序列 模型

什么是大语言模型的“幻觉”

使用ChatGPT的朋友应该遇到过这样的情况,模型有时候会答非所问甚至自相矛盾,这种情况被成为大语言模型的“幻觉”,即在处理和生成文本时出现的一些特定的错误或误解。这些幻觉可能源于模型对现实世界的理解不足、数据训练的偏差、或者算法本身的局限性。 出现幻觉的原因有几个方面: 1、数据训练偏差 LLM通 ......
幻觉 模型 语言

多模态大模型少样本自适应综述

前言 在医学成像和遥感等一些细粒度领域,多模态基础模型的性能往往不尽人意。因此,许多研究者开始探索这些模型的少样本适应方法,逐渐衍生出三种主要技术途径:1)基于提示的方法;2)基于适配器的方法;3)基于外部知识的方法。尽管如此,这一迅速发展的领域产生了大量结果,但尚无全面的综述来系统地整理研究进展。 ......
模态 样本 模型

大模型RAG之向量检索技术-结合LSTM模型编码

本文将介绍两种编码方式,一种直接采用bert进行编码query与待匹配数据;另一种将待匹配数据构造成key-value的形式,key表示从每个待匹配数据的概念或者抽象描述,value是对应的待匹配数据,将query和key进行编码,lstm从过query查询到key之后,就可以获取对应的value ......
模型 向量 编码 技术 LSTM

PV视角之3D检测模型Sparse4D系列

在自动驾驶视觉感知系统中,为了获得环绕车辆范围的感知结果,通常需要融合多摄像头的感知结果。比较早期的感知架构中,通常采用后融合的范式,即先获得每个摄像头的感知结果,再进行结果层面的融合。后融合范式主要的问题在于难以处理跨摄像头的目标(如大卡车),同时后处理的负担也比较大。而目前更加主流的感知架构则是 ......
视角 Sparse4D 模型 Sparse4 Sparse

什么是大模型RAG?RAG与funtionCalling的区别是什么?

大模型的RAG(Retrieval-Augmented Generation)与Function Calling都是用于增强大型语言模型(如GPT)的技术,但它们的工作原理和应用场景有所不同。 Retrieval-Augmented Generation (RAG): 原理:RAG结合了信息检索和文 ......
funtionCalling RAG 模型

模型类序列化器

1 原来用的Serilizer跟表模型没有直接联系, 模型类序列化器ModelSerilizer,跟表模型有对应关系 2 使用 class BookModelSerializer(serializers.ModelSerializer): class Meta: model=表模型 # 跟哪个表模型 ......
序列 模型

【略读论文|大模型相关】Zero-Shot Relational Learning on Temporal Knowledge Graphs with Large Language Models

时间:2023 学校:慕尼黑大学 创新点: 1.据我们所知,这是第一个试图在TKGF背景下研究零射击关系学习的工作。 2.我们设计了一种基于llm的方法zrLLM,并设法在零射击关系推理中增强各种基于嵌入的TKGF模型。 3.实验结果表明,zrLLM有助于大大提高所有考虑的TKGF模型对包含未见零射 ......

星型模型&雪花模型

数据集市(Data Mart)也有称ADS(Application Data Store),数据集市将主题层和基础层的数据按照各业务的实际需求进行聚合,形成宽表或数据立方体(Cube),可直接供业务部门和数据分析团队使用。 数据集市中主要存在的是事实表(fact)和维度表(dimension)。 事 ......
模型 雪花 amp

R语言GARCH族模型:正态分布、t、GED分布EGARCH、TGARCH的VaR分析股票指数|附代码数据

全文链接:http://tecdat.cn/?p=31023 最近我们被客户要求撰写关于GARCH族模型的研究报告,包括一些图形和统计输出。 如何构建合适的模型以恰当的方法对风险进行测量是当前金融研究领域的一个热门话题 ( 点击文末“阅读原文”获取完整代码数据******** )。 VaR方法作为当 ......
正态分布 模型 指数 语言 代码

Python用 tslearn 进行时间序列聚类可视化

全文链接:https://tecdat.cn/?p=33484 原文出处:拓端数据部落公众号 我们最近在完成一些时间序列聚类任务,偶然发现了 tslearn 库。我很想看看启动和运行 tslearn 已内置的聚类有多简单,结果发现非常简单直接。 首先,让我们导入我们需要的库: import pand ......
时间序列 序列 tslearn 时间 Python

【C#】[Serializable]的作用 序列化--01

定义:序列化 (Serialization)将对象的状态信息转换为可以存储或传输的形式的过程。在序列化期间,对象将其当前状态写入到临时或持久性存储区。以后,可以通过从存储区中读取或反序列化对象的状态,重新创建该对象(百度百科) 序列化的目的:1、以某种存储形式使自定义对象持久化;2、将对象从一个地方 ......
序列 Serializable 作用 01

Python中关于对象序列化实现和原理

pickle模块可以实现任意的Python对象转换为一系列字节(即序列化对象)的算法。这些字节流可以被传输或存储,接着也可以重构为—个和原先对象具有相同特征的新对象。 注意: pickle的文档清晰的表明它不提供安全保证。实际上,反序列化后可以执行任意代码,所以慎用 pickle来作为内部进程通信或 ......
序列 原理 对象 Python

欧拉序列

欧拉路和欧拉回路 欧拉路 经过图中所有边恰好一次的通路就被称为欧拉通路或者欧拉路 感觉这一块的算法会用到dfs 欧拉回路 经过图中所有边恰好一次的回路可以被称为欧拉回路 无向图 对于无向图G,G中存在欧拉回路当且仅当G中所有度非0的点都是联通的,且没有奇数度数的点 这里科普一下什么是度:包括一个点的 ......
序列

AI_NLP以及SAM的理解-分割模型

机器学习 一般机器学习分为有监督学习,无监督学习和强化学习 无监督学习 Unsupervised Learning Self-Supervised Learning,又称为自监督学习 -Self-Supervised Learning 的核心思想 Masked Autoencoders Are Sc ......
模型 AI_NLP NLP SAM AI

C# 使用protobuf序列化反序列化数据

protobuf是谷歌的一个序列化数据结构的协议,性能高,存储占用小 经过我的测试对比 1,最慢的是C#内置的BinaryFormatter,这个玩意能不用则不用 2,然后是json,用起来很方便,比BinaryFormatter快了1-2倍 3,接下来就是protobuf,不过需要给类的成员加上特 ......
序列 protobuf 数据

用一张图片测试几个大模型的看图理解,文心一言表现不佳,通义千问了解最到位!

样图如下: 用上面的图片,在几个主流的AI大模型中进行识别理解,最终的理解各有不同。 不过最让我意外的是 文心一言 居然理解的最不到位! 下图是文心一言的看图理解: 下图是通义千问的看图理解: 下图是讯飞星火的看图理解: 大家觉得哪一个理解的最到位????? ......
文心 模型 图片

使用docker搭建deepspeed多机多卡分布式微调大模型环境

前置环境:两台可以互通的centos服务器(服务器1、服务器2),docker,NVIDIA驱动 docker创建overlay共享网络 1)选用服务器1作为manage节点进行初始化,执行docker swarm init Swarm initialized: current node (ly4d ......
分布式 deepspeed 模型 环境 docker

公共仓库元模型(CWM)(转)

转自:https://www.jianshu.com/p/21207b50084a 一、什么是CWM? 在我们学习一个新东西时,首先得弄懂明白它是用来干什么的?然后通过实例与理论交错学习,CWM——Common Warehouse Metamodel, 很明显翻译过来时公共仓库元模型,CWM的提出主 ......
仓库 模型 CWM

批量生成AF2预测的mCherry+split intein序列

所需文件列表: 文件介绍: (1)Junction_seqences.dat为连接序列,其格式如下: (2)Seq_of_IntN.dat为Intein的N端序列,其格式如下: (3)Seq_of_IntC.dat为Intein的C端序列,其格式如下: (4)./seq_for_predict/ 为 ......
序列 mCherry intein split AF2

Atlas关系型数据库元数据模型

[ { "category": "ENTITY", "guid": "00b4a314-1185-4cd4-84e9-20275990d58d", "createdBy": "hadoop", "updatedBy": "hadoop", "createTime": 1615973091411, " ......
数据 模型 数据库 Atlas

使用知识图谱提高RAG的能力,减少大模型幻觉

在使用大型语言模型(llm)时,幻觉是一个常见的问题。LLM生成流畅连贯的文本,但往往生成不准确或不一致的信息。防止LLM产生幻觉的方法之一是使用提供事实信息的外部知识来源,如数据库或知识图谱。 向量数据库和知识图谱 向量数据库 向量数据库是表示实体或概念(如单词、短语或文档)的高维向量的集合。数据 ......
图谱 幻觉 模型 能力 知识

三维模型的几何坐标纠正应用探讨

三维工厂K3DMaker是一款三维模型浏览、分析、轻量化、顶层合并构建、几何校正、格式转换、调色裁切等功能专业处理软件。可以进行三维模型的网格简化、纹理压缩、层级优化等操作,从而实现三维模型轻量化。轻量化压缩比大,模型轻量化效率高,自动化处理能力高;采用多种算法对三维模型进行几何精纠正处理,精度高,... ......
坐标 几何 模型

P9744 「KDOI-06-S」消除序列

CSP前的晚自习本来想打板子的,但是没有做题的欲望,就来写题解了。 小清新 dp。 思路 先观察每一个操作,发现操作一最特殊,思考下它有什么性质。如果我们进行了一次以上的操作一,一定不是最优的。因为每次都会把前 \(i\) 个数都变成零,重复之后就会覆盖原来的操作,回到第一次操作的初始状态,这样前 ......
序列 P9744 9744 KDOI 06

序列化组件

作用: 1. 序列化,序列化器会把模型对象转换成字典,经过response以后变成json字符串 -Book--序列化器 >字典--同过drf:Response--》json格式字符串 >传给前端 2. 反序列化,把客户端发送过来的数据,经过request以后变成字典,序列化器可以把字典转成模型 j ......
序列 组件

鱼类识别系统Python+TensorFlow卷积神经网络算法模型+深度学习人工智能【计算机课设项目】

一、介绍 鱼类识别系统。使用Python作为主要编程语言开发,通过收集常见的30种鱼类('墨鱼', '多宝鱼', '带鱼', '石斑鱼', '秋刀鱼', '章鱼', '红鱼', '罗非鱼', '胖头鱼', '草鱼', '银鱼', '青鱼', '马头鱼', '鱿鱼', '鲇鱼', '鲈鱼', '鲍鱼' ......

Windows11下私有化部署大语言模型实战 langchain+llama2

一、本机环境 1.硬件环境: CPU:锐龙5600X 显卡:GTX3070 内存:32G 注:硬件配置仅为博主的配置,不是最低要求配置,也不是推荐配置。 2.软件环境: Windows系统版本:Win11专业版23H2 Python版本:3.11 Cuda版本:12.3.2 VS版本:VS2022 ......
实战 langchain 模型 Windows 语言

使用PyTorch实现去噪扩散模型

在深入研究去噪扩散概率模型(DDPM)如何工作的细节之前,让我们先看看生成式人工智能的一些发展,也就是DDPM的一些基础研究。 VAE VAE 采用了编码器、概率潜在空间和解码器。在训练过程中,编码器预测每个图像的均值和方差。然后从高斯分布中对这些值进行采样,并将其传递到解码器中,其中输入的图像预计 ......
模型 PyTorch

Django quertset、set的序列化

一、几种序列化 import json # 序列化queryset def xuliehuaQueryset(request): querylist = models.LsTable.objects.all() querylist_json = serializers.serialize("json ......
序列 quertset Django set

根据语音生成全身姿态;基于变分贝叶斯框架的VAE模型;CFG是一种隐式的Perceptual Loss!

本文首发于公众号:机器感知 根据语音全身姿态;基于变分贝叶斯框架的VAE模型;CFG是一种隐式的Perceptual Loss! Diffusion Model with Perceptual Loss 本文研究了扩散模型在生成样本时的质量问题,作者发现使用均方误差损失训练的模型生成的样本往往不真实 ......
Perceptual 姿态 框架 语音 模型

首次引入大模型!Bert-vits2-Extra中文特化版40秒素材复刻巫师3叶奈法

Bert-vits2项目又更新了,更新了一个新的分支:中文特化,所谓中文特化,即针对中文音色的特殊优化版本,纯中文底模效果百尺竿头更进一步,同时首次引入了大模型,使用国产IDEA-CCNL/Erlangshen-MegatronBert-1.3B大模型作为Bert特征提取,基本上完全解决了发音的ba ......
巫师 Bert-vits 素材 模型 Extra
共4690篇  :3/157页 首页上一页3下一页尾页