OpenCV与AI深度学习 | 实战 | YOLO11自定义数据集训练实现缺陷检测 (标注+训练+预测 保姆级教程)

本文将手把手教你用YOLO11训练自己的数据集并实现缺陷检测。

【有啥问啥】大模型内容水印技术简介

随着生成式大模型(如GPT-4)的广泛应用,如何识别和追踪这些模型生成的内容成为了一个重要课题。大模型内容水印(Large Model Content Watermarking)应运而生,旨在为生成内容嵌入标记,以实现来源追踪、版权保护和内容审核等目的。本文将详细解释大模型内容水印的原理、作用,介绍

SMoA: 基于稀疏混合架构的大语言模型协同优化框架

在大语言模型(LLM)快速发展的背景下,研究者们越来越关注如何通过多代理系统来增强模型性能。传统的多代理方法虽然避免了大规模再训练的需求,但仍面临着计算效率和思维多样性的挑战。本文提出的稀疏代理混合(Sparse Mixture-of-Agents, SMoA)框架,通过借鉴稀疏专家混合(Spars

深度学习之经典网络-AlexNet详解

AlexNet 有 8 层权重层,包括 5 层卷积层和 3 层全连接层(FC 层),并引入了一些重要的创新,包括激活函数、Dropout 正则化和重叠池化。它通过增加网络的深度和宽度,结合 GPU 加速,极大提升了 CNN 的能力。

利用PyTorch的三元组损失Hard Triplet Loss进行嵌入模型微调

本文介绍如何使用 PyTorch 和三元组边缘损失 (Triplet Margin Loss) 微调嵌入模型,并重点阐述实现细节和代码示例

AI基础知识

必会知识

使用Amazon SageMaker JumpStart微调Meta Llama 3.1模型以进行生成式AI推理

还可以在SageMaker JumpStart上找到微调其他变体Meta Llama 3.1模型(8B和70B基础和指令)的代码([GitHub仓库](https://github.com/aws/amazon-sagemaker-examples/blob/default/ generati

基于信息隐藏技术的安全电子邮件设计与开发

1. 背景介绍1.1. 电子邮件安全现状电子邮件作为互联网时代最常用的通讯工具之一,其安全性一直备受关注。近年来,随着网络攻击技术的不断发展,电子邮件面临的安全威胁也日益严峻,主要包括:数据泄露: 邮件内容可能包含敏感信息,如个人隐私

为什么卷积现在不火了:CNN研究热度降温的深层原因分析

纵观近年的顶会论文和研究热点,我们不得不承认一个现实:CNN相关的研究论文正在减少,曾经的"主角"似乎正逐渐淡出研究者的视野。

LLM:模型微调经验

样本数量一般1万左右的高质量样本即可达到良好效果。对于简单任务,100-300条数据足够;中等难度任务需1000条以上;高难度任务需3000条甚至更多,可能达到10万条。样本质量样本质量优先于数量,高质量样本更有效。需要重点关注样本的多样性和答案质量。继续预训练当领域任务数据与预训练数据集差异较大时

【开源免费的 AI智能识别分析产品(通用识别、大模型加速器、文档格式转换、票据识别、图像智能处理、卡证识别)】

Textin.com 是一个集文本处理、分析、转换于一体的在线平台。它支持多种语言的文本处理,提供了诸如文本清洗、关键词提取、情感分析、文本翻译等功能。无论是数据分析师、市场研究人员,还是内容创作者,Textin.com 都能满足他们在文本处理方面的需求。文本清洗功能描述:去除文本中的噪声数据,如多

深度学习模型中的池化层

池化层(Pooling Layer)是卷积神经网络(CNN)中常用的一种操作,用于减少特征图的空间尺寸(即高度和宽度),从而减小模型的计算量和参数数量,同时保持重要的特征信息。池化层的主要作用包括降维、防止过拟合、提高计算效率以及增强特征的平移不变性。

SMoA: 基于稀疏混合架构的大语言模型协同优化框架

通过引入稀疏化和角色多样性,SMoA为大语言模型多代理系统的发展开辟了新的方向。

通义千问AI PPT初体验:一句话、万字文档、长文本一键生成PPT!

通义千问AI PPT初体验:一句话、万字文档、长文本一键生成PPT!

开源模型应用落地-Qwen2-VL-7B-Instruct-vLLM-OpenAI API Client调用

使用OpenAI API接入方式调用Qwen2-VL-7B-Instruct模型进行推理

Audio Spectrogram Transformer (AST)工作介绍

Audio Spectrogram Transformer (AST),是一种基于 Transformer 模型的音频分类方法。AST 利用了 Transformer 模型在捕获全局特征方面的优势,将音频信号转换为频谱图进行处理。本文是对 AST 及其相关研究工作的详细介绍。

Ubuntu20.04版本的NVIDIA显卡驱动程序安装(宝宝级攻略)

我在学习深度学习时,在Ubuntu系统下安装NVIDIA显卡驱动踩过了一些坑,浪费了很多的时间,现在想出一个宝宝级的攻略,希望能够帮助大家节约时间,规避一些毒教程的糟粕。

【人工智能】掌握深度学习中的时间序列预测:深入解析RNN与LSTM的工作原理与应用

深度学习中的循环神经网络(RNN)和长短时记忆网络(LSTM)在处理时间序列数据方面具有重要作用。它们能够通过记忆前序信息,捕捉序列数据中的长期依赖性,广泛应用于金融市场预测、自然语言处理、语音识别等领域。本文将深入探讨RNN和LSTM的架构及其对序列数据进行预测的原理与优势,使用数学公式描述其内部

开源模型应用落地-Qwen2.5-7B-Instruct与vllm实现离线推理-使用Lora权重(三)

使用vLLM框架集成Lora权重,以实现高效的推理过程。

TSMamba:基于Mamba架构的高效时间序列预测基础模型

TSMamba通过其创新的架构设计和训练策略,成功解决了传统时间序列预测模型面临的多个关键问题。

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