图像处理神经网络数据预处理步骤的详细解释和分析 2024-05-23 机器学习, 图像处理, 深度学习, 人工智能, 神经网络 92人 已看 图像预处理步骤对于图像处理神经网络至关重要。这些步骤不仅保证了数据的一致性和质量，还可以通过数据增强等技术提高模型的泛化能力，从而提升模型的整体性能。每一步骤的选择和应用都基于具体任务和数据集的特性，并在模型训练和测试过程中起到关键作用。
数据挖掘与机器学习——回归分析 2024-05-28 机器学习, 人工智能, 数据挖掘 80人 已看 回归分析定义：案例：线性回归预备知识：定义：一元线性回归：如何找出最佳的一元线性回归模型：案例：python实现：多元线性回归案例：线性回归的优缺点：逻辑回归（解决分类问题）案例：定义：python实现：案例：逻辑回归优点：逻辑回归缺点：（解决分类问题）
【机器学习】分值融合方法 2024-05-29 机器学习, 人工智能 37人 已看 为了合理地融合图片和文本的预测分数，可以考虑归一化两者的分数，然后使用加权平均、直接相加或相乘的方法进行融合。如果需要更高的预测精度，可以使用集成学习或神经网络等更复杂的模型进行融合。在实际应用中，需要根据数据的具体情况和模型的性能来选择最合适的方法。
【机器学习】基于核的机器学习算法（Kernel-based Algorithms）：原理，应用与优化 2024-05-23 机器学习, 人工智能 43人 已看 随着大数据时代的到来，机器学习已成为处理和分析海量数据的重要工具。在机器学习的众多算法中，基于核的算法因其强大的非线性处理能力而备受关注。本文旨在介绍基于核的算法的基本原理、应用领域以及未来的发展趋势。
图像处理神经网络数据预处理步骤的详细解释和分析 2024-05-23 机器学习, 图像处理, 深度学习, 人工智能, 神经网络 118人 已看 图像预处理步骤对于图像处理神经网络至关重要。这些步骤不仅保证了数据的一致性和质量，还可以通过数据增强等技术提高模型的泛化能力，从而提升模型的整体性能。每一步骤的选择和应用都基于具体任务和数据集的特性，并在模型训练和测试过程中起到关键作用。
贝叶斯算法：机器学习中的“黄金法则”与性能提升之道 2024-05-26 机器学习, 人工智能 59人 已看 本文将详细介绍机器学习贝叶斯算法的基本概念、原理、应用、代码实现以及算法优化，并探讨其在机器学习中的作用及未来发展趋势。
数据挖掘与机器学习——回归分析 2024-05-28 机器学习, 人工智能, 数据挖掘 78人 已看 回归分析定义：案例：线性回归预备知识：定义：一元线性回归：如何找出最佳的一元线性回归模型：案例：python实现：多元线性回归案例：线性回归的优缺点：逻辑回归（解决分类问题）案例：定义：python实现：案例：逻辑回归优点：逻辑回归缺点：（解决分类问题）
从 0 手撸一个 pytorch 2024-05-19 python, 机器学习, 深度学习, pytorch, 人工智能 67人 已看 最近抽空看了下 Andrej Karpathy 的视频教程，教程的质量很高。教程不需要任何前置机器学习基础，只需要有高中水平的数学基础即可。整个教程从 0 到 1 手撸了一个类 pytorch 的机器学习库micrograd，核心代码不到 100 行。虽然为了简化没有实现复杂的矩阵运算，但是对于理解 pytorch 的设计思想有很大帮助。通过上面的流程可以很容易理解机器学习模型训练框架的设计方案，这一套流程也完全适用于 pytorch，可以帮助更好地理解 pytorch 的训练流程。
从 0 手撸一个 pytorch 2024-05-19 python, 机器学习, 深度学习, pytorch, 人工智能 82人 已看 最近抽空看了下 Andrej Karpathy 的视频教程，教程的质量很高。教程不需要任何前置机器学习基础，只需要有高中水平的数学基础即可。整个教程从 0 到 1 手撸了一个类 pytorch 的机器学习库micrograd，核心代码不到 100 行。虽然为了简化没有实现复杂的矩阵运算，但是对于理解 pytorch 的设计思想有很大帮助。通过上面的流程可以很容易理解机器学习模型训练框架的设计方案，这一套流程也完全适用于 pytorch，可以帮助更好地理解 pytorch 的训练流程。
【无标题】PyTorch 常用算子说明 2024-05-24 python, 机器学习, 深度学习, pytorch, 人工智能 102人 已看 index_2=t.LongTensor([[0,1,2,3]]).t()#tensor转置操作：(a)T=a.t()print(d.transpose(1, 3).contiguous().shape) # 1号维度和3号维度交换。print(a.unsqueeze(0).shape) # 在0号维度位置插入一个维度。print(a.unsqueeze(3).shape) # 在3号维度位置插入一个维度。print(a.squeeze(0).shape) # 尝试删除0号维度,ok。
Llama模型家族之使用 Supervised Fine-Tuning（SFT）微调预训练Llama 3 语言模型（十） 使用 LoRA 微调常见问题答疑 2024-05-28 算法, llama, 语言模型, 机器学习, 人工智能 110人 已看 1、Llama开源模型家族大模型技术、工具和多模态详解：学员将深入了解Meta Llama 3的创新之处，比如其在语言模型技术上的突破，并学习到如何在Llama 3中构建trust and safety AI。8、Llama 3中的DPO原理、算法、组件及具体实现及算法进阶：学习Llama 3中结合使用PPO和DPO算法，剖析DPO的原理和工作机制，详细解析DPO中的关键算法组件，并通过综合项目八从零开始动手实现和测试DPO算法，同时课程将解密DPO进阶技术Iterative DPO及IPO算法。
神经网络不确定性综述(Part III)——Uncertainty estimation_Bayesian neural networks 2024-05-22 机器学习, 深度学习, 人工智能, 神经网络 69人 已看 (Survey Part III) Uncertainty estimation-BNN
神经网络不确定性综述(Part III)——Uncertainty estimation_Bayesian neural networks 2024-05-22 机器学习, 深度学习, 人工智能, 神经网络 213人 已看 (Survey Part III) Uncertainty estimation-BNN
opencl色域变换，处理传递显存数据 2024-05-22 机器学习, 人工智能 29人 已看 在使用ffmpeg解码后的多路解码数据非常慢，还要给AI做分析，可行的加速方式是在显存处理数据，在中，提高了比较可靠的方式是使用cuda，那么没有cuda的显卡如何处理呢，比较好的方式是使用opencl来提高数据传输方式。
从 0 手撸一个 pytorch 2024-05-19 python, 机器学习, 深度学习, pytorch, 人工智能 89人 已看 最近抽空看了下 Andrej Karpathy 的视频教程，教程的质量很高。教程不需要任何前置机器学习基础，只需要有高中水平的数学基础即可。整个教程从 0 到 1 手撸了一个类 pytorch 的机器学习库micrograd，核心代码不到 100 行。虽然为了简化没有实现复杂的矩阵运算，但是对于理解 pytorch 的设计思想有很大帮助。通过上面的流程可以很容易理解机器学习模型训练框架的设计方案，这一套流程也完全适用于 pytorch，可以帮助更好地理解 pytorch 的训练流程。
[数据集][目标检测]航空发动机缺陷检测数据集VOC+YOLO格式291张4类别 2024-05-28 yolo, 机器学习, 深度学习, 目标检测, 人工智能 95人 已看 数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。标注类别名称:[“crease”,“damage”,“dot”,“scratch”]图片数量(jpg文件个数)：291。标注数量(xml文件个数)：291。标注数量(txt文件个数)：291。使用标注工具：labelImg。标注规则：对类别进行画矩形框。
微软Copilot+ PC：Phi-Silica 2024-05-22 copilot, 机器学习, 深度学习, 人工智能, microsoft 319人 已看 昨日微软宣布推出一种新的、更微型的小语言模型 (SLM)Phi-3-Silica，专为Copilot+ PC设计。Copilot+ PC本身配备强大神经处理单元 (NPU) 的个人计算机，能够应付AI计算。基于Windows的Phi-3-Silica仅仅拥有3B参数，是Phi-3系列中最小的。
