什么是人工智能领域的 Foundation Model？
GPT 模型采用了预训练加微调的方式，通过大规模的语料库训练出来的模型，可以在多种 NLP 任务中表现出色，如文本分类、机器翻译、摘要生成等。人工智能领域的 Foundation Model，通常指的是一类被广泛使用的基础模型（或称基础架构模型），是在海量数据和计算资源的基础上训练出来的通用、通用性
【机器学习】分类算法 - 朴素贝叶斯 MultinomialNB
朴素贝叶斯法（Naive Bayes model 简称 NBM ）是基于「贝叶斯定理」与「特征条件独立假设」的分类方法。
【AI底层逻辑】——篇章5（下）：机器学习算法之聚类&降维&时间序列
时间序列模型在解决实际问题时，序列必须满足特定的数据分布，或者具有平稳的时间序列特性，比如在剔除趋势数据后，时间序列不能与时间有依赖关系，数据波动的频率和幅度不能随时间变化等。——举例来说，随意挑选两个特征构建它们的散点图，如下图所示，图中每个点有两个特征，分别对应X轴和Y轴，在图中画一条直线，将所
收藏丨30个大语言模型训练相关的数据集分享
更多数据集，请访问OpenDataLab官网
Wandb是啥，怎么用
使用Wandb非常简单，首先需要安装Wandb的Python包，可以通过pip或conda来安装。安装完成后，需要在Python脚本中导入wandb库，登录Wandb，创建一个项目并设置实验。在实验中，可以记录各种指标、超参数、模型权重等，并进行可视化分析。最后，可以将实验的结果保存在Wandb的云
零基础熟悉mmdetection3d数据提取、模型搭建过程
本图文从介绍配置文件开始，逐步构建一个新的配置文件，并依次构建相关模型，最终使用一条点云数据简单走了一下处理流程
智能优化之粒子群算法（PSO）（Matlab,python,C++实现）
智能优化算法pso
【超详细小白必懂】Pytorch 直接加载ResNet50模型和参数实现迁移学习
【超详细小白必懂】Pytorch 直接加载ResNet50模型和参数实现迁移学习
LLaMA(大规模机器学习和分析)
LLaMA(大规模机器学习和分析)是一个先进的软件平台，是Meta 推出 AI 语言模型 LLaMA，一个有着 上百亿数量级参数的大语言模型用于大规模部署和管理机器学习模型。
干货 | 浅谈机器人强化学习--从仿真到真机迁移
“对于机器人的运动控制，强化学习是广受关注的方法。本期技术干货，我们邀请到了小米工程师——刘天林，为大家介绍机器人（以足式机器人为主）强化学习中的sim-to-real问题及一些主流方法。”一、前言设计并制造可以灵活运动的足式机器人，一直是工程师追逐的梦想。相比于轮式机器人，足式机器人凭借其腿部结构
ROS机器人操作系统——什么是ROS（一）
ROS机器人操作系统文章目录ROS机器人操作系统前言一、ROS是什么？二、ROS的发展史三、ROS的特点总结前言大一下的时候接触过ROS，也只是单纯的知道这个东西，了解了一点皮毛，并没有系统的去学习。一年过去了，无人驾驶以及机器视觉还是更加吸引我，于是我打算重拾ROS，希望能在别人开源的基础上做到二
BART模型简单介绍
对于序列分类任务（如文本情感分类），BART模型的编码器与解码器使用相同的输入，将解码器最终时刻的隐含层状态作为输入文本的向量表示，并输入至多类别线性分类器中，再利用该任务的标注数据精调模型参数。与BERT模型的 [CLS] 标记类似，BART模型在解码器的最后时刻额外添加一个特殊标记，并以该标记的
【AI模型】AI模型部署概述
AI模型部署学习
MICCAI 2022论文集分享
MICCAI 2022论文集百度y分享.
Python 3.11的10个使代码更加高效的新特性
在本文中我们将介绍Python 3.11新特性，通过代码示例演示这些技巧如何提高生产力并优化代码。
【强化学习】——Q-learning算法为例入门Pytorch强化学习
强化学习（Reinforcement Learning，RL）是一种机器学习方法，其目标是通过智能体（Agent）与环境的交互学习最优行为策略，以使得智能体能够在给定环境中获得最大的累积奖励。
数学建模国赛题型和获奖策略
数学建模高教杯题型分析和获奖策略
nuplan（面向自动驾驶规划的数据集）简介
nuplan的开源仿真框架支持闭环和开环仿真。闭环意味着自我车辆和其他车辆可以偏离原始数据集中记录的状态信息。除了规划器的基准实现，nuplan还为传统的智能驾驶模型（Intelligent Driver Model, IDM）和基于学习（ML）的智能体提供基线实现。为了真实地模拟交通流，nupla
AIGC和ChatGPT的区别是什么？
当谈到人工智能的聊天机器人时，人们不可避免地会想到AIGC和ChatGPT这两个备受关注的模型。虽然两者都能够进行自然语言处理，但是它们之间存在一些重要的区别，我们可以从以下几个方面来进行分析：首先，AIGC采用的是基于规则的方法，而ChatGPT则是一种基于神经网络的方法。基于规则的方法需要预先设
回归模型中的多重共线性 + 危害 + 原因 + 判断标准 + 解决办法，回归系数
回归模型中的多重共线性 + 危害 + 原因 + 判断标准 + 解决办法，以及相关概念
