如何开始定制你自己的大型语言模型
2023年的大型语言模型领域经历了许多快速的发展和创新，发展出了更大的模型规模并且获得了更好的性能，那么我们普通用户是否可以定制我们需要的大型语言模型呢？
毕业设计：基于深度学习的健身动作(引体向上)识别计数系统 人工智能
毕业设计：基于深度学习的健身动作(引体向上)识别计数系统利用深度学习技术和计算机视觉方法，实现了对健身者进行引体向上动作的实时识别和计数。通过深入研究动作识别的图像特征提取、卷积神经网络模型构建等关键技术，我们的系统能够在不同的环境和条件下，准确识别和计数健身者的引体向上动作。对于计算机专业、软件工
【图像配准】CVPRW21 - 深度特征匹配 DFM
论文解读《DFM: A Performance Baseline for Deep Feature Matching》，用于图像配准/图像匹配的深度特征匹配方法DFM。模型无需训练，利用预训练模型，采用DNNS和HRA策略即可达到SOTA性能。
奶奶看了都会，AI翻唱，RVC声音模型训练制作教学，附 派蒙模型
AI翻唱，AI模型训练
深度学习与机器学习：互补共进，共绘人工智能宏伟蓝图
深度学习和机器学习是人工智能领域的两个重要分支，它们各自具有独特的优势，并在多个层面紧密相连。深度学习通过深度神经网络结构，展现出强大的数据处理能力，能够自动学习数据的特征提取，适用于语音识别、自然语言处理、计算机视觉等领域。而传统机器学习则更加注重模型的简单性和可解释性，依赖于人工设计的特征和算法
【深度学习】BERT变体—RoBERTa
RoBERTa是的BERT的常用变体，出自Facebook的。来自Facebook的作者根据BERT训练不足的缺点提出了更有效的预训练方法，并发布了具有更强鲁棒性的BERT：RoBERTa。RoBERTa通过以下四个方面改变来改善BERT的预训练:在MLM任务中使用动态掩码而不是静态掩码；移除NSP
Chronos: 将时间序列作为一种语言进行学习
这是一篇非常有意思的论文，它将时间序列分块并作为语言模型中的一个token来进行学习，并且得到了很好的效果。
秒懂AI-深度学习五大模型：RNN、CNN、Transformer、BERT、GPT简介
BERT是一种基于Transformer的预训练语言模型，它的最大创新之处在于引入了双向Transformer编码器，这使得模型可以同时考虑输入序列的前后上下文信息。GPT也是一种基于Transformer的预训练语言模型，它的最大创新之处在于使用了单向Transformer编码器，这使得模型可以更
使用GaLore在本地GPU进行高效的LLM调优
，GaLore可以让我们在具有24 GB VRAM的消费级GPU上微调7B模型。结果模型的性能与全参数微调相当，并且似乎优于LoRA。
爆肝3W多字，100多张配图！深度学习从小白到精通一篇博文帮你打开人工智能的大门建议收藏不容错过！！！
在介绍深度学习之前，我们先看下这幅图：人工智能>机器学习>深度学习。深度学习是机器学习的⼀个子集，也就是说深度学习是实现机器学习的一种方法。与机器学习算法的主要区别如下图所示：传统机器学习算术依赖人工设计特征，并进行特征提取，而深度学习方法不需要人工，而是依赖算法自动提取特征，这也是深度学习被看做黑
BurstAttention:可对非常长的序列进行高效的分布式注意力计算
而最新的研究BurstAttention可以将2者结合，作为RingAttention和FlashAttention之间的桥梁。
【深度学习：大模型微调】如何微调SAM
Segment Anything 模型 （SAM） 是由 Meta AI 开发的细分模型。它被认为是计算机视觉的第一个基础模型。SAM在包含数百万张图像和数十亿个掩码的庞大数据语料库上进行了训练，使其非常强大。顾名思义，SAM 能够为各种图像生成准确的分割掩码。SAM 的设计允许它考虑人类提示，使其
毕业设计：基于深度学习的人流量检测系统 人工智能
毕业设计：基于深度学习的人流量检测系统旨在解决传统方法存在的效率低下和准确性不稳定等问题。该系统在人流量检测方面取得了显著成果，具有较高的准确率和实时性。还详细介绍了数据集的自制过程和数据扩充技术，为计算机毕业设计提供了一个创新的研究方向。该课题结合了深度学习和计算机视觉技术，为毕业生提供了一个有意
文生图的基石CLIP模型的发展综述
Open AI在2021年1月份发布的DALL-E和CLIP，这两个都属于结合图像和文本的多模态模型，其中DALL-E是基于文本来生成模型的模型，而CLIP是用文本作为监督信号来训练可迁移的视觉模型。
AI：150-基于深度学习的医学数据挖掘与病症关联发现
AI：150-基于深度学习的医学数据挖掘与病症关联发现本文介绍了基于深度学习的医学数据挖掘与病症关联发现。随着医疗信息技术的发展，医学数据的积累已经成为一种常态，但利用这些数据挖掘潜在的病症关联是一项具有挑战性的任务。传统的数据挖掘方法需要大量的人力和时间，并且往往只能发现表面上的相关性。随着深度学
谁将主导未来AI市场？Claude3、Gemini、Sora与GPT-4的技术比拼
1.（实操演练）最新超强模型Claude3使用讲解2.OpenAI新模型-GPT-5介绍3.（实操演练）谷歌新模型-Gemini使用讲解4.Meta新模型-LLama35.（实操演练）阿里巴巴-通义千问6.（实操演练）科大讯飞-星火认知7.（实操演练）百度-文心一言8.（实操演练）MoonshotA
毕业设计：基于深度学习的人脸识别考勤签到系统 人工智能 python CNN
毕业设计-基于深度学习的人脸识别考勤签到系统的计算机毕业设计。传统的考勤签到系统存在易被冒用、漏识等问题，而基于深度学习的人脸识别技术提供了一种高效、准确且非侵入性的解决方案。本设计旨在开发一个利用深度学习算法进行人脸特征提取和匹配的考勤签到系统，提高签到准确性、增强安全性、提升工作效率。这个课题不
Moment:又一个开源的时间序列基础模型
根据作者的介绍，MOMENT则是第一个开源，大型预训练时间序列模型家族。
