【人工智能】Transformers之Pipeline（十九）：文生文（text2text-generation）
本文对transformers之pipeline的文生文（text2text-generation）从概述、技术原理、pipeline参数、pipeline实战、模型排名等方面进行介绍，读者可以基于pipeline使用文中的2行代码极简的使用NLP中的文生文（text2text-generation
【Datawhale X 李宏毅苹果书 AI夏令营(深度学习入门)】Task1 通过案例了解机器学习
本文简单介绍了机器学习相关概念以及通过实例介绍机器学习运作过程。
【第十七章：Sentosa_DSML社区版-机器学习之异常检测】
Sentosa_DSML社区版-机器学习之异常检测，机器学习异常检测是检测数据集中的异常数据的算子，一种高效的异常检测算法。它和随机森林类似，但每次选择划分属性和划分点（值）时都是随机的，而不是根据信息增益或者基尼指数来选择。
Nat Med｜机器学习+高通量筛选，发现用于治疗胶质母细胞瘤的神经活性药物｜顶刊精析·24-09-23
今日顶刊：Nat Med这篇文章是2024-09-20发表在上的一篇研究型论文，标题为“High-throughput identification of repurposable neuroactive drugs with potent anti-glioblastoma activity”。先
5本又快又水的sci期刊丨sci期刊推荐
值得注意的是：学术界近期动荡比较大，又快又水的sci被踢出的风险非常大，各自的出版商大都在积极地应对和调整，导致水刊的发表难度有所提升。同时，发表sci水刊的风险较大，也建议作者不要盲目的冒险，否则就成了能不能毕业的问题了。PLoS One是综合性开源SCI期刊，对稿件创新性或研究重要性的要求比较低
【机器学习】---神经架构搜索（NAS）
神经架构搜索（NAS）是指通过搜索算法自动设计神经网络架构，从而优化特定任务的性能。NAS的目标是在一个定义好的搜索空间中，找到最佳的网络结构，该结构通常由性能指标（例如准确率、速度、参数量等）来衡量。搜索空间（Search Space）：定义了所有可能的网络架构。搜索策略（Search Strat
【Datawhale X 李宏毅苹果书 AI夏令营】Task 3《深度学习详解》-2 机器学习框架&实践攻略
本次的学习内容是一次关于机器学习作业实践的攻略。过程如下面的树状图所示：接下来让我们来具体解释一下图中的内容。
AI：283-独创FRMHead| 超越YOLOv8与RT-DETR的下一代目标检测头
YOLO（You Only Look Once）系列是目标检测领域的佼佼者，其模型在精度和速度上不断取得突破。YOLOv8作为该系列的最新版本，已经在多个检测任务中展现了其强大的性能。然而，面对新兴的检测需求和挑战，我们需要进一步优化YOLOv8的检测头，以提升其检测精度和速度。本文将介绍一种全新的
AI：279-深入探讨图像平滑处理：高斯与中值滤波的原理、实现与优化
在本教程中，我们详细探讨了高斯滤波和中值滤波的原理、实现方法、参数影响以及性能优化。通过这些知识，读者可以更加全面地理解并应用这两种滤波技术，进而提高图像处理任务的质量和效率。高斯滤波和中值滤波作为图像处理中的两种重要技术，各有其独特的优势与应用场景。通过合理选择和组合使用这两种滤波器，可以更好地应
机器学习 - 强化学习详解
通过对 Q-learning 和 PPO 算法的深入剖析，可以看到强化学习的核心在于通过与环境的持续交互，智能体能够不断调整其策略或值函数，以实现最优决策。Q-learning 通过更新 Q 表来找到最优策略，而 PPO 则通过策略优化直接改进策略网络，使智能体能够在复杂环境中稳定学习。无论哪种算法
使用GPU 加速 Polars：高效解决大规模数据问题
本文将详细讨论 Polars 中DF的概念、GPU 加速如何与 Polars DF协同工作，以及使用新的 CUDA 驱动执行引擎可能带来的性能提升。
Cursor IDE：AI驱动的革命性开发工具与未来编程的展望
人工智能（AI）的飞速发展，特别是在编程领域的应用，正引发一场前所未有的技术变革。传统的集成开发环境（IDE）已逐渐开始集成AI功能，例如GitHub Copilot和Devin等AI助手，帮助程序员更高效地编写代码。然而，近来迅速崛起的 **Cursor IDE** 引起了业界广泛关注，甚至连安德
AI中的核心概念解读：深度学习、机器学习、神经网络与自然语言处理
深度学习、机器学习、神经网络和自然语言处理是AI领域的重要组成部分。这些技术正在改变我们与世界互动的方式，从语音助手到图像识别，再到自动翻译，它们在各个领域的应用前景广阔。通过掌握这些核心概念和实现方法，您将能够更好地理解和应用AI技术，从而在这一快速发展的领域中占据一席之地。
从0开始训练基于自己声音的AI大模型（基于开源项目so-vits-svc）
好久没更新了，但是按耐不住对人工智能大模型的好奇，这个项目很简单很微小，但也是一次尝试。留下一点笔记，做个纪念。最后吐槽一下，Ai唱的好像还没有我自己唱的好。
利用傅里叶变换实现时序数据的解耦
为了更详细地说明如何利用傅里叶变换来解耦时序数据，我们可以通过一个具体的例子来解释整个过程，包括如何提取趋势、周期性成分和噪声。假设我们有一组时序数据，表示某个地区的每日温度变化。在进行傅里叶变换之前，需要对数据进行一些预处理工作。例如，去除数据中的长期趋势成分。可以使用移动平均或多项式拟合等方法来
sheng的学习笔记-AI-规则学习（rule learning）
机器学习中的“规则”(rule)通常是指语义明确、能描述数据分布所隐含的客观规律或领域概念、可写成“若……，则……”形式的逻辑规则。“规则学习”(rule learning)是从训练数据中学习出一组能用于对未见示例进行判别的规则。一条规则形如：在数理逻辑中“文字”专指原子公式(atom)及其否定。
人工智能两个要素：机器学习算法+大数据
大数据是用于训练AI的，也就是AI算法通过大量的数据去学习AI中算法的参数与配置，使得AI的预测结果与实际的情况越吻合。用于AI的数据越多，AI的算法能力越强。比如要训练AI的识别手写数字的能力，必须要有很多写了数字的图片，同时每张图片上的数字是有准确标准答案的。这个要素应该是最重要的，没有算法的支
四种处理器（CPU、GPU、TPU、DCU）
具有高速的内存带宽和大容量的存储器，以支持大规模的模型和数据。概念：是一种专门在个人电脑、工作站、游戏机、移动设备（平板电脑、智能手机）上图像运算工作的微处理器。用途：用于高效地执行人工智能和机器学习任务、用于图像识别、语音识别、自然语言处理、云计算平台等服务。用途：广泛应用于游戏、视频编辑、科学计
机器学习模型中特征贡献度分析：预测贡献与错误贡献
本文将探讨特征重要性与特征有效性之间的关系，并引入两个关键概念：预测贡献度和错误贡献度。
AI数字人硅基数字人模型训练模型网络结构和训练代码
AI数字人实时数字人硅基数字人模型推理代码和模型网络结构
