大模型中常用的注意力机制GQA详解以及Pytorch代码实现
分组查询注意力 (Grouped Query Attention) 是一种在大型语言模型中的多查询注意力 (MQA) 和多头注意力 (MHA) 之间进行插值的方法，它的目标是在保持 MQA 速度的同时实现 MHA 的质量。
人工智能|各名称与概念之介绍
总的来说，我个人比较推荐TensorFlow和PyTorch，它们都是完整的深度学习框架，支持广泛的应用，并且它们的社区和工具都在不断发展。Caffe在某些特定的领域如计算机视觉中仍然是一个高效可靠的选择，尽管它的流行度可能不如前两者。而Keras提供了一个用户友好的接口，使得深度学习更加容易上手，
colab上利用conda管理环境
colab上的环境管理
基于RISC-V架构的AI框架（Pytorch）适配
在RISC-V平台上进行pytorch框架的配置，采用源码编译的方法
人工智能(pytorch)搭建模型24-SKAttention注意力机制模型的搭建与应用场景
大家好，我是微学AI，今天给大家介绍一下人工智能(pytorch)搭建模型24-SKAttention注意力机制模型的搭建与应用场景，本文将介绍关于SKAttention注意力机制模型的搭建，SKAttention机制具有灵活性和通用性，可应用于计算机视觉、视频分析、自然语言处理、医学影像分析和机器
基于卷积神经网络的花卉识别（pytorch框架）【python源码+UI界面+前端界面+功能源码详解】
基于卷积神经网络的花卉识别系统是在pytorch框架下实现的，系统中有两个模型可选resnet50模型和VGG16模型，这两个模型可用于模型效果对比。该系统涉及的技术栈有，UI界面：python + pyqt5，前端界面：python flask + vue超详细的pycharm+anaconda搭
HarmonyOS-UIAbility组件间交互（设备内）
UIAbility是系统调度的最小单元。在设备内的功能模块之间跳转时，会涉及到启动特定的UIAbility，该UIAbility可以是应用内的其他UIAbility，也可以是其他应用的UIAbility（例如启动三方支付UIAbility）。本章节将从如下场景分别介绍设备内UIAbility间的交互
基于卷积神经网络的水果成熟度识别（pytorch框架）【python源码+UI界面+前端界面+功能源码详解】
基于卷积神经网络的水果成熟度识别系统是在pytorch框架下实现的，系统中有两个模型可选resnet50模型和VGG16模型，这两个模型可用于模型效果对比。该系统涉及的技术栈有，UI界面：python + pyqt5，前端界面：python flask + vue该项目是在pycharm和anaco
Kaggle 竞赛《LLM - Detect AI Generated Text》高分方案学习报告
作为一名研一学生，本着积累经验的原则，我参加了这次内容为《LLM - Detect AI Generated Text》的 Kaggle 竞赛。比赛结束后，我学习了排名前几位的选手给出的方案，并在此写下自己对一篇高分竞赛方案的学习报告，我挑选了一份人气最高的高分方案（源码和作者在本文最上方），梳理了
如何运行GitHub下载的项目中的setup.py文件
当我们在github下载一个别人的模型的时候，要求使用setup.py进行配置或者下载一些额外的包的时候，如果我们在pycharm中直接运行，会弹出以下错误，以我现在运行的文件为例子。：这是指定了要使用的Python解释器的路径。文件是用于构建、安装、打包或测试Python软件包的脚本，并且需要使用
YOLOv5-7.0解决报错ImportError: Bad git executable.
最近在复习yolov5目标检测代码时用了yolov5的最新7.0版本，之前用的是5.0版本，这一新版本相对于之前做了一些提升，对于package的兼容也要好了很多，但也不是说下载了直接就能运行，实际使用过程中还是遇到了许多新的问题，下面就我自己碰到的问题提出解决方法。同样的，按住键盘的ctrl然后鼠
Vision Transformers的注意力层概念解释和代码实现
本文将深入探讨注意力层在计算机视觉环境中的工作原理。我们将讨论单头注意力和多头注意力。它包括注意力层的代码，以及基础数学的概念解释。
Pytorch中张量的高级选择操作
在某些情况下，我们需要用Pytorch做一些高级的索引/选择，所以在这篇文章中，我们将介绍这类任务的三种最常见的方法：torch.index_select, torch.gather and torch.take
pytorch环境搭建
记录了安装CUDA、CUDNN、Pytorch等组件的流程，完整搭建Pytorch环境。
「解析」Jetson配置 git服务
使用以下命令将代码推送到 Jetson git服务器这将把你的本地代码推送到 Jetson Git 服务器的 master 分支。如果这是第一次推送，可能需要输入 Git 用户的用户名和密码。如果你使用 SSH 密钥进行身份验证，确保你的 SSH 密钥已经添加到 Jetson Git 服务器的 ~/
PyTorch深度学习实战（37）——CycleGAN详解与实现
CycleGAN 是一种用于无监督图像转换的深度学习模型，它通过两个生成器和两个判别器的组合来学习两个不同域之间的映射关系。CycleGAN 引入循环一致性损失，确保图像转换是可逆的，从而提高生成图像的质量。通过对抗训练和循环一致性损失，CycleGAN 可以实现在没有配对标签的情况下进行图像域转换
跟李沐学AI 安装【动手学深度学习v2】记录
请复制其中一个链接并在浏览器中打开，即可开始使用 Jupyter Notebook。如果您想停止服务器，请使用 Ctrl-C 终止命令两次来确认关闭服务器。这里提示成功启动了 Jupyter Notebook 服务器，并且服务器正在运行中。请注意，由于服务器的环境中没有可运行的浏览器，因此会显示错误
图像去噪——CBDNet网络训练自己数据集及推理测试，模型转ONNX模型（详细图文教程）
CBDNet 是一种性能优异的图像去噪网络。它在多种噪声图像去噪任务上都取得了优异的效果，具有一定的应用潜力。
【环境搭建：onnx模型部署】onnxruntime-gpu安装与测试（python）
onnx模型部署环境创建
自然语言生成任务中的5种采样方法介绍和Pytorch代码实现
在自然语言生成任务（NLG）中，采样方法是指从生成模型中获取文本输出的一种技术。本文将介绍常用的5中方法并用Pytorch进行实现。
