AI：204-使用深度学习改进自然语言生成对话系统【技术、模型与实践】
从基础到实践，深入学习。无论你是初学者还是经验丰富的老手，对于本专栏案例和项目实践都有参考学习意义。每一个案例都附带关键代码，详细讲解供大家学习，希望可以帮到大家。正在不断更新中~
Transformer和Mamba强强结合！最新混合架构全面开源，推理速度狂飙8倍
最近发现，，效果会比单独使用好很多，这是因为该方法结合了Mamba的长序列处理能力和Transformer的建模能力，可以显著提升计算效率和模型性能。典型案例如大名鼎鼎的Jamba：Jamba利用Transformer架构的元素增强Mamba 结构化状态空间模型技术，提供了 256K 上下文窗口，吞
模型量化技术综述：揭示大型语言模型压缩的前沿技术
在这篇文章中，我将在语言建模的背景下介绍量化，并逐一探讨各个概念，探索各种方法论、用例以及量化背后的原理。
Mooncake：LLM服务的KVCache为中心分解架构
24年6月AI公司月之暗面的技术报告“Mooncake: A KVCache-centric Disaggregated Architecture for LLM Serving”。
时空预测又爆火了！新SOTA实现零样本精准预测
时空预测又有新突破啦！港大、华南理工等提出了时空大模型UrbanGPT，在性能上猛超现有SOTA，实现零样本即可时空预测！另外还有清华的首个通用城市时空预测模型UniST、能即插即用快速适配的时空提示调整机制FlashST...这些效果非常nice的研究都被ICML等各大顶会顶刊收录，可见目前有关时
【PyTorch】多对象分割项目
对象分割任务的目标是找到图像中目标对象的边界。实际应用例如自动驾驶汽车和医学成像分析。这里将使用PyTorch开发一个深度学习模型来完成多对象分割任务。多对象分割的主要目标是自动勾勒出图像中多个目标对象的边界。对象的边界通常由与图像大小相同的分割掩码定义，在分割掩码中属于目标对象的所有像素基于预定义
【传知代码】LAD-GNN标签注意蒸馏（论文复现）
在当今的数据科学领域，Graph Neural Networks (GNNs) 已成为处理图结构数据的强大工具。然而，传统的GNN在图分类任务中面临一个重要挑战——嵌入不对齐问题。本文将介绍一篇名为“Label Attentive Distillation for GNN-Based Graph C
【人工智能】Transformers之Pipeline（七）：图像分割（image-segmentation）
本文对transformers之pipeline的图像分割（image-segmentation）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行代码极简的使用计算机视觉中的图像分割（image-segmentation
Transformer预测模型及其Python和MATLAB实现
通过将输入的查询、键和值线性变换为多个不同的头部，然后并行计算每个头的注意力，最后将所有头的结果拼接后经过线性变换。- **查询（Query）、键（Key）和值（Value）**：对输入的词嵌入进行线性变换，得到查询、键和值。- **解码器**：解码器结构类似于编码器，但在每个层中加入了对先前生成的
【AI大数据计算原理与代码实例讲解】Hadoop
【AI大数据计算原理与代码实例讲解】Hadoop作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming关键词：Hadoop, 分布式计算, 大数据, 数据处理框架, YARN, MapReduce1
Pyinstaller打包OSError: could not get source code【终极解决】
pyinstaller 打包报错 torch.jit.script
探索LLaMA模型：架构创新与Transformer模型的进化之路
LLaMA模型代表了一种先进的人工智能技术，能够在自然语言处理（NLP）任务上表现出卓越的能力，如文本生成、问答、对话交互、机器翻译以及其他基于语言的理解和生成任务。LLaMA模型家族的特点在于包含了不同参数规模的多个模型版本，参数量从70亿（7B）至650亿（65B）不等。这些模型设计时借鉴了Ch
【机器学习】基于3D CNN通过CT图像分类预测肺炎
本文深入探讨了3D卷积神经网络（3D CNN）在CT图像肺炎分类预测中的应用。通过构建高效的3D CNN模型，结合精确的数据预处理和增强技术，实验结果表明该模型在医学影像诊断中具有显著的潜力。尽管面临数据规模和计算资源的挑战，但通过模型优化和跨学科合作，有望进一步提升性能。未来研究将着眼于扩大数据集
认识神经网络【多层感知器数学原理】
简单认识神经网络，学习多层感知器的数学原理和公式
模型安全与对抗攻防原理与代码实战案例讲解
模型安全与对抗攻防原理与代码实战案例讲解作者：禅与计算机程序设计艺术 / Zen and the Art of Computer Programming1. 背景介绍1.1 问题的由来随着人工智能技术的飞速发展，深
2024年最新AI大模型，一文带你走进AI搜索！
随着技术的不断进步，这些AI工具将更加深入我们的生活，成为我们探索知识、解决问题的得力助手。智能对话，数据分析，语音识别和多平台支持，提供智能化、便捷化、高效化的解决方案。功能：华为的盘古大模型，它不仅支持知识问答、文案生成、代码生成，以及多模态大模型的图像生成、图像理解等能力集，还支持雷达、红外线
AI Agent: AI的下一个风口 自然语言带来交互革命
AI Agent: AI的下一个风口 自然语言带来交互革命1. 背景介绍1.1 人工智能的发展历程人工智能(Artificial Intelligence, AI)是当代科技领域最具革命性和影响力的技术之一
Kafka Offset原理与代码实例讲解
Kafka Offset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：Kafka，Offset，消息队列，分布式系统，数据流处理1. 背景介绍
YOLOv10改进 | 特殊场景检测篇 | 轻量级的低照度图像增强网络IAT改进YOLOv10暗光检测（全网独家首发）
本文给大家带来的改进机制是轻量级的变换器模型：Illumination Adaptive Transformer (IAT)，用于图像增强和曝光校正。其基本原理是通过分解图像信号处理器（ISP）管道到局部和全局图像组件，从而恢复在低光或过/欠曝光条件下的正常光照sRGB图像。具体来说，IAT使用注意
Datawhale AI 夏令营——从零入门CV图像竞赛(Deepfake攻防) & Task2
深度学习（）是一种机器学习方法，通过使用人工神经网络（）来模拟人脑的功能，从而进行数据处理和模式识别。它属于人工智能（）的一个分支，主要通过大量数据和计算资源来训练多层神经网络模型，以实现复杂的任务。
