pytorch量化感知训练

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

机器学习--概览

与编程的区别传统编程机器学习输入：规则+数据→输出：结果输入：数据+结果→输出：规则需要人工编写逻辑自动发现数据中的模式3.核心要素数据：模型学习的原材料（结构化/非结构化）特征（Feature）：数据的可量化属性
kyle~·2025-02-04 03:11

机器学习笔记20241017

文章目录torchvisiondataloadernn.module卷积非线性激活模型选择训练误差泛化误差正则化权重衰退的基本概念数学表示权重衰退的效果物理解释数值稳定性（GradientVanishing
tt555555555555·2025-02-04 03:11

Transformer预测模型及其Python和MATLAB实现

这些模型虽然在许多任务中取得了成功，但由于其计算效率低下以及长距离依赖关系处理的不足，导致模型训练时间漫长，并在处理较长文本时效果不佳。
追蜻蜓追累了·2025-02-04 03:10

MOE模型入门

如何训练、微调MOE模型？基础架构优缺点不同MOE模型实现方式、训练方法二、实现定义：MOE架构MOE:混合专家模型，多个专家共同决策的模型。
云帆@·2025-02-04 01:29
上一页 25 26 27 28 29 30 31 32 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他