportpandasaspdimportnumpyasnpclassCustomDataset(Dataset):def_
Z211613347·2025-02-04 07:40

apollo-client源码分析

文章目录Apollo-Client1、基础客户端1.1、客户端获取配置流程1.1.1、初始化1.1.2、获取配置1.1.3、感知远程配置更新1.1.4、ConfigRepository监听器更新数据2、
肥牛火锅·2025-02-04 06:09

DeepSeek R1 AI 论文翻译

DeepSeek-R1-Zero是一个通过大规模强化学习（RL）训练的模型，且在此过程中未使用监督微调（SFT）作为预处理步骤，展现出了显著的推理能力。
老马啸西风·2025-02-04 06:04

Yuan 2.0-M32 是一个基于 Yuan 2.0 架构的双语混合专家 (MoE) 语言模型，旨在以更少的参数和计算量实现更高的准确率

高效计算：使用MoE架构，40B总参数中仅有3.7B激活参数，训练计算消耗仅为同规模密集模型的9.25%，推理成本与3.7B参数的密集模型相当。
东方佑·2025-02-04 06:01

【分割评价指标-nnUNet V2训练】- AutoDL

目录一、DSC二、IOU三、VOE(VolumeOverlapError)四、RVD(RelativeVolumeDifference)五、Hausdorff95(95thPercentileofHausdorffDistance)六、ASSD(AverageSymmetricSurfaceDistance)七、MSD(MeanSurfaceDistance)八、NSD(NormalizedSur
HUI 别摸鱼了·2025-02-04 05:00

PyTorch 训练一个分类器

文章目录0前言1加载和规范化CIFAR102定义一个卷积网络3定义损失函数和优化器4训练网络5测试网络6在GPU上训练模型参考资料0前言  TRAINGINGACLASSIFIER这篇教程很清楚的描述了如何使用
亚里·2025-02-04 05:59

TypeError: expected np.ndarray (got numpy.ndarray)问题处理

问题描述：更换设备后重新搭建的anaconda环境，装好numpy、pytorch后运行相关代码，出现该错误。原因：numpy版本有问题。
天籁忍者·2025-02-04 05:58

蓝桥杯——试题集——入门训练

入门训练BEGIN-1A+B问题问题描述输入A、B，输出A+B。输入格式输入的第一行包括两个整数，由空格分隔，分别表示A、B。输出格式输出一行，包括一个整数，表示A+B的值。
唐煜鑫·2025-02-04 04:54

蓝桥杯训练1——缩位求和

缩位求和例如123输出为6n=int(input())lst=list(str(n))sum=0foriinlst:sum+=int(i)whilesum>=10:s=0lst1=list(str(sum))foriteminlst1:s+=int(item)sum=sprint(s)
会编程的小孩·2025-02-04 04:52

python中keras_Python深度学习——keras（一）

大多数深度学习，都是将若干个简单的层给链接起来，实现渐进式的数据过滤，也就是数据蒸馏(过滤到一定程度就等同于蒸馏)首先来看一个数字识别的案例(1)读取训练集和测试集fromkeras.datasetsimportmnist
weixin_39534321·2025-02-04 04:48

Solidity/Rust 实战 —— Web3 开发者免费训练营（第 21 期）

HackQuest第21期Solidity/Rust共学营即将开营！Solidity/Rust共学营信息清单7月23日-8月1日免费（成功结营的小伙伴还将获得专属周边）全程线上(会议具体时间入营后通知)️头部公链官方签发的学习证书主办社区:HackQuestHackQuest是一个充满活力的Web3开发者教育社区，我们的目标是培养下一代Web3开发者。目前，HackQuest组织的共学营已达20期
·2025-02-04 03:50

Move on Sui 实战 —— Web3 开发者免费训练营「第22期」

HackQuest第22期MoveonSui共学营即将开营！MoveonSui共学营信息清单7月31日-8月8日免费（成功结营的小伙伴还将获得Sui基金会提供的奖金）全程线上(会议具体时间入营后通知)️头部公链官方签发的学习证书关于HackQuestHackQuest是一个充满活力的Web3开发者教育社区，我们的目标是培养下一代Web3开发者。目前我们的产品仍处于内测阶段，我们计划招募小伙伴们一起
·2025-02-04 03:50
上一页 11 12 13 14 15 16 17 18 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他