MacBook Pro上安装Anaconda和PyCharm - M2 Pro

MacBook Pro上安装Anaconda和PyCharm - M2 Pro

PLC实验—西门子S7 1200读取旋转编码器数据并计算电机转速

PLC实验—西门子S7 1200读取旋转编码器数据并计算电机转速

知识蒸馏(Knowledge Distillation)

快乐学习

【ChatGPT】ChatGPT 原理全解析——读完这10篇论文,你就懂了。

2022年11月,推出人工智能聊天原型ChatGPT,再次赚足眼球,为AI界引发了类似AIGC让艺术家失业的大讨论。ChatGPT 是一种专注于对话生成的。它能够根据用户的文本输入,产生相应的智能回答。这个回答可以是简短的词语,也可以是长篇大论。其中 GPT 是(生成型预训练变换模型)的缩写。下面列

Github Copilot Chat的规则泄露,详细分析这31条规则

GitHub Copilot Chat是GitHub Copilot的一部分,它是一个基于人工智能的编程助手,

基于YOLOv7的植物虫害识别&防治系统(源码&教程)

基于YOLOv7的植物虫害识别&防治系统(源码&教程)

如何计算神经网络参数的个数?

神经网络随着层数的加深,网络参数的个数会越来越多,小的网络有成千上万个参数,大的可以达到千万个网络参数。这里我们介绍一下如何计算神经网络参数的个数图像分类的神经网络,包含两个部分:特征提取层+ 分类层特征提取层就是将提取图像中的特征,这里的特征就是图像的细节,例如边缘、关键点等等。类似于人在识别物体

AI人工智能开发的5种最佳人工智能编程语言

今天的AI程序员应该掌握多种语言,因为他们在跨学科的环境中工作,而不是在孤岛中工作。虽然当前这一代人更喜欢Python,R,Java,Lisp,Prolog,Julia等,但前端开发人员必须了解JavaScript,Python和R的机器学习应用程序。一家知名组织的流程自动化首席开发人员了解R,Ja

深度学习实战10-数学公式识别-将图片转换为Latex(img2Latex)

大家好,我是微学AI,今天给大家带来一个关于数学公式识别的实战案例,解决大家在写论文中遇到很多latex输入的问题,而且可以无限次识别哦,因为是代码实现,不用调用外部API.

InstructGLM:基于ChatGLM-6B在指令数据集上进行微调

基于ChatGLM-6B+LoRA在指令数据集上进行微调。

gpt的优势和gpt缺点

GPT可以根据给定的上下文信息生成质量很高的语句,甚至可以生成完整的文章、故事等长文本,和人类写作风格非常接近。随着训练的深入,GPT技术的语言生成质量也将不断提升。只能实现单向文本生成:与一些双向解码器(如BERT)不同,GPT采用单向的解码器,只能利用前面的上下文信息进行生成,无法利用后面的文本

DETR详解

DETR 将目标检测任务看作集合预测问题,对于一张图片,固定预测一定数量的物体(原作是100个,在代码中可更改),模型根据这些物体对象与图片中全局上下文的关系直接并行输出预测集,也就是 Transformer 一次性解码出图片中所有物体的预测结果,这种并行特性使得 DETR 非常高效。

GPT2-Chinese 文本生成,训练AI写小说,AI写小说2

在根目录(目录\GPT2-Chinese\)下建立文件夹data 和modeldatamodel。

深入浅出PaddlePaddle函数——paddle.sum

paddle.sum(x, axis=None, dtype=None, keepdim=False, name=None)

深入浅出TensorFlow2函数——tf.math.reduce_sum

tf.math.reduce_sum( input_tensor, axis=None, keepdims=False, name=None)

深度学习大模型框架的简单介绍(ChatGPT背后原理的基本介绍)

介绍ChatGPT背后,简单介绍整个大规模预训练语言模型的发展历程。

深入理解机器学习——过拟合(Overfitting)与欠拟合(Underfitting)

机器学习的主要挑战是我们的算法必须能够在先前未观测的新输入上表现良好,而不只是在训练集上表现良好。在先前未观测到的输入上表现良好的能力被称为泛化(Generalization)。通常情况下,当我们训练机器学习模型时,我们可以使用某个训练集,在训练集上计算一些被称为 训练误差(Training Rrr

【MacOS】MacBook使用本机m1芯片GPU训练的方法(mps替代cuda)

使用Mac M1芯片加速 pytorch 不需要安装 cuda后端,因为cuda是适配nvidia的GPU的,Mac M1芯片中的GPU适配的加速后端是mps,在Mac对应操作系统中已经具备,无需单独安装。只需要安装适配的pytorch即可。mps用法和cuda很像,只是将“cuda”改为“mps”

kaggle(白嫖免费GPU,新手必看!!!)

超详细新手白嫖kaggle GPU教程,不可错过哦

登录可以使用的更多功能哦! 登录
作者榜
...
资讯小助手

资讯同步

...
内容小助手

文章同步

...
Deephub

公众号:deephub-imba

...
奕凯

公众号:奕凯的技术栈