yolov3训练

基于机器学习的反反爬策略实战：用Python智能破解反爬机制

本文将基于Python，详细介绍如何结合机器学习技术，设计并实现智能反反爬策略，从数据采集、特征提取、模型训练到动态策略调整，给出完整代码示例，助力爬虫工程师提升反爬对抗能力。1.反爬
Python爬虫项目·2025-06-01 08:17

训练中常见的运动强度分类

概述有氧运动是耐力基础，乳酸阈值是耐力突破的关键，提升乳酸阈值可以延缓疲劳，无氧运动侧重速度和力量，混氧和最大摄氧量用于细化训练强度和评估潜力。
具身小站·2025-06-01 07:44

BERT分类器和朴素贝叶斯分类器比较

一、核心原理对比维度预训练模型（如BERT）朴素贝叶斯分类器模型类型深度学习模型，基于Transformer架构，通过大规模无监督预训练学习语言表示。
非小号·2025-06-01 07:13

深度学习模型更新公式全解析：从原理到训练调优

在深度学习模型训练中，一个看似简单的公式，其实蕴含了整个优化与学习的核心机制：new_params=old_params−η⋅∂L∂θnew\_params=old\_params-\eta\cdot\
Joker 007·2025-06-01 07:12

YOLOv11小白的进击之路（七）训练输出日志解读以及训练OOM报错解决办法

YOLO训练输出日志解读我们在进行训练时，在控制台会输出如下图所示的YOLO训练输出日志：我们逐一来分析，从左到右每列通常代表以下信息：Epoch:当前训练已进行的轮数和总轮数。
水静川流·2025-06-01 06:34

ResNet系列和ViT系列预训练模型权重文件下载

一、简单介绍OpenAICLIP项目提供的预训练模型权重文件列表，主要包含两种架构系列和不同规模配置：ResNet系列(RN)基础版本：RN50（ResNet-50）扩展版本：RN50x4、RN50x16
水静川流·2025-06-01 06:34

大模型核心技术及架构解析

基础架构技术技术说明代表应用Transformer自注意力机制基础架构GPT,BERTMoE架构混合专家模型GoogleSwitchTransformer递归结构长序列处理改进Transformer-XL2.关键训练技术
阿湯哥·2025-06-01 05:28

【Python打卡Day23】管道/流水线工程 @浙大疏锦行

在机器学习中，通常会按照一定的顺序对数据进行预处理、特征提取、模型训练和模型评估等步骤，以实现机器学习模型的训练和评估。
可能是猫猫人·2025-06-01 05:27

代码随想录算法训练营Day30 | 452. 用最少数量的箭引爆气球 435. 无重叠区间 763.划分字母区间

452.用最少数量的箭引爆气球问题描述：有一些球形气球贴在一堵用XY平面表示的墙面上。墙面上的气球记录在整数数组points，其中points[i]=[xstart,xend]表示水平直径在xstart和xend之间的气球。你不知道气球的确切y坐标。一支弓箭可以沿着x轴从不同点完全垂直地射出。在坐标x处射出一支箭，若有一个气球的直径的开始和结束坐标为xstart，xend，且满足xstart≤x≤
I won.·2025-06-01 04:21

代码随想录算法训练营Day35 | 01背包问题 二维 01背包问题 一维 416. 分割等和子集

01背包问题二维/01背包问题一维问题描述：小明是一位科学家，他需要参加一场重要的国际科学大会，以展示自己的最新研究成果。他需要带一些研究材料，但是他的行李箱空间有限。这些研究材料包括实验设备、文献资料和实验样本等等，它们各自占据不同的空间，并且具有不同的价值。小明的行李空间为N，问小明应该如何抉择，才能携带最大价值的研究材料，每种研究材料只能选择一次，并且只有选与不选两种选择，不能进行切割。解决
I won.·2025-06-01 04:21

代码随想录算法训练营 Day62 总结篇 开始的结束

感悟总结磕磕绊绊跟完了一刷，转眼两个月过去了。感谢有卡哥系统化的课程让学习难度降低不少，也算是领着我到算法世界门口多看了几眼，感谢一路上卡哥的付出o7一刷仅仅是开始的结束，要想熟练掌握算法的道还需久久为功，坚持总结归纳直到完全掌握。一路博客记录下来，如今来看也没白费，哈哈。在这里感谢你的观看，祝你做任何事情都有坚持到底的决心，不要放弃！刷题常回顾，不回顾只有短期记忆刷题必须要手动推理，才能记忆更牢
JK0x07·2025-06-01 03:43

代码随想录训练营 Day62打卡 图论part11 Floyd 算法 A * 算法

代码随想录训练营Day62打卡图论part11Floyd算法例题：卡码97.小明逛公园题目描述小明喜欢去公园散步，公园内布置了许多的景点，相互之间通过小路连接，小明希望在观看景点的同时，能够节省体力，走最短的路径
那一抹阳光多灿烂·2025-06-01 02:42

NanoGPT的BenchMarking.py

在深度学习领域，它通常涉及对模型的训练速度、推理速度、内存占用等指标进行测量，以便评估不同模型、不同硬件配置或者不同软件版本之间的性能差异。
2301_80365274·2025-06-01 02:40

【代码解析】用PyTorch实现混合专家（MoE）语言模型

最近，DeepSeek-V2作为一个强大的开源MoE语言模型，以其创新的Transformer架构实现了经济高效的训练和推理，引起了社区的极大兴趣。
Kaydeon·2025-06-01 01:05

python笔面试题汇总

1.如何利用SciKit包训练一个简单的线性回归模型利用linear_model.LinearRegression()函数#Createlinearregressionobjectregr=linear_model.LinearRegression
IT-博通哥·2025-06-01 00:54

法律AI大模型与：应用原理、技术演进和实际案例

目录编辑摘要1.引言2.法律AI模型的核心原理2.1自注意力机制的法律应用2.2法律任务特定公式2.3位置编码与法律文本结构3.从通用模型到法律专用AI的演进3.1模型架构演进3.2训练流程优化4.法律
七刀·2025-06-01 00:53

仍有用武之地：LSTM强于Transformer的场景

Transformer的优势主要在于自注意力机制，可以捕捉长距离依赖，并行计算能力强，训练速度快。
xsddys·2025-05-31 19:47

机器学习笔记【Week6】

一、模型结果下一步训练模型得到结果后，常面临：模型性能不理想，下一步如何改进？通过对训练误差和验证误差的观察，判断是高偏差（欠拟合）还是高方差（过拟合）。
kuiini·2025-05-31 18:45

Prompt Tuning与自然语言微调对比解析

输入提示词自然语言微调本质优化连续向量空间中的提示嵌入（不可直接阅读）优化离散自然语言文本（人类可理解）操作对象模型输入嵌入层的连续向量（如WordEmbedding）自然语言文本字符串（如“请判断：{text}”）训练方式端到端梯度下降
ZhangJiQun&MXP·2025-05-31 18:39

《重新定义高效微调：QLoRA 4位量化的颠覆式创新解析》

在微调过程中，频繁出现的内存不足错误，导致训练进程被迫中断；而漫长的计算时间，不仅耗费大量的人力、物力，还使得研究
程序猿阿伟·2025-05-31 17:34

DAY40

作业：规范写法彩色和灰度图片测试和训练的规范写法：封装在函数中importtorchimporttorch.nnasnnimporttorch.optimasoptimfromtorchvisionimportdatasets
h303086·2025-05-31 17:01

day39 图像数据与显存

知识点回顾图像数据的格式：灰度和彩色数据模型的定义显存占用的4种地方模型参数+梯度参数优化器参数数据批量所占显存神经元输出中间状态batchisize和训练的关系作业：今日代码较少，理解内容即可importtorchimporttorch.nnasnnimporttorch.optimasoptimfromtorch.utils.dataimportDataLoaderfromtorchvisio
MasterLLL0228·2025-05-31 17:00

Python打卡训练营Day40

DAY40训练和测试的规范写法知识点回顾：彩色和灰度图片测试和训练的规范写法：封装在函数中展平操作：除第一个维度batchsize外全部展平dropout操作：训练阶段随机丢弃神经元，测试阶段eval模式关闭
我想睡觉261·2025-05-31 16:29

英语六级-翻译篇

我自己做了这篇翻译题，再对答案译文进行分析和总结，在分析中也是查了很多句式和单词拓展，尽量是按照答案的思路去训练翻译思路，这里面融入了自己的理解和看法，可能存在一些笔误，也可能比较片面，希望各位包容包容
潇-xiao·2025-05-31 15:24

【ASR】基础端到端语音识别工具包：FunASR

FunASR提供在大规模工业语料库上训练的模型以及将它们部署到应用程序中的能力。
木亦汐丫·2025-05-31 15:20

Python打卡训练营学习记录Day38

知识点回顾图像数据的格式：灰度和彩色数据模型的定义显存占用的4种地方模型参数+梯度参数优化器参数数据批量所占显存神经元输出中间状态batchisize和训练的关系"""DAY39图像数据与显存本节主要介绍深度学习中的图像数据处理和显存管理
FanfanPyt·2025-05-31 14:15

Python打卡训练营学习记录Day36

作业：对之前的信贷项目，利用神经网络训练下，尝试用到目前的知识点让代码更加规范和美观。importpandasaspd#用于数据处理和分析，可处理表格数据。
FanfanPyt·2025-05-31 14:45

基于Python的BP神经网络 XOR模拟器

基于Python的BP神经网络XOR模拟器的研究目的在于深入理解BP神经网络的工作原理、训练过程及其在解决非线性分类问题上的能力。
sj52abcd·2025-05-31 13:34

Emlog Pro 任意文件上传漏洞（CVE-2023-44974）

应急响应靶机训练-Web1漏洞原理/admin/plugin.php中存在任意文件上传漏洞使得攻击者能够通过上传构建的PHP文件来执行任意代码漏洞利用webshell上传（PHP木马）影响版本EmlogPro2.2.0
Point13reak·2025-05-31 13:04

Python中LLM的训练数据隐私保护：同态加密与安全多方计算

文章目录1.同态加密的基本原理1.1同态加密的分类1.2同态加密的Python实现2.安全多方计算的基本原理2.1SMPC的分类2.2SMPC的Python实现3.同态加密与安全多方计算在LLM训练中的应用
二进制独立开发·2025-05-31 12:29

Python打卡训练营day38——2025.05.27

作业：了解下cifar数据集，尝试获取其中一张图片importtorchimporttorch.nnasnnimporttorch.optimasoptimfromtorch.utils.dataimportDataLoader,Dataset#DataLoader是PyTorch中用于加载数据的工具fromtorchvisionimportdatasets,transforms#torchvis
莱茵菜苗·2025-05-31 12:29

Python打卡训练营day38——2025.05.27

知识点回顾：Dataset类的__getitem__和__len__方法（本质是python的特殊方法）Dataloader类minist手写数据集的了解作业：了解下cifar数据集，尝试获取其中一张图片importtorchimporttorch.nnasnnimporttorch.optimasoptimfromtorch.utils.dataimportDataLoader,Dataset#
莱茵菜苗·2025-05-31 12:29

Python打卡训练营day39——2025.05.29

importlightgbmaslgbfromsklearn.metricsimportroc_auc_score,confusion_matrix,classification_reportimportmatplotlib.pyplotaspltimportseabornassns#创建LightGBM数据集train_data=lgb.Dataset(X_train,label=y_train
莱茵菜苗·2025-05-31 12:29

Python打卡训练营day36——2025.05.25

importtorchtorch.cudaimporttorch#检查CUDA是否可用iftorch.cuda.is_available():print("CUDA可用！")#获取可用的CUDA设备数量device_count=torch.cuda.device_count()print(f"可用的CUDA设备数量:{device_count}")#获取当前使用的CUDA设备索引current_d
莱茵菜苗·2025-05-31 12:59

Python打卡训练营day31——2025.05.20

知识点回顾规范的文件命名规范的文件夹管理机器学习项目的拆分编码格式和类型注解作业：尝试针对之前的心脏病项目，准备拆分的项目文件，思考下哪些部分可以未来复用。导入依赖库#忽视警告importwarningswarnings.simplefilter('ignore')#数据处理importnumpyasnpimportpandasaspd#数据可视化importmatplotlib.pyplotas
莱茵菜苗·2025-05-31 12:29

Python打卡训练营day21——2025.05.10

LDA线性判别PCA主成分分析t-sne降维降维技术的应用场景与主要用途降维技术广泛应用于多个领域，尤其是在数据分析、机器学习和数据可视化中扮演着重要角色。通过减少数据的维度，不仅可以降低计算复杂度，还能帮助揭示隐藏在高维数据中的结构和模式1。应用场景数据预处理：在构建机器学习模型之前，降维可以去除冗余特征并提高模型性能。数据压缩：通过保留最重要的信息来减小存储需求和传输成本。噪声过滤：某些降维方
莱茵菜苗·2025-05-31 12:58

【论文翻译】目标检测Fast R-CNN论文翻译

相比于之前的工作，FastR-CNN应用了几个创新点来提高了训练与测试速度，也增加了检测准确度。
Ziko_AI·2025-05-31 11:24

斯坦福人工智能突破：结构递归神经网络用于 时空领域图像中的深度学习

我们开发了一种可随意扩展时空图像的办法，这是一种正反馈、差异化高、可同步训练的RNN混合网络。这种方法是通用的，通
baobei0112·2025-05-31 10:14

打卡day40

知识点回顾图像数据的格式：灰度和彩色数据模型的定义显存占用的4种地方模型参数+梯度参数优化器参数数据批量所占显存神经元输出中间状态batchisize和训练的关系#先继续之前的代码importtorchimporttorch.nnasnnimporttorch.optimasoptimfromtorch.utils.dataimportDataLoader
文莉wenliii·2025-05-31 10:43

ResNet 经典网络详解：深度学习中的革命性突破（含代码）

ResNet：解决深度网络训练难题的核心技术在深度学习的发展历程中，ResNet（残差网络）是一个重要的突破。它成功解决了深层神经网络训练中的梯度消失问题，使得深度模型能够达到更好的性能。
murphymeng2001·2025-05-31 09:38

AI大模型安全挑战和安全要求解读

大模型，作为深度学习领域的杰出代表，通过海量数据的训练，拥有了惊人的语言理解、图像识别等能力，极大地推动了人工智能技术在各个领域的创新应用。然而，这一技术的强大能力同时也带来了潜在的威胁。
网宿安全演武实验室·2025-05-31 08:31

【论文阅读】Federated Large Language Model : A Position Paper

联邦大模型的两种学习方式两种非常直观的方法：一种是从头训练，一种是利用私有数据集进行微调。优劣也非常直观：第一种方法允许特定任务的模型
只说人话绝不装逼·2025-05-31 07:55

AI时代新词-大模型（Large Language Model）

它通过海量的文本数据进行训练，学习语言的模式、语法和语义，从而能够生成自然流畅的文本内容。大模型的核心在于其庞大的参数规模，这些参数使得模型能够捕捉到语言的细微差别和复杂性。
明似水·2025-05-31 07:54

BERT模型原理与Fine-tuning实战指南

（收藏）：https://www.captainbed.cn/flu文章目录BERT模型原理与Fine-tuning实战指南摘要引言1.BERT核心原理解析1.1Transformer架构基础1.2预训练任务设计
layneyao·2025-05-31 06:44

【Pytorch实用教程】【分布式】torch.utils.data.distributed.DistributedSampler用法介绍

文章目录基本用法构造方法使用示例说明`set_epoch`方法典型场景torch.utils.data.distributed.DistributedSampler是PyTorch中用于分布式训练的一个采样器
若北辰·2025-05-31 04:59

【diffusers 进阶之 PEFT 入门（五）】LoRA 权重如何接着训练？踩坑总结和解决方案

系列文章目录【diffusers进阶之PEFT入门（一）】inject_adapter_in_model详解【diffusers进阶之PEFT入门（二）】LoraConfig如何处理lora_config参数的？【diffusers进阶之PEFT入门（三）】BaseTunerLayer与set_adapter【diffusers进阶之PEFT入门（四）】load_lora_weight的踩坑总结以
多恩Stone·2025-05-31 03:49

【自然语言处理与大模型】大模型（LLM）基础知识⑤

从训练数据净化、RLHF对齐、实时过滤三层技术防线入手，同时建立人工审核-用户反馈-版本回滚的流程闭环，最后通过法规映射和日志审计满足制度合规。
小oo呆·2025-05-31 01:42

【代码训练营Day03】链表part1

文章目录链表基础理论移除链表元素设计链表反转链表链表基础理论几个需要关注的知识点：链表与数组的不同之处就在于：链表在内存中不一定是连续的，可以是离散存储的，他们之间通过指针进行连接。这也就决定了链表是不能随机查询的，只能通过指针顺藤摸瓜进行顺序查询。在数组中删除和添加操作会影响到后续的所有元素，而链表是通过指针链接，我们在删除和添加的时候，是对指针所指元素进行修改。数组的长度在初始化的时候就已经定
十八岁讨厌编程·2025-05-31 00:35

代码训练营day1 数组part01

704.二分查找文档讲解：代码随想录视频讲解：手把手带你撕出正确的二分法|二分查找法|二分搜索法|LeetCode：704.二分查找_哔哩哔哩_bilibili第一遍做就是暴力，还多此一举以中间位置的元素将数组划分，然后去遍历得到目标元素的下标，花了33分钟，既没有使用二分法也不如直接去遍历得到结果。后面根据卡哥的资料认真看了一下二分法的思路然后重新按照左闭右开、左开右闭做了一遍，对这个题目还是没
冲帕Chompa·2025-05-31 00:03

算法训练营 Day2 数组part02

一、209.长度最小的子数组使用滑动窗口法，for循环里的变量是区间终点，for循环中用while逐步缩小区间，知道区间和小于target，终点继续向后移动classSolution{public:intminSubArrayLen(inttarget,vector&nums){intresult=INT32_MAX;inti=0;intsum=0;intsubLength=0;for(intj=
qq_42826821·2025-05-31 00:03
上一页 28 29 30 31 32 33 34 35 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他