探索大模型技术及其前沿应用——TextIn文档解析技术
探索大模型技术及其前沿应用——TextIn文档解析技术
Transformer模型：人工智能技术发展的里程碑
Google在人工智能领域的贡献是不可小觑的，尤其是在Transformer模型的研究和发展中。Transformer模型最初由Vaswani等人在2017年的论文《Attention is All You Need》中提出。这一模型的核心思想是利用“自注意力（Self-Attention）”机制来
人工智能——机器学习——神经网络（深度学习）
人工智能是让机器获得像人类一样具有思考和推理机制的智能技术，这一概念最早出现在 1956 年召开的达特茅斯会议上。其中深度学习可以理解为神经网络。刚开始只有神经网络的概念，随着神经网络的层数增加，就逐渐将神经网络叫做深度学习。神经网络的发展历程大致分为浅层神经网络阶段和深度学习阶段。
SOFTS: 时间序列预测的最新模型以及Python使用示例
这是2024年4月提出的新模型，采用集中策略来学习不同序列之间的交互，从而在多变量预测任务中获得最先进的性能。
中草药识别系统Python+深度学习人工智能+TensorFlow+卷积神经网络算法模型
中草药识别系统。本系统基于TensorFlow搭建卷积神经网络算法（ResNet50算法）通过对10中常见的中草药图片数据集（‘丹参’, ‘五味子’, ‘山茱萸’, ‘柴胡’, ‘桔梗’, ‘牡丹皮’, ‘连翘’, ‘金银花’, ‘黄姜’, ‘黄芩’）进行训练，得到一个识别精度较高的H5格式模型文件
使用‘消除’技术绕过LLM的安全机制，不用训练就可以创建自己的nsfw模型
在本文中，我们将探索一种称为“abliteration”的技术，它可以在不进行再训练的情况下取消LLM审查。这种技术有效地消除了模型的内置拒绝机制，允许它响应所有类型的提示。
AI训练，为什么需要GPU？
随着人工智能热潮，GPU成为了AI大模型训练平台的基石，决定了算力能力。为什么GPU能力压CPU，成为炙手可热的主角呢？首先我们要先了解一下GPU的分类。提到分类，就得提及到芯片。半导体芯片分为和。其中，数字芯片的市场规模占比较大，达到70%左右。。由上图可以看到，。现在特别火爆的AI，用到的所谓“
AI论文速读 | 2024[IJCAI]时空解耦掩码预训练的时空预测
时空预测技术对于交通、能源和天气等各个领域都具有重要意义。由于复杂的时空异质性，时空序列的准确预测仍然具有挑战性。特别是，当前的端到端模型受到输入长度的限制，因此经常陷入时空幻觉），即相似的输入时间序列后面跟着不同的未来值，反之亦然。为了解决这些问题，本文提出了一种新颖的自监督预训练框架时空解耦掩码
AI+新能源充电桩数据集
7+细分充电桩数据集；新能源充电桩；充电站负荷预测
AI人工智能代理工作流AI Agent WorkFlow：智能代理在智能家居中的实践
AI人工智能代理工作流AI Agent WorkFlow：智能代理在智能家居中的实践1. 背景介绍1.1 人工智能在智能家居中的应用现状随着人工智能技术的快速发展,智
Vanna-ai 大模型开源项目 基于RAG的TextToSql框架 安装和使用教程
您还可以将 SQL 查询添加到训练数据中。如果您已经有一些查询，这将很有用。您只需从编辑器中复制并粘贴这些内容即可开始生成新的 SQL。根据您的用例，您可能需要也可能不需要运行这些命令。有关详细信息，请参阅。根据您的用例，您可能需要也可能不需要运行这些命令。DDL 语句包含有关数据库中的表名、列、数
使用PyTorch Profiler进行模型性能分析，改善并加速PyTorch训练
加速机器学习模型训练是所有机器学习工程师想要的一件事。更快的训练等于更快的实验，更快的产品迭代，还有最重要的一点需要更少的资源，也就是更省钱。
机器学习、深度学习、AI工程师、人工智能面试热点问题（一）
混淆矩阵(Confusion matrix)计算过程混淆矩阵作为分类模型结果的更加细致精确的可视化展示，有时也被称为误差矩阵或者可能性表格，通常混淆矩阵会应用于二分类问题中，对此首先有如下关键定义:Actual condition:样本真实标签;·Predicated condition:模型预测标
【AI】人工智能（AI）的崛起与未来展望
本文将探讨AI的基本概念、发展历程、应用场景，并通过一些Python代码示例来展示AI的实际应用，最后对AI的未来进行展望。人机协同将成为未来AI发展的重要方向。随着技术的不断进步和应用场景的不断拓展，AI将在未来发挥更加重要的作用，为人类创造更加美好的未来。AI的发展经历了符号主义、连接主义和深度
Tiny Time Mixers (TTM)轻量级时间序列基础模型：无需注意力机制，并且在零样本预测方面表现出色
TTM是一个轻量级的，基于mlp的基础TS模型(≤1M参数)，在零样本预测方面表现出色，甚至优于较大的SOTA模型。
AI 绘画爆火背后：扩散模型原理及实现
DDPM的训练-推理流程到这里，不知道大家的接受度怎样？如果感觉没问题，轻轻松的话。准备好，我要开始上大招（深入理论）啦。
深度学习第J9周：Inception v3算法实战与解析
总结来说，Inception v3是一种深度卷积神经网络，其主要特点包括更深的网络结构、使用Factorized Convolutions、添加Batch Normalization、引入辅助分类器以及使用基于RMSProp的优化器进行训练。相对于Inception v1的Inception Mod
OpenCV与AI深度学习 | 实战 | YOLOv8自定义数据集训练实现手势识别 (标注+训练+预测 保姆级教程)
本文将手把手教你用YoloV8训练自己的数据集并实现手势识别。
人工智能、机器学习、深度学习：技术革命的深度解析
人工智能是一个广泛的概念，它涵盖了使机器执行通常需要人类智能的任务的能力。这包括但不限于学习、推理、解决问题、知识理解、语言识别、视觉感知、运动和操控。机器学习是人工智能的一个分支，它使计算机系统能够从数据中学习并做出决策或预测，而不需要进行明确的编程。深度学习是机器学习的一个子领域，它使用多层神经
随着互联网的普及、人工智能的应用，越来越多的问题能很快得到答案。那么，我们的问题是否会越来越少?
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~
