范数详解-torch.linalg.norm计算实例
本文以torch.linalg.norm()，详细讲解二范数、F范数、核范数、无穷范数、L1范数、L2范数的定义和计算。
Huggingface Transformers Deberta-v3-base安装踩坑记录
huggingface deberta-v3-base下载踩坑记录
16,8和4位浮点数是如何工作的
在本文中，我们将介绍最流行的浮点格式，创建一个简单的神经网络，并了解它是如何工作的。
2023知识追踪最新综述来自顶刊！！！——《Knowledge Tracing:A Survey》
2023知识追踪最新综述——《Knowledge Tracing：A Survey》，文章发表在ACM Computing Survey上
【人工智能】《大模型十问》—— 我们认为大模型值得探索的十个问题
看过有些评论说，大模型出现后NLP没什么好做的了。在我看来，在像大模型这样的技术变革出现时，虽然有很多老的问题解决了、消失了，同时我们认识世界、改造世界的工具也变强了，会有更多全新的问题和场景出现，等待我们探索。所以，不论是自然语言处理还是其他相关人工智能领域的学生，都应该庆幸技术革命正发生在自己的
OpenMMLab-AI实战营第二期——2-1.人体关键点检测与MMPose
关键点提取，属于模式识别人体姿态估计的下游任务：行为识别（比如：拥抱。。下游任务：CG和动画，这个是最常见的应用下游任务：人机交互（手势识别，依据收拾做出不同的响应，比如：HoloLens会对五指手势（3D）做出不同的反应）自顶向下方法自底向上方法单阶段方法基于Transformer的方法。
TCN(时间卷积网络)实现时间序列预测(PyTorch版)
本专栏整理了《深度学习时间序列预测案例》，内包含了各种不同的基于深度学习模型的时间序列预测方法，例如LSTM、GRU、CNN（一维卷积、二维卷积）、LSTM-CNN、BiLSTM、Self-Attention、LSTM-Attention、Transformer等经典模型，包含项目原理以及源码，每一
使用ExLlamaV2在消费级GPU上运行Llama2 70B
在本文中，我将展示如何使用ExLlamaV2以混合精度量化模型。我们将看到如何将Llama 2 70b量化到低于3位的平均精度。
VOC 数据集下载
Pascal VOC挑战是一个非常流行的数据集，用于构建和评估图像分类、对象检测和分割的算法。然而，网站总是宕机。如果你需要文件，下面是它们下载地址:VOC 2012VOC 2007。
怎么看自己有没有安装tensorflow
如果您想检查计算机上是否已安装 TensorFlow，您可以尝试执行以下步骤：打开命令行终端。在命令行中输入 "python"，然后按回车键，打开 Python 解释器。在 Python 解释器中，输入 "import tensorflow"，然后按回车键。如果 TensorFlow 已安装，您将不
Python-np.expand_dims()
Python-np.expand_dims()用于扩展数组的维度。执行程序后注意观察中括号[ ]的位置和数量
ChatGPT技术原理
ChatGPT 是由 GPT-3 迭代来的，原有的 GPT-3 可能难以从文本中学会一些，这就导致了 GPT-3 这样的语言模型，。ChatGPT 又是如何做的改进？ChatGPT要解决的核心问题就是怎么让模型和用户对齐。那么模型和用户对齐是什么呢？
LongLoRA:不需要大量计算资源的情况下增强了预训练语言模型的上下文能力
麻省理工学院和香港中文大学推出了LongLoRA，这是一种革命性的微调方法，可以在不需要大量计算资源的情况下提高大量预训练语言模型的上下文能力。
LabVIEW AI视觉工具包（非NI Vision）下载与安装教程
LabVIEW AI视觉工具包（非NI Vision）下载与安装教程
分类任务使用Pytorch实现Grad-CAM绘制热力图
给大家打个比方，下图是我输出模型结构的一小块，此时如果我设定target_layers=[model.patch_embed_a]，那它就相当于被我设置成一个元组，但这样是无法应用在这个代码上的，我们需要继续细化到某一层，比如改成target_layers=[model.patch_embed_a.
【ChatGPT】ChatGPT使用指南——文本生成
文本摘要任务指的是用精炼的文本来概括整篇文章的大意，使得用户能够通过阅读摘要来大致了解文章的主要内容。抽取式摘要：从原文档中提取现成的句子作为摘要句。压缩式摘要：对原文档的冗余信息进行过滤，压缩文本作为摘要。生成式摘要：基于NLG技术，根据源文档内容，由算法模型自己生成自然语言描述。以下是一个基于m
[ 可视化 ] 经典网络模型 —— Grad-CAM 详解与复现
[ 可视化 ] 经典网络模型 —— Grad-CAM 详解与复现1、Grad-CAM；2、Grad-CAM 详解；论文贡献；原理介绍；Grad-CAM 可视化流程；Grad-CAM 计算；Guided Grad-CAM；实例展示；评估 Grad-CAM 定位能力，Grad-CAM 图像分类、视觉解释
Batchnorm 和Layernorm 区别
对比Batchnorm和Layernorm的区别
深度学习2.神经网络、机器学习、人工智能
深度学习属于机器学习的范畴，深度学习可以说是在传统神经网络基础上的升级，约等于神经网络。深度学习和传统机器学习在数据预处理上都是类似的。核心差别在特征提取环节，深度学习由机器自己完成特征提取，不需要人工提取。学习能力强覆盖范围广，适应性好数据驱动，上限高可移植性好计算量大，便携性差硬件需求高模型设计
Diffusion Models 简单代码示例
扩散模型的目标是通过数据在潜在空间（latent space）的扩散过程，学习数据的潜在向量结构(latent structure)，通俗点说，扩散模型学习利用数据逐步变成噪声的过程，学习反向的去噪声过程。基于 GAN 生成模型，基于 VAE 的生成模型，以及基于 flow 的生成模型它们都可以生成
