526互联

流水线 深度 逻辑 模型

园子的商业化努力：今晚8点有一场直播《大模型训练数据的一些事》

今晚8点有一场直播《大模型训练数据的一些事》，欢迎大家加下面的企业微信（行行人才小秘书）到时观看直播。园子最近推出的直播是行行AI人才运营的主要内容，行行AI人才是园子商业化努力的重要一步，是园子和园子的天使投资方顺顺智慧成立新公司共同运营的新业务。 ......
园子 模型 商业 数据

构件组装模型

模型的过程是： 先进行需求分析和定义，接着是设计构件组装：在整体上考虑，建立构件库：根据构件标准获取或管理构件，构件应用程序 ，测试与发布。 优点是，易扩展、重用，成本低、灵活 缺点是，需要经验丰富的设计人员，强调重用可能牺牲性能指标，第三方构件不可控 ......
构件 模型

什么时候需要微调你的大模型（LLM）？

前言 在AI盛起的当下，各类AI应用不断地出现在人们的视野中，AI正在重塑着各行各业。相信现在各大公司都在进行着不同程度的AI布局，有AI大模型自研能力的公司毕竟是少数，对于大部分公司来说，在一款开源可商用的大模型基础上进行行业数据微调也正在成为一种不错的选择。 本文主要用于向大家讲解该如何微调你的 ......
模型 时候 LLM

一篇一个CV模型，第(1)篇：StyleGAN

写在前面： 虽说自己肯定对外宣称自己是搞CV的，但是其实在自己接近两年半（🐔）的研究生生涯中，也没有熟练掌握过很多个CV领域的模型，或者说是CV领域的概念。我认为这个东西是必须得补的，不然作为CV算法工程师是肯定要被淘汰的。目前激发自己研究和学习热情的最好方式还是经营自己小小的博客，因此想开一个系 ......
StyleGAN 模型

深度Q网络：DQN项目实战CartPole-v0

摘要：相比于Q learning，DQN本质上是为了适应更为复杂的环境，并且经过不断的改良迭代，到了Nature DQN（即Volodymyr Mnih发表的Nature论文）这里才算是基本完善。 本文分享自华为云社区《强化学习从基础到进阶-案例与实践[4.1]：深度Q网络-DQN项目实战CartP ......
CartPole-v 实战 深度 CartPole 项目

V模型

v模型就是测试贯穿始终的开发模型， 它是提前做测试计划， v模型分几个阶段 需求分析、概要设计、详细设计、编码 而对标的测试是 验收测试、系统测试，集成设计，单元测试。 概要设计主要是分子系统，所以集成测试就是测系统的各个调用接口。 ......
模型

多分类模型训练使用交叉熵损失的一个注意的点

使用交叉熵损失的网络模型最后一层不要用softmax，交叉熵损失函数会在计算的时候做softmax，如果用了会导致模型训练异常， 如果模型最后一层有softmax，则损失函数要写成 loss_fun = nn.NLLLoss() x = model(data) loss = loss_fun(tor ......
模型 损失

原型模型

瀑布模型是 1需求分析、2软件设计、3程序设计、4编码实现、5单元测试、6集成测试、7系统测试、8运行维护 原型模型通过瀑布模型的123过程构建一个原型来获取需求。 让客户体验，然后对原型进行更改从而得到需求。 所以原型模型一般用来获取需求，弥补了瀑布模型的缺陷1：需求不明确 原型模型两个阶段：原型 ......
原型 模型

Dora AI：支持3D模型的网站生成工具

Dora AI有什么魔力能在竞争激烈的Product Hunt月榜上强势登顶？我尝试从产品和运营两个方面分析下Dora AI这次的成功。 产品 Dora的本体乍看像一款3D网站编辑器，主页面和Webflow等传统设计或建站工具有点类似，都由一块空白画布和四周的功能区组成，可以在画布上添加各种图片、文 ......
模型 工具 网站 Dora

瀑布模型

瀑布模型是指软件开发过程类似瀑布从上直下，一条线没有回头。 它的特点是：开发过程阶段明确，上下阶段联系紧密，一个阶段的输出是下一个阶段的输入，每个阶段必须完成才能进入下一个阶段，只适合需求的明确的项目 它的缺点是： 软件需求完整性、正确性难明确：很难做到需求完整和正确，因为现实中需求是随时有调整的， ......
瀑布 模型

软件过程模型概况

软件过程模型就是软件开发过程中遵循的流程、方法、标准、规范、思想等等所形成的模板。 目前的常用的软件过程模型有以下几种： 瀑布模型 V模型（瀑布模型的变种） 原型模型 螺旋模型（原型+瀑布） 构件组装模型/基于构件的开发方法 快速应用开发RAD（瀑布+构件组装） 统一过程/统一开发方法 敏捷开发方法 ......
概况 模型 过程 软件

【七】并发编程之IO模型

## 【七】并发编程之I/O模型 ### IO模型 ![](https://img2023.cnblogs.com/blog/2322215/202306/2322215-20230625082632167-534225902.png) ### 【一】前序知识回顾 为了更好地了解IO模型，我们需要事 ......
模型

Cpu0算术运算指令和逻辑运算指令

Cpu0算术运算指令和逻辑运算指令 算术和逻辑指令 7.3.1 算术和逻辑指令 首先增加了更多的Cpu0算术运算指令和逻辑运算指令，这些在各个优化步骤中存在的 DAG 转换过程，可以使用 Graphviz 来图形化显示，展示出更多的有效信息。应该专注于 C 代码的操作和LLVM IR之间的映射，以及 ......
指令 算术 逻辑 Cpu0 Cpu

strapi系列--如何建表并在原有官方自动生成的api基础上扩展接口，定制化自己的业务逻辑

## 为什么要进行后端定制呢？ 在实际开发过程中，项目中有些需求需要我们定制化自己的业务逻辑，那么我们该如何处理这个需求呢？本文以图文并茂的形式，基于原有官方自动生成的api，定制一个我们自己的业务逻辑接口。 ### Strapi后端的每个部分都可以定制: - Strapi服务器收到的请求 - 处理 ......
自动生成 逻辑 接口 业务 基础

物体检测的技术和算法：基于深度学习和图像处理

[toc] 20. 物体检测的技术和算法：基于深度学习和图像处理 随着人工智能的不断发展和计算机视觉技术的进步，物体检测已经成为了人工智能领域中非常重要的一个分支。物体检测是指通过对图像或视频进行自动检测，识别出物体所在的位置和类别，为后续的数据处理和应用提供支持。 在物体检测的技术和算法中，基于深 ......
图像处理 物体 算法 深度 图像

模型生成技术在医疗保健领域的应用：精准诊断和治疗

[toc] 1. 引言 在医疗保健领域，精准诊断和治疗一直是一个挑战。随着人工智能和机器学习技术的发展，模型生成技术开始被应用于医疗保健领域，以实现更精准诊断和治疗。本文将介绍模型生成技术在医疗保健领域的应用：精准诊断和治疗。 医疗保健是一个涉及众多学科和领域的领域，其中之一便是生物学和统计学。这些 ......
医疗保健 模型 领域 医疗 保健

机器学习和深度学习中的安全威胁和防御方法

[toc] 文章标题：《41. 机器学习和深度学习中的安全威胁和防御方法》 背景介绍 随着人工智能技术的不断发展，机器学习和深度学习技术已经被广泛应用于各种领域，如智能语音识别、自然语言处理、计算机视觉、推荐系统等。然而，这些技术也面临着一些安全问题，如模型偏见、数据泄露、攻击等。因此，对于机器学习 ......
深度 机器 方法

【教程】数据挖掘中的数据挖掘算法模型构建与设计

[toc] 数据挖掘中的数据挖掘算法模型构建与设计 随着大数据时代的到来，数据挖掘已经成为企业、政府机构以及学术界关注的热点领域。数据挖掘是指从大量数据中发现有价值的信息和规律，从而为企业、政府以及学术界提供决策支持和实际应用价值。在数据挖掘中，数据挖掘算法是实现数据挖掘的关键，其模型构建与设计是数 ......
数据挖掘 数据 算法 模型 教程

强化学习从基础到进阶-案例与实践[4.1]：深度Q网络-DQN项目实战CartPole-v0

# 强化学习从基础到进阶-案例与实践[4.1]：深度Q网络-DQN项目实战CartPole-v0 ## 1、定义算法 相比于Q learning，DQN本质上是为了适应更为复杂的环境，并且经过不断的改良迭代，到了Nature DQN（即Volodymyr Mnih发表的Nature论文）这里才算是基 ......
CartPole-v 实战 深度 CartPole 案例

强化学习从基础到进阶-常见问题和面试必知必答[4]：：深度Q网络-DQN、double DQN、经验回放、rainbow、分布式DQN

强化学习从基础到进阶-常见问题和面试必知必答[4]：：深度Q网络-DQN、double DQN、经验回放、rainbow、分布式DQN ......
DQN 分布式 深度 常见问题 常见

安装新版VS2022之后，添加EF实体模型没有生成对于的表格

1）找到vs2022安装路径中的EF6.Utility.CS.ttinclude.tt文件,需要去掉.tt后缀,然后再做以下修改【部分版本直接是EF6.Utility.CS.ttinclude则直接进入第二步】 2）修改EF6的实用程序EF6.Utility.CS.ttinclude文件,它默认的位 ......
实体 表格 模型 2022 VS

HBase数据模型

HBase是一个稀疏的多维度的映射表 列族（支持动态扩展，保留旧的版本） 做不到对数据进行修改，只能生成新的，标注时间。（不考虑冗余，追求分析效率，牺牲空间，来换取时间） 列限定符 时间戳： 数据坐标概念： 四个维度（行键，列族，列限定符，时间戳）确定唯一的值 概念视图 行式存储和列式存储 面向行的 ......
模型 数据 HBase

深度卷积神经网络（AlexNet）

# 1. AlexNet $2012$ 年，$AlexNet$ 横空出世。使用 $8$ 层卷积神经网络，赢得 $ImageNet\ 2012$ 图像识别挑战赛。 $AlexNet$ 网络结构： ![](https://img2023.cnblogs.com/blog/1235684/202306/1 ......
卷积 神经网络 深度 神经 AlexNet

PG数据存储结构：逻辑结构和物理存储结构

PG数据存储结构分为：逻辑结构和物理存储。 其中逻辑存储结构是内部的组织和管理数据的方式。物理存储结构是操作系统中组织和管理数据的方式。逻辑存储结构适用于不同的操作系统和硬件平台。 #逻辑结构 ![](https://img2023.cnblogs.com/blog/1412589/202306/1 ......
结构 逻辑 物理 数据

choices参数,MTV与MCV模型，多对多三种创建方式

choices参数(数据库字段设计常见) """ 用户表 性别 学历 工作经验 是否结婚 是否生子 客户来源 ... 针对某个可以列举完全的可能性字段，我们应该如何存储 只要某个字段的可能性是可以列举完全的，那么一般情况下都会采用choices参数 """ class User(models.Mod ......
模型 参数 choices 方式 MTV

2023.25 大模型和小模型

大模型通常指参数较多、层数较深的模型，它们具有更强的表达能力和更高的准确度，但也需要更多的计算资源和时间来训练和推理。常见的大型模型包括深度神经网络（DNN）、卷积神经网络（CNN）、循环神经网络（RNN）等。这些模型适用于数据量较大、计算资源充足的场景，例如云端计算、高性能计算、人工智能等。小模型 ......
模型 2023.25 2023 25

怎么让英文大预言模型支持中文？（一）构建自己的tokenization

代码地址：https://github.com/taishan1994/sentencepiece_chinese_bpe Part1前言 目前，大语言模型呈爆发式的增长，其中，基于llama家族的模型占据了半壁江山。而原始的llama模型对中文的支持不太友好，接下来本文将讲解如何去扩充vocab里 ......
tokenization 预言 模型

什么是大模型？

阅读本文之前，建议先阅读上一篇：什么是神经网络？ 本文由gpt4辅助撰写（gptschools.cn） 什么是大模型？ 模型是指具有大量参数的深度学习或机器学习模型，这些参数可以通过训练过程自动调整以捕获输入数据中的复杂关系。这类模型通常具有较深的网络结构和较多的神经元，以增加模型的表示能力和学习能 ......
模型

django之模型层

模版语法传值 {{}}:变量相关{%%}:逻辑相关 def index(request): # 模版语法可以传递的后端python数据类型 n = 123 f = 11.11 s = '我也想奔现' b = True l = ['小红','姗姗','花花','茹茹'] t = (111,222,33 ......
模型 django

模型剪枝：让深度学习模型更好地应对不同的任务和环境

[toc] 《模型剪枝：让深度学习模型更好地应对不同的任务和环境》 摘要： 本文介绍了深度学习模型剪枝技术，它是一种让深度学习模型更好地应对不同的任务和环境的有效方法。本文首先介绍了剪枝的概念和历史，然后讲解了深度学习模型剪枝的基本原理和技术方法，最后讨论了剪枝在实际应用中的优缺点和挑战。最后，本文 ......
模型 深度 任务 环境
共5400篇  :104/180页 首页上一页104下一页尾页