- NumPy（Numerical Python）是一个强大的Python库，用于进行科学计算和数值操作。它提供了高性能的多维数组对象（numpy.array）以及用于处理这些数组的各种函数。NumPy是许多数据科学和机器学习库的基础，如Pandas、SciPy和Scikit-learn等。本文将深入介绍NumPy库的使用，包括数组的创建、操作、数学运算、统计分析等方面。安装NumPy在使用Nu... NumPy（Numerical Python）是一个强大的Python库，用于进行科学计算和数值操作。它提供了高性能的多维数组对象（numpy.array）以及用于处理这些数组的各种函数。NumPy是许多数据科学和机器学习库的基础，如Pandas、SciPy和Scikit-learn等。本文将深入介绍NumPy库的使用，包括数组的创建、操作、数学运算、统计分析等方面。安装NumPy在使用Nu...
- 搜索推荐DeepFM算法详解：算法原理、代码实现、比赛实战 搜索推荐DeepFM算法详解：算法原理、代码实现、比赛实战
- @[toc] 摘要本文讲解如何实现VGGNet的剪枝操作。采用的剪枝方法是基于BN层系数gamma剪枝。本文用到的代码和数据集详见：https://download.csdn.net/download/hhhhhhhhhhwwwwwwwwww/88180649 剪枝的原理在一个卷积-BN-激活模块中，BN层可以实现通道的缩放。如下：BN层的具体操作有两部分：在归一化后会进行线性变换，那么当系... @[toc] 摘要本文讲解如何实现VGGNet的剪枝操作。采用的剪枝方法是基于BN层系数gamma剪枝。本文用到的代码和数据集详见：https://download.csdn.net/download/hhhhhhhhhhwwwwwwwwww/88180649 剪枝的原理在一个卷积-BN-激活模块中，BN层可以实现通道的缩放。如下：BN层的具体操作有两部分：在归一化后会进行线性变换，那么当系...
- @[toc]在上一篇文章中完成了前期的准备工作，见链接：MobileViG实战：使用MobileViG实现图像分类任务（一）这篇主要是讲解如何训练和测试 训练部分完成上面的步骤后，就开始train脚本的编写，新建train.py 导入项目使用的库在train.py导入import jsonimport osimport matplotlib.pyplot as pltimport torch... @[toc]在上一篇文章中完成了前期的准备工作，见链接：MobileViG实战：使用MobileViG实现图像分类任务（一）这篇主要是讲解如何训练和测试 训练部分完成上面的步骤后，就开始train脚本的编写，新建train.py 导入项目使用的库在train.py导入import jsonimport osimport matplotlib.pyplot as pltimport torch...
- NLP中的预训练模型语言模型演变经历的几个阶段word2vec/Glove将离散的文本数据转换为固定长度的静态词向量，后根据下游任务训练不同的语言模型ELMo预训练模型将文本数据结合上下文信息，转换为动态词向量，后根据下游任务训练不同的语言模型BERT同样将文本数据转换为动态词向量，能够更好地捕捉句子级别的信息与语境信息，后续只需对BERT参数进行微调，仅重新训练最后的输出层即可适配下游任... NLP中的预训练模型语言模型演变经历的几个阶段word2vec/Glove将离散的文本数据转换为固定长度的静态词向量，后根据下游任务训练不同的语言模型ELMo预训练模型将文本数据结合上下文信息，转换为动态词向量，后根据下游任务训练不同的语言模型BERT同样将文本数据转换为动态词向量，能够更好地捕捉句子级别的信息与语境信息，后续只需对BERT参数进行微调，仅重新训练最后的输出层即可适配下游任...
- 主要讲述了遥感在科技发展下的进度及AI赋能等 主要讲述了遥感在科技发展下的进度及AI赋能等
- 1、学习总结 1.1Unsupervised Language ModellingGPT代表“生成预训练”（Generative Pre-trained Transformer）。GPT模型是由OpenAI公司开发的一种基于Transformer架构的人工智能语言模型。它在大规模文本数据上进行预训练，学习了丰富的语言知识和语境，并能够执行多种自然语言处理任务。GPT模型的核心思想是在大规模... 1、学习总结 1.1Unsupervised Language ModellingGPT代表“生成预训练”（Generative Pre-trained Transformer）。GPT模型是由OpenAI公司开发的一种基于Transformer架构的人工智能语言模型。它在大规模文本数据上进行预训练，学习了丰富的语言知识和语境，并能够执行多种自然语言处理任务。GPT模型的核心思想是在大规模...
- 本篇文章介绍了ChatGLM2的相关技术，演示了ChatGLM2推理部署代码，和介绍了最近刚开源的ChatGLM3的相关特性。 本篇文章介绍了ChatGLM2的相关技术，演示了ChatGLM2推理部署代码，和介绍了最近刚开源的ChatGLM3的相关特性。
- @[toc]在上一篇文章中完成了前期的准备工作，见链接：FasterViT实战：使用FasterViT实现图像分类任务（一）这篇主要是讲解如何训练和测试 训练部分完成上面的步骤后，就开始train脚本的编写，新建train.py 导入项目使用的库在train.py导入import jsonimport osimport matplotlib.pyplot as pltimport torch... @[toc]在上一篇文章中完成了前期的准备工作，见链接：FasterViT实战：使用FasterViT实现图像分类任务（一）这篇主要是讲解如何训练和测试 训练部分完成上面的步骤后，就开始train脚本的编写，新建train.py 导入项目使用的库在train.py导入import jsonimport osimport matplotlib.pyplot as pltimport torch...
- @[toc] 摘要论文翻译：https://blog.csdn.net/m0_47867638/article/details/131542132官方源码：https://github.com/NVlabs/FasterViT这是一篇来自英伟达的论文。FasterViT结合了CNN的快速局部表示学习和ViT的全局建模特性的优点。新提出的分层注意力(HAT)方法将具有二次复杂度的全局自注意力分... @[toc] 摘要论文翻译：https://blog.csdn.net/m0_47867638/article/details/131542132官方源码：https://github.com/NVlabs/FasterViT这是一篇来自英伟达的论文。FasterViT结合了CNN的快速局部表示学习和ViT的全局建模特性的优点。新提出的分层注意力(HAT)方法将具有二次复杂度的全局自注意力分...
- @[toc]在上一篇文章中完成了前期的准备工作，见链接：InceptionNext实战：使用InceptionNext实现图像分类任务（一）这篇主要是讲解如何训练和测试 训练部分完成上面的步骤后，就开始train脚本的编写，新建train.py 导入项目使用的库在train.py导入import jsonimport osimport matplotlib.pyplot as pltimpo... @[toc]在上一篇文章中完成了前期的准备工作，见链接：InceptionNext实战：使用InceptionNext实现图像分类任务（一）这篇主要是讲解如何训练和测试 训练部分完成上面的步骤后，就开始train脚本的编写，新建train.py 导入项目使用的库在train.py导入import jsonimport osimport matplotlib.pyplot as pltimpo...
- @[toc] 摘要论文翻译：https://blog.csdn.net/m0_47867638/article/details/131057152官方源码：https://github.com/huawei-noah/VanillaNetVanillaNet是华为在2023年发布的一种极简风格的CNN网络，采用了最普通的CNN网络，却达到了很好的效果。这篇文章使用VanillaNet完成植物... @[toc] 摘要论文翻译：https://blog.csdn.net/m0_47867638/article/details/131057152官方源码：https://github.com/huawei-noah/VanillaNetVanillaNet是华为在2023年发布的一种极简风格的CNN网络，采用了最普通的CNN网络，却达到了很好的效果。这篇文章使用VanillaNet完成植物...
- 讲解PyTorch优化GPU显存占用，避免out of memory在深度学习任务中，对于复杂的神经网络和大规模的训练数据，显存占用成为一个常见的问题。当我们的模型和数据超出GPU显存的限制时，就会出现"out of memory"的错误。为了解决这个问题，我们可以采取一些优化策略来降低显存的占用。1. Batch Size的调整Batch Size是指一次前向计算以及反向传播时所使用的样本... 讲解PyTorch优化GPU显存占用，避免out of memory在深度学习任务中，对于复杂的神经网络和大规模的训练数据，显存占用成为一个常见的问题。当我们的模型和数据超出GPU显存的限制时，就会出现"out of memory"的错误。为了解决这个问题，我们可以采取一些优化策略来降低显存的占用。1. Batch Size的调整Batch Size是指一次前向计算以及反向传播时所使用的样本...
- 时间序列预测问题是一类常见的数据分析问题。数据中往往包含时间标签，这类问题往往根据过去一段时间的数据，建立能够比较精确地反映序列中所包含的动态依存关系的数学模型，并对未来的数据进行预测。 时间序列预测问题是一类常见的数据分析问题。数据中往往包含时间标签，这类问题往往根据过去一段时间的数据，建立能够比较精确地反映序列中所包含的动态依存关系的数学模型，并对未来的数据进行预测。
- PS:巨量时间，不断踩坑，悲凉血泪史，总结成的小小见解。如果各位觉得写的还行，劳请各位老师们点赞收藏一波！！各位老师的鼓励是我坚持写作的动力！！我玩的就是真实！！！我玩的就是真实！！！我玩的就是真实！！！以下解决方案仅代表个人见解，如果有更好的方案，希望大家不吝提出，共同学习问：什么是GRU？见下图，引用自网图GRU是循环神经网络（Recurrent Neural Network, RNN）... PS:巨量时间，不断踩坑，悲凉血泪史，总结成的小小见解。如果各位觉得写的还行，劳请各位老师们点赞收藏一波！！各位老师的鼓励是我坚持写作的动力！！我玩的就是真实！！！我玩的就是真实！！！我玩的就是真实！！！以下解决方案仅代表个人见解，如果有更好的方案，希望大家不吝提出，共同学习问：什么是GRU？见下图，引用自网图GRU是循环神经网络（Recurrent Neural Network, RNN）...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签