Spark的宽窄依赖
浅谈宽窄依赖及流水线优化
人工智能、ChatGPT等火爆的当下 AI大模型爆发
4月18日，火山引擎在其举办的“原动力大会”上发布自研DPU等系列云产品，并推出新版机器学习平台：支持万卡级大模型训练、微秒级延迟网络，让大模型训练更稳更快。火山引擎总裁谭待表示，AI大模型有巨大潜力和创新空间，火山引擎会服务客户做好大模型，共同推动各行业的智能化升级。可以在医学、环保、教育等领域发
FATE联邦学习框架之KubeFATE部署（基于K8S）最详细过程
FATE(FederatedAITechnologyEnabler)是一个联邦学习框架，能有效帮助多个机构在满足用户隐私保护、数据安全和政府法规的要求下，进行数据使用和建模。但由于其系统的分布式特性，导致使用存在一定门槛。鉴于此，微众银行联合VMware一起开发了KubeFATE项目，致力于降低FA
Word2Vec模型——将文本转换成向量的方法
用Word2Vec模型提取单词的特征向量
KL散度和交叉熵的对比介绍
KL散度（Kullback-Leibler Divergence）和交叉熵（Cross Entropy）是在机器学习中广泛使用的概念。这两者都用于比较两个概率分布之间的相似性，但在一些方面，它们也有所不同。本文将对KL散度和交叉熵的详细解释和比较。
优化器SGD、Adam和AdamW的区别和联系
优化器是用来更新和计算影响模型训练和模型输出的网络参数，使其逼近或达到最优值，从而最小化(或最大化)损失函数。
yolov5-runs文件中对train结果的说明
yolov5中train结果说明
chatgpt生成图片方法总结
Ganbreeder：这个网站使用GAN技术生成数字艺术品，但与Artbreeder不同的是，它让用户可以直接操作模型的参数和设置，生成更具个性化的图片。Artbreeder：这是一个非常流行的AI生成图片网站，它可以让用户使用GAN技术生成独特的数字艺术品。您可以选择不同的艺术风格、颜色方案、主题
ChatGPT5是否会影响人类的发展和工作？
ChatGPT5是否会影响人类的发展和工作？
【机器学习】yolov5训练结果分析
yolov5模型训练后的结果会保存到当前目录下的run文件夹下里面的train中下面对训练结果做出分析。
从Pandas快速切换到Polars ：数据的ETL和查询
polar与pandas非常相似，所以如果在处理大数据集的时候，我们可以尝试使用polar，因为它在处理大型数据集时的效率要比pandas高
2023MathorcupC题电商物流网络包裹应急调运与结构优化问题建模详解+模型代码(一)
第三次继续写数模文章和思路代码了，不知道上次美赛和国赛大家有没有认识我，没关系今年只要有数模比赛艾特我私信我，要是我有时间我一定免费出文章代码好吧！博主参与过十余次数学建模大赛，三次美赛获得过二次M奖一次H奖，国赛二等奖。！！**大家可以参考。
Amazon SageMaker：搭建企业级AI模型的完整解决方案
和现有的机器学习平台相比，Amazon SageMaker核心在于快速构建、训练和部署机器学习应用，非常适合和各个应用领域结合，快速提供搭建企业级AI模型的完整解决方案
扩散模型与生成模型详解
详细介绍了扩散模型的原理及其使用
GPT-4 介绍
本文根据openAI的2023年3月的《GPT-4 Technical Report 》翻译总结的。原文确实没有GPT-4 具体的模型结构，openAI向盈利组织、非公开方向发展了。也没透露硬件、训练成本、训练数据、训练方法等。不过也透露了一些思想，比如提出了根据模型小的时候，预测模型大的时候的表现
目前最强的AI绘画模型——Midjourney v5
Midjourney实验室开发的Midjourney V5应该是目前最强的AI绘图工具了。
Python机器学习17——极限学习机(ELM)
python实现ELM 的代码，优化ELM的矩阵系数代码。
使用PYQT5设计登录界面并实现界面跳转
目录1 UI登录界面的布局2 UI登录界面布局对应的代码3 登录界面和界面跳转完整代码4 跳转界面代码函数和优化界面代码5 最终效果1 UI登录界面的布局其中，<欢迎使用XXXX软件><管理员><密码>使用的是左边功能的 label 类、<登录>使用的
机器学习中的数学——距离定义（八）：余弦距离（Cosine Distance）
余弦距离(Cosine Distance)也可以叫余弦相似度。 几何中夹角余弦可用来衡量两个向量方向的差异，机器学习中借用这一概念来衡量样本向量之间的差异。相比距离度量，余弦相似度更加注重两个向量在方向上的差异，而非距离或长度上。nnn维空间中的余弦距离为：cos(x,y)=x⋅y∣x∣⋅∣y∣=
生成式模型与辨别式模型
分类模型可以分为两大类:生成式模型与辨别式模型。本文解释了这两种模型类型之间的区别，并讨论了每种方法的优缺点。
