Segment-anything学习到微调系列3_SAM微调decoder
SAM初步理解，简单介绍模型框架，不涉及细节和代码SAM细节理解，对各模块结合代码进一步分析SAM微调实例，原始代码涉及隐私，此部分使用公开的VOC2007数据集，Point和Box作为提示进行mask decoder微调讲解本篇是第3部分，基于voc2007数据集对SAM decoder进行微调。
一切皆是映射：AI Qlearning在压力测试中的应用
1. 背景介绍1.1 压力测试的重要性在软件开发过程中,压力测试是一个至关重要的环节。它旨在评估系统在极端条件下的性能、可靠性和稳定性。通过模拟高并发、大流量等场景,可以发现系统在高压力下可能出现的瓶颈、故障点和性能问题,从而优化系统设计,提高系统的健壮性。
人工智能深度学习系列—探索余弦相似度损失：深度学习中的相似性度量神器
在机器学习和模式识别领域，评估样本间的相似性是一项基本而关键的任务。余弦相似度损失（Cosine Similarity Loss）作为一种衡量向量间相似度的损失函数，在深度学习中被广泛用于相似性度量问题。本文将详细介绍余弦相似度损失的背景、计算方法、使用场景、代码实现及总结。**余弦相似度是两个向量
Datawhale X 李宏毅苹果书 AI夏令营 Task 1- 3.1 局部极小值与鞍点+ 3.2 批量和动量
局部极小值点与鞍点是什么，以及跳出它们的方法。
Spark Accumulator原理与代码实例讲解
Spark Accumulator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 Programming1. 背景介绍1.1 问题的由来在分布
YOLOv5改进 | 注意力机制 | 二阶注意力网络来进行单图像超分辨率【附网盘完整代码】
yolov5改进，yolov5涨点，yolov5，SOCA
开源模型应用落地-业务整合篇-构建websocket校验机制（四）
将模型运行起来只是建设高楼的第一步，实现我们最终目标的关键在于与业务整合，提供完整可交付的功能。接下来，我将逐步由浅入深地指导您将项目落地，确保每个环节都得到妥善处理。
开源模型应用落地-LangChain实用小技巧-使用各种Loader高效解析不同数据源（七）
使用LangChain的Loader机制，高效解析不同数据源
基于Joint BERT模型的意图识别技术实践
意图识别在诸多领域已经有了非常广泛的应用，例如各个品牌的智能语音助手，如今多模态模型能力迅猛增长，与LLM交流方式变得多样化，为了给LLM提供高质量有价值的上下文嵌入信息，引入意图识别变得尤为重要，其不仅能够过滤掉大部分无用但又不得不加入pipline的工具，还可以极大优化整个pipline的响应时
开源模型应用落地-业务优化篇（八）
每个知识点可能都理解，但是能整合一起并赋能在实际项目中，还是有很多困难。通过多种技术整合，为降本增效赋能，让公司对你眼前一亮。本篇学习Redis+Milvus+定时任务整成。
一切皆是映射：DQN训练加速技术：分布式训练与GPU并行
1. 背景介绍1.1 深度强化学习的训练难题深度强化学习 (Deep Reinforcement Learning, DRL) 在近年来取得了令人瞩目的成就，从 Atari 游戏到围棋，再到机器人控制，DQN (Deep Q-Network) 作为 DRL 的代表性算法之一，展现了其强大的
Spark原理与代码实例讲解
Spark原理与代码实例讲解1.背景介绍1.1 大数据时代的到来在当今时代,数据已经成为了一种新的资源和生产力。随着互联网、物联网、云计算等技术的快速发展,海量的数据正以前所未有的速度被生成和积累。传统的数据处理方式已经无法满足大数据时代
特征工程进阶：探索前沿技术
特征工程进阶：探索前沿技术1. 背景介绍1.1 什么是特征工程特征工程是机器学习和数据挖掘中一个重要的预处理步骤。它主要包括特征提取、特征选择和特征构建三个方面。通过特征工程,可以从原始数据中提取出能够很好地代表数据特点、区分数据差异的特征
点云3D检测篇三：SECOND
点云数据与传统的图像数据不同，具有较强的稀疏性，无法使用标准的卷积神经网络进行特征提取，如图2所示。同理，考虑到2D任务中如果只处理一部分像素，标准卷积的效果也不好，需要使用2D的稀松卷积，因此本小节就从2D稀疏卷积出发，介绍一下稀疏卷积的原理，大家可以自行将其拓展到3D稀疏卷积中去，其实就多了一个
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
