Datawhale X 李宏毅苹果书 AI夏令营task1笔记
本章主要介绍深度学习常见的一些概念，方便我们从不同的角度来更好地优化神经网络。
【LangChain编程：从入门到实践】对话场景
【LangChain编程：从入门到实践】对话场景1. 背景介绍1.1 问题的由来在当今的人工智能时代，构建对话系统已经成为一个热门话题。随着自然语言处理(NLP)技术的不断进步,人们对于与机器进行自然、流畅的对话交互有着越
深入理解变分图自编码器（VGAE）：原理、特点、作用及实现
图神经网络（Graph Neural Networks, GNNs）在处理图结构数据方面展现出强大的能力。其中，变分图自编码器（Variational Graph Auto-Encoder, VGAE）是一种无监督学习模型，广泛用于图嵌入和图聚类任务。本文将深入探讨VGAE的原理、特点、作用及其具体
ViT论文详解
ViT是谷歌团队在2021年3月发表的一篇论文，论文全称是《AN IMAGE IS WORTH 16X16 WORDS:TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE》一张图片分成16x16大小的区域：使用Transformer进行按比例的图像识别。ViT是V
Python深度学习实践：实时语音转换技术探索
Python深度学习实践：实时语音转换技术探索作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming1. 背景介绍1.1 问题的由来随着深度学习技术的
从零开始大模型开发与微调：MNIST数据集的准备
从零开始大模型开发与微调：MNIST数据集的准备作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming1. 背景介绍1.1 问题的由来随着人工智能技
过拟合(Overfitting)：深入剖析过拟合的根源与解决之道
目前,超参数调优和最优模型结构搜索还需要较多人工参与,未来可能出现更多自动化的调参和搜索算法,自适应地权衡模型性能和复杂度。
HookNet- 用于病理全切片图像的多分辨率语义分割模型｜顶刊精析·24-08-08
今天分享的这篇文章是关于一种名为HookNet的新型语义分割模型，它专为病理学全切片图像设计，于2021年发表于《Med Image Anal》，目前IF=10.7。HookNet结合了编码器-解码器卷积神经网络的多个分支，通过不同分辨率的同心区域来捕获上下文信息和细节。这种模型通过一种称为“钩连”
Transformer模型解析（附案例应用代码）
自注意力机制是Transformer模型的核心，它允许模型在编码每个单词时同时关注序列中的其他单词，从而捕捉到单词之间的依赖关系。位置编码的生成使用了正弦和余弦函数的不同频率，以确保编码在不同维度上具有不同的模式，从而使模型能够区分不同位置的单词。这样，每个头可以学习到序列的不同方面，最终的输出是所
Nat Med·UNI：开启计算病理学新篇章的自监督基础模型｜顶刊精析·24-07-31
一作&通讯角色姓名单位（中文）第一作者哈佛医学院布里格姆和妇女医院病理科第一作者Tong Ding哈佛医学院工程与应用科学学院第一作者Ming Y. Lu哈佛医学院和麻省理工学院癌症项目通讯作者哈佛医学院布里格姆和妇女医院病理科这篇文章介绍了一个名为UNI的新型通用自监督模型，它在计算病理学领域通过
第十九章：数据湖与数据科学
第十九章：数据湖与数据科学1.背景介绍在当今大数据时代,企业面临着海量异构数据的挑战。传统的数据仓库难以有效处理非结构化和半结构化数据。数据湖(Data Lake)应运而生,成为大数据存储和分析的新范式。数据湖提供了一个统一的数据存储平台,支持多种数据类型和处理方式,为数据科学(Data Sc
利用ultralytics版本的RT-DERT训练NEU-DET缺陷数据集（windows版本和服务器版本教程）
利用ultralytics版本的RT-DERT训练NEU-DET缺陷数据集（windows版本和服务器版本教程
【有啥问啥】浅谈Scaling Law
在机器学习和深度学习领域，（扩展定律）描述了模型性能（如准确率、损失等）如何随着模型规模（参数数量）、数据量和计算资源（如计算时间、显存等）的变化而变化。这些定律有助于研究人员和工程师理解如何有效地扩展模型以获得更好的性能。在深度学习的早期阶段，人们主要通过经验和试验来确定模型规模和训练数据量。然而
因果推理原理与代码实战案例讲解
因果推理原理与代码实战案例讲解1. 背景介绍1.1 因果推理的重要性在人工智能和数据科学领域,因果推理是一个至关重要的课题。它不仅能帮助我们更好地理解数据背后的因果关系,还能指导我们进行决策和干预,从而更有效地解决实际问题。近年来,随
动量迭代快速梯度符号方法(Momentum Iterative FGSM,MI-FGSM)原理及实现
而动量机制通过累积多次迭代的梯度信息，可以更全面地利用这些梯度信息，从而在更大范围内找到模型的弱点，增强对抗攻击的效果。而动量机制通过累积多个梯度信息，可以帮助模型摆脱局部最优解的困扰，更容易找到全局最优解或更好的局部最优解，从而生成更强的对抗样本。MI-FGSM 将动量引入到 FGSM 中，通过在
20240809 每日AI必读资讯
在多个数学基准测试中数学能力显著超越了开源模型包括Llama-3.1-405B，甚至超过了闭源模型 （包括GPT-4o、Claude-3.5-Sonnet、Gemini-1.5-Pro ）。大多数方法要么在图像的像素层面上逐步生成，要么通过先训练一个压缩图像的模型，再在低分辨率的图像上进行处理。-
二手车交易管理系统详细设计与具体代码实现
1. 背景介绍1.1 二手车交易市场的现状与挑战近年来，随着经济的发展和人们生活水平的提高，二手车交易市场规模不断扩大。然而，二手车交易市场也面临着一些挑战：信息不对称: 买卖双方信息不对称，买方难以准确了解车辆的真实车况、
强化学习：在压力测试中的应用
强化学习：在压力测试中的应用作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming1. 背景介绍1.1 问题的由来在当今的软件工程领域，保证软件系统的可靠性、稳定性和性
在线网络购物系统详细设计与具体代码实现
1. 背景介绍1.1 电子商务的崛起互联网技术的飞速发展催生了电子商务的蓬勃兴起。近年来，随着移动互联网的普及和物流配送体系的完善，在线网络购物已经成为人们日常生活不可或缺的一部分。从服装、食品到电子产品、家居用品，几乎所有商品都可以在网络平台上购买，极大地方便了消费者的购物体验。
DBSCAN 原理与代码实例讲解
DBSCAN - 原理与代码实例讲解作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming关键词：聚类算法，密度聚类，DBSCAN，KDD，空间数据挖掘，数据挖掘技术1.
