super（）

S4-Driver: Scalable Self-Supervised Driving Multimodal Large Language Model with Spatio-Temporal

文章主要内容总结本文提出了一种基于多模态大语言模型（MLLM）的可扩展自监督自动驾驶运动规划框架S4-Driver，旨在解决端到端自动驾驶中依赖人工标注和3D空间推理能力不足的问题。核心方法包括：稀疏体表示（SparseVolumeRepresentation）：将多视图、多帧图像的视觉信息聚合到3D空间，通过轻量级投影和门控机制动态选择关键区域，增强模型的3D时空推理能力，且无需微调预训练的视觉
UnknownBody·2025-06-15 15:37

用 LoRA 对 Qwen2.5-VL 模型进行SFT - qwen2_5vl_lora_sft.yaml

1llamafactory-clitrainexamples/train_lora/qwen2_5vl_lora_sft.yamlqwen2_5vl_lora_sft.yaml││││└──SFT:有监督微调(SupervisedFine-Tuning
二分掌柜的·2025-06-15 02:37

python打卡第52天

importtorchimporttorch.nnasnn#定义简单的线性模型（无隐藏层）#输入2个纬度的数据，得到1个纬度的输出classSimpleNet(nn.Module):def__init__(self):super
·2025-06-14 22:08

Router-Routing

3.2Routingalgorithm路由算法3.3路由协议分类3.4路由协议列表3.5EIGRP3.6OSPF3.7OSPF-LSA4.aggregation聚合4.1PA4.2PI4.3PAvsPI5.Supern
sztomarch·2025-06-14 11:19

YOLOv12全栈开发手册：从算法研发到商业落地的完整技术闭环

YOLOv12混合维度注意力机制详解1.1跨维度注意力模块实现classHybridAttention(nn.Module):def__init__(self,channels):super().
全息架构师·2025-06-13 22:34

Android 实现可拖动的ImageView

publicclassDraggableImageViewextendsAppCompatImageView{privatefloatlastTouchX;privatefloatlastTouchY;publicDraggableImageView(Contextcontext){super
星--空·2025-06-13 03:16

超级神冈探测器2025.6.11

超级神冈探测器（Super-Kamiokande，简称Super-K或SK）是国际粒子物理学与天体物理学领域的尖端设施，其设计目标为宇宙中最难以捉摸的粒子之一——中微子。
mozun2020·2025-06-13 00:20

python123第二周作业_Python第二周作业

4turtle.pensize(10)5turtle.begin_fill()6foriinrange(5):7turtle.fd(200)8turtle.rt(144)910turtle.end_fill()Superstar
·2025-06-11 20:35

Android ViewPager没有更多页面时滑动的提示

privatevarlastPositionOffset=-1overridefunonPageScrolled(position:Int,positionOffset:Float,positionOffsetPixels:Int){super.onPageScrolled
diaostar·2025-06-11 18:20

Python内置类型子类化的陷阱与解决方案

⚠️问题重现：内置方法的“无视”行为通过两个典型示例揭示问题本质：__setitem__失效案例classDoppelDict(dict):def__setitem__(self,key,value):super
钢铁男儿·2025-06-11 13:50

AI 模型分类全解：特性与选择指南

一、AI模型的分类（一）按学习方式分类监督学习（SupervisedLea
无声旅者·2025-06-11 12:07

【Linux】supervisor创建守护进程

1、简介Supervisor是一个客户端/服务器系统，它允许用户控制类unix操作系统上的许多进程。2、组成2.1supervisordsupervisor的服务器名为supervisord。
郭老二·2025-06-10 22:26

人工智能-SFT（Supervised Fine-Tuning）、RLHF 和 GRPO

以下是SFT（SupervisedFine-Tuning）、RLHF（ReinforcementLearningfromHumanFeedback）和GRPO群体相对策略优化(GRPO，GroupRelativePolicyOptimization
高效匠人·2025-06-10 21:54

Python接口自动化测试之Requests库&Pytest框架

payload="{\"head\":{\"accessToken\":\"\",\"lastnotice\":0,\"msgid\":\"\"},\"body\":{\"user_name\":\"super_admin
程序员江念·2025-06-10 18:59

JS红宝书10.1-10.5 函数

函数名是指向函数对象的指针，而且不一定与函数本身紧密绑定箭头函数不能使用arguments、super和new.target，也不能用作构造函数。
永生辉皇·2025-06-10 17:23

【图像去噪】论文精读：Rotation-Equivariant Self-Supervised Method in Image Denoising（AdaReNet）

请先看【专栏介绍文章】：【图像去噪（ImageDenoising）】关于【图像去噪】专栏的相关说明，包含适配人群、专栏简介、专栏亮点、阅读方法、定价理由、品质承诺、关于更新、去噪概述、文章目录、资料汇总、问题汇总（更新中）文章目录前言Abstract1.Introduction2.RelatedWorkandPriorKnowledge2.1.ImageDenoising2.2.RotationE
十小大·2025-06-10 15:08

吴恩达机器学习入门笔记（Week 1）

学习资源及工具1、课程资源：B站大学2、相关工具：Jupter&Github3、书籍资源：神经网络与深度学习（MichaelNielsen）、机器学习（周志华）、统计学习方法（李航）…机器学习分类1、监督学习（supervisedl
冒冒喵·2025-06-10 14:58

【图像去噪】论文精读：Noise2Fast: Fast Self-Supervised Single Image Blind Denoising（N2F）

请先看【专栏介绍文章】：【图像去噪（ImageDenoising）】关于【图像去噪】专栏的相关说明，包含适配人群、专栏简介、专栏亮点、阅读方法、定价理由、品质承诺、关于更新、去噪概述、文章目录、资料汇总、问题汇总（更新中）文章目录前言AbstractMainTheoreticalBackgroundContributionandSignificanceRelatedWorkResultsConcl
十小大·2025-06-10 05:58

机器学习算法种类繁多以下是主要算法的详细描述、使用场景、经典案例、开源框架，以及学习和应用到实际场景的建议

一、机器学习算法分类及详细描述1.监督学习（SupervisedLearning）监督学习使用带标签的数据（输入和输出已知）进行训练，目标是学习输入到输出的映射函数。
zhxup606·2025-06-09 19:21

第四十七天打卡

昨天代码中注意力热图的部分顺移至今天知识点回顾：热力图classCNN(nn.Module):def__init__(self):super(CNN,self).
wswlqsss·2025-06-09 18:15

【图像超分】论文复现：轻量化超分 | 频域感知Transfomer模型FreqFormer的Pytorch源码复现，跑通源码，获得指标、模型复杂度、超分结果图，架构拆解与源码对应，注释详细！

请先看【专栏介绍文章】：【超分辨率（Super-Resolution）】关于【超分辨率重建】专栏的相关说明，包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等
十小大·2025-06-09 14:50

Linux系统之e2fsck详解

-bsuperblock指定备用超级块位置（主超级块损坏时使用）。常见备
门前灯·2025-06-09 14:48

【Block总结】掩码窗口自注意力 (M-WSA)

摘要论文链接：https://arxiv.org/pdf/2404.07846论文标题：Transformer-BasedBlind-SpotNetworkforSelf-SupervisedImageDenoisingMaskedWindow-BasedSelf-Attention
AI浩·2025-06-09 14:45

机器学习笔记 周志华 第一章绪论

属性张成的空间特征向量（featurevector):一个示例标记（label):关于示例结果的信息样例（example)：拥有了标记信息的示例标记空间（labelspace)/输出空间：所有标记的集合监督学习（supervisedlearning
Olivia_ll·2025-06-09 05:43

ubnutu安装supervisor

1.安装和检查supervisor#更新包sudoaptupdate#安装supervisorsudoaptinstallsupervisor#启动supervisorsudosystemctlstartsupervisor
行走的生活·2025-06-09 04:06

Genspark vs manus

1.产品定位与核心技术GensparkSuperAgent定位：由前百度高管景鲲创立的MainFunc公司推出，主打“快速、准确、可控”的通用AIAgent，强调从思考到执行的全闭环能力，聚焦复杂任务自动化
数据分析能量站·2025-06-09 04:02

【PhysUnits】16.2 引入变量后的乘法实现(mul.rs)

usecore::ops::{Add,Mul,Neg};usesuper::basic::{Z0,P1,N1,B0,B1,Integer,NonZero};usecrate::variable::{Var
liuyuan77·2025-06-09 01:43

Decision Tree vs. Linear Regression

DecisionTreevs.LinearRegressionDecisiontreesandlinearregressionarebothsupervisedmachinelearningtechniques
土豆羊626·2025-06-08 15:35

【大模型实践解惑】 如何在 Supervised Fine‑Tuning (SFT) 之后进行 Direct Preference Optimization (DPO) 微调？

关于在SFT之后进行DPO微调的技术解析与应用指南，结合国内外最新研究及实践案例，包含代码实现与未来优化方向：文章目录DPO的核心原理与SFT的局限性1.1SFT的瓶颈与偏好学习的必要性1.2DPO的数学基础与优化目标DPO与SFT的国内外典型应用2.1代码生成优化：北大CodeDPO框架2.2长文本LLM对齐：清华LongReward2.3自动驾驶决策规划：地平线AlphaDriveDPO微调全
云博士的AI课堂·2025-06-08 10:28

免费无限使用GPT Plus、Claude Pro、Grok Super、Deepseek满血版

渗透智能-ShirtAI，可以免费无限使用GPTPlus、ClaudePro、GrokSuper、Deepseek满血版、除此之外还能免费使用AI搜索、GeminiAI、AI照片修复、AI橡皮擦、AI去背景
小R资源·2025-06-08 00:15

解释半监督学习（Semi-Supervised Learning）的概念和方法（面试题200合集，中频、实用）

半监督学习（Semi-SupervisedLearning,SSL）是机器学习领域中一个至关重要的分支，它巧妙地结合了监督学习和无监督学习的特点，旨在利用少量标记数据和大量未标记数据来进行学习。
快撑死的鱼·2025-06-07 09:38

一篇文章理解Source-Free Domain Adaptation（SFDA）

这篇文章将从TransferLearning→DomainAdaptation→UnsupervisedDomainAdaptation→Source-FreeDomainAdaptation的顺序进行讲解一
2501_92336788·2025-06-06 15:32

【PhysUnits】15.10 类型级别的乘法运算(mul.rs)

usecore::ops::{Mul,Neg};usesuper::basic::{Z0,P1,N1,B0,B1,Integer,NonZero};usesuper::add::Add;//======
liuyuan77·2025-06-05 20:25

CLIP论文阅读：Learning Transferable Visual Models From Natural Language Supervision

介绍CLIP是OpenAI2021年的工作，思想比较简单，利用对比学习的思想将图文特征对齐，完成一些理解型任务。他的训练数据是400milion图文对。最大的贡献是为大家提供了这样一个经过对齐的视觉特征提取模型，后续很多工作中视觉提取模型都是利用CLIP训练的VIT。全文太长了，写的很仔细，比较难懂。只读了实验部分之前的。记录的是对原文翻译进行简单总结的内容。摘要~~~~~~目前一些图像分类模型在
pureblacker·2025-06-05 07:32

CLIP论文笔记：Learning Transferable Visual Models From Natural Language Supervision

导语会议：ICML2021链接：https://proceedings.mlr.press/v139/radford21a/radford21a.pdf当前的计算机视觉系统通常只能识别预先设定的对象类别，这限制了它们的广泛应用。为了突破这一局限，本文探索了一种新的学习方法，即直接从图像相关的原始文本中学习。本文开发了一种简单的预训练任务，通过预测图片与其对应标题的匹配关系，从而有效地从一个包含4亿
Q同学的nlp笔记·2025-06-05 07:30

CLIP: Learning Transferable Visual Models From Natural Language Supervision学习笔记

文章目录1.预训练阶段2.zero-shot推理阶段3.模型整体结构的伪代码4.训练AlecRadford,JongWookKimet.al.PMLR,2021.(Citations6185)CLIP（ContrastiveLanguage-ImagePretraining）是一种基于对比学习的模型，由OpenAI提出。它是一种多模态模型，旨在将自然语言和图像进行联合建模，实现图像和文本之间的语义
sky赞·2025-06-05 07:58

[论文阅读笔记] Learning Transferable Visual Models From Natural Language Supervision

Abstract将LLM带来的语言zero-shot能力扩展到图像领域，让图像pretrain不再局限于由数据集定义的类别，从而大幅度提升在downstream任务zero-shot的精度。文章提供了从零预训练的CLIP模型，用以训练的大数据集，以及基于对比学习的对齐方案。IntroductionNLP领域下，使用大量数据pretrain>使用高质量标注数据集。→\rightarrow→CV是否也
Heartache Doctor·2025-06-05 07:28

linux（centos7）实现NFS 共享文件夹

开通防火墙端口：2049第二步：客户端配置1.安装NFS客户端2.创建挂载点3.挂载NFS共享4.自动挂载（可选）测试共享注意事项错误一：mount:wrongfstype,badoption,badsuperblockon221
挑战者666888·2025-06-04 16:32

【图像超分】论文复现：轻量化超分 | FMEN的Pytorch源码复现，跑通源码，整合到EDSR-PyTorch中进行训练、重参数化、测试

请先看【专栏介绍文章】：【超分辨率（Super-Resolution）】关于【超分辨率重建】专栏的相关说明，包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等
十小大·2025-06-04 13:10

java swing 晃动鼠标改变背景颜色

*;publicclasstestAextendsJFrame{testA(){super("晃动鼠标改变背景颜色");set
wu_android·2025-06-04 11:48

Sendable对象-Sendable使用规则与约束

正例：@SendableclassA{constructor(){}}@SendableclassBextendsA{constructor(){super()}}反例：clas
陆仟·2025-06-03 23:21

MySQL 的 super_read_only 和 read_only 参数

MySQL的super_read_only和read_only参数一、参数基本概念1.read_only参数作用：控制普通用户是否只能读取数据影响范围：所有非SUPER权限的用户默认值：OFF（可读写）
文牧之·2025-06-03 23:21

自动混合精度（AMP）训练在低版本显卡上的使用问题

AMPtrainingonNVIDIAGeForceGTX1660SUPERGPUmaycauseNaNlossesorzero-mAPresults,soAMPwillbedisabledduringtraining
shangjg3·2025-06-03 16:57

CUDA内存溢出问题解决方案

GTX1660SUPER只有6GB显存，在处理大型深度学习模型时确实容易遇到内存不足的问题。以下是几种解决方案：1.减少批量大小（BatchSize）这是最直接的方法，降低每个批次处理的样本数量：
shangjg3·2025-06-03 16:57

【PhysUnits】15.9 引入P1后的右移运算(shr.rs)

usesuper::basic::{Z0,P1,N1,B0,B1,NonZero,NonOne,Unsigned};usesuper::sub1::Sub1;usecore::ops::Shr;//==
liuyuan77·2025-06-03 08:03

Flutter 4.x 版本 webview_flutter 嵌套H5

import'package:webview_flutter/webview_flutter.dart';classHomePageextendsStatelessWidget{constHomePage({super.key
Jim-zf·2025-06-03 06:50

强化学习-深度学习和强化学习领域

在深度学习和强化学习领域，SFT（SupervisedFine-Tuning）和GRPO（可能指Gradient-basedPolicyOptimization或ReinforcementLearningwithPolicyOptimization
高效匠人·2025-06-03 04:38

SuperOneClick

http://shortfuse.org/http://forum.xda-developers.com/showthread.php?t=803682
iteye_3854·2025-06-02 22:20

CNN卷积网络：让计算机拥有“火眼金睛“（superior哥AI系列第4期）

CNN卷积网络：让计算机拥有"火眼金睛"（superior哥AI系列第4期）嗨！各位AI探索者们！上期我们搞懂了神经网络的基本原理，今天要进入一个更激动人心的领域——计算机视觉！️
superior tigre·2025-06-02 21:42

Gunicorn 配置参数详解

gunicorn示例#gunicorn.conf#并行工作进程数workers=4#指定每个工作者的线程数threads=2#监听内网端口5000bind='127.0.0.1:5000'#设置守护进程,将进程交给supervisor
传而习乎·2025-06-02 17:13
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他