LLaMA模型文件 (搬运工)
如果要使用huggingface transformer训练LLaMA，需要使用额外的转换脚本（具体详见huggingface官网。建议提前确认自己的huggingface版本。或者使用上述已经被转换好的。但是申请的审批时间一般都很长。才能获得官方模型权重。
PyTorch-Forecasting一个新的时间序列预测库
PyTorch- forecasting是一个建立在PyTorch之上的开源Python包
YOLOv8 Bug及解决方案汇总
m = getattr(torch.nn, m[3:]) if 'nn.' in m else globals()[m] # get module
常见AI模型参数量-以及算力需求评估
不同的算法模型对计算能力的要求不同，对于视频分析场景，通过业界主流ISV在该AI推理卡的测试结果来看，在每路视频的分辨率为不低于1080P，帧率不低于25帧，同屏检测目标数不低于5个的情况下，每路视频需要5.5T(INT8)的算力进行解析。参考业界流行的视频训练算法(表一、第四章)，训练一个模型需要
深度学习中的训练和验证损失
深度学习是机器学习的一个分支，包括使用人工神经网络。特别是，深度学习算法允许计算机程序学习和发现大量数据中的模式。人工神经网络是受生物体中生物神经网络工作原理启发的算法。人工神经网络通常由相互连接的节点和权重组成。因此，输入信号首先通过称为神经元的节点传递。然后，这些神经元被一个函数激活并乘以权重以
2023年华中杯C题计算结果
经过一晚上代码的编写，论文的写作，C题完整版论文已经发布，注：蓝色字体为说明备注解释字体，不能出现在大家的论文里。黑色字体为论文部分，大家可以根据红色字体的注记进行摘抄。对应的详细的写作视频教程，争取1号晚上发布，空气质量预测与预。
Meta 开源语音 AI 模型支持 1,100 多种语言
本周一Meta 又开源了新的语音模型MMS，并且发布了支持1100种语言的预训练模型权重
ptuning v2 的 chatglm垂直领域训练记录
第二我要减小十倍的学习率，观察一下减小十倍的学习率能不能提升ptuning的效果。基于终端的交互，基于简单界面的交互，基于fastapi框架提供的接口进行交互。从中国大百科爬下来的数据，有一些标题的输入是比较短的。喜欢大模型的小伙伴可以加我的 15246115202 一起交流训练大模型所需要的细节都
DDPM代码详细解读(1)：数据集准备、超参数设置、loss设计、关键参数计算
DDPM代码详细解读(1)：数据集准备、超参数设置、loss设计、关键参数计算
【Stable Diffusion】什么是VAE
VAE是Stable Diffusion的一种重要的深度学习模型，它可以使图像变得更鲜艳，帮助AI绘画师更好地理解输入图像的特征，并生成更加逼真的绘画作品，本文从基本概念讲起，对VAE的作用，打开方式，存放位置，下载途径等方面进行简要的全面介绍，帮助初学者快速入门，快速使用。
深入浅出Pytorch函数——torch.zeros
torch.zeros
UNeXt：基于 MLP 的快速医学图像分割网络
UNeXt是约翰霍普金斯大学在2022年发布的论文。它在早期阶段使用卷积，在潜在空间阶段使用 MLP。通过一个标记化的 MLP 块来标记和投影卷积特征，并使用 MLP 对表示进行建模。对输入通道进行移位，可以专注于学习局部依赖性。
MMEngine理解
MMEngine学习理解
基于Docker的深度学习环境NVIDIA和CUDA部署以及WSL和linux镜像问题
docker的介绍网上有很多，对于深度学习的认来讲，docker的好处就是直接把环境分享给他人，他人不需要再配置环境了。比如我有一个目标检测的项目，我想分享给朋友，那么他首先需要在自己的电脑上配置好显卡驱动、CUDA、CuDNN，在拿到我的项目后，还需要安装各种依赖库，最后代码还不一定跑起来。如果我
yolov5简要介绍
正样本匹配：寻找负责预测真值框的先验框 （不负责的作为负样本或丢弃）正样本寻找过程：与以往的用IOU匹配不同，yolov5用如下2步骤进行正样本匹配：1、先验框尺寸匹配：目标框与先验框的宽比值、高比值的最大值 小于一定阈值，则为正匹配。
经典CNN卷积神经网络发展史+论文+网络实现(PyTorch)
经典CNN卷积神经网络发展史+网络实现(PyTorch)
什么是归一化，它与标准化的区别是什么？
归一化与标准化是什么，两者有何关联？有何差别？
深度学习模型的训练（大总结）
在我们训练模型时，会经常使用一些小技巧，包括：模型的保存与加载、断点的保存与加载、模型的冻结与预热、模型的预训练与加载、单GPU训练与多GPU训练。这些在我们训练网络的过程中会经常遇到。方法二：仅保存参数（数据量小，推荐！）注意：加载模型权重时，我们需要先实例化模型类，因为该类定义了网络的结构。如果
2023 年第八届数维杯大学生数学建模挑战赛 B 题 节能列车运行控制优化策略
假设一辆列车在水平轨道上运行，从站台A运行至站台B，其间距为5144.7m， 运行的速度上限为100km/h，列车质量为176.3t，列车旋转部件惯性的旋转质量 因数p = 1.08 ，列车电机的最大牵引力为310KN，机械制动部件的最大制动力为 760KN。在同一段旅途中，列车使 用不同的驾驶策略
Python——图像缺失弥补
关于loss值的选取：对于completion比较简单，采用MSE值来计算，就是简单地用生成的图片和真实图片做一个减法，就可以得出loss值；这个图片去跑completion网络，并且把网络参数保存——然后在completion基础上，用global completion得到的全局图片和生成的loc
